Приложение б

Расчет коэффициентов регрессии:

Ysr : [Ysr1 = 32.315, Ysr2 = 25.900, Ysr3 = 38.295, Ysr4 = 19.510, Ysr5 = 37.555, Ysr6 = 42.740, Ysr7 = 30.525, Ysr8 = 46.400]

b0 = 34.155, b1 = 0.518, b2 = 0.472, b3 = -5.150

Yr : [Yr1 = 29.995, Yr2 = 28.960, Yr3 = 29.050, Yr4 = 28.015, Yr5 = 40.295, Yr6 = 39.260, Yr7 = 39.350, Yr8 = 38.315]

Уравнение регрессии:

Y^ = 34.155 + 0.518 * X1 + 0.472 * X2 + -5.150 * X3

1. Оценка дисперсии воспроизводимости (оценка ошибки опыта)

S2 : [S2_1 = 0.001, S2_2 = 0.020, S2_3 = 0.006, S2_4 = 0.000, S2_5 = 0.036, S2_6 = 0.080, S2_7 = 0.911, S2_8 = 0.180]

sum_S2 = 1.235

Критерий Кохрена:

G = 0.7377

Так как 0.7377 > 0.6798, то дисперсия не однородна

2. Оценка значимости коэффициентов по критерию Стьюдента

S_vospr2 = 0.1544

tb0 = 245.853, tb1 = 3.725, tb2 = 3.401, tb3 = 37.071

Коэффициент регрессии b0 значим так как 245.853 > 2.31

Коэффициент регрессии b1 значим так как 3.725 > 2.31

Коэффициент регрессии b2 значим так как 3.401 > 2.31

Коэффициент регрессии b3 значим так как 37.071 > 2.31

Уравнение будет иметь вид: Y^ = 34.155 + 0.518 * X1 + 0.472 * X2 + -5.150 * X3

3. Проверка модели на адекватность по критерию Фишера

Y = 29.995, 28.960, 29.050, 28.015, 40.295, 39.260, 39.350, 38.315

S_ost2 = 83.854

F = 543.097

Так как 543.097 > 3.8, уравнение регрессии неадекватно