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