- •СОДЕРЖАНИЕ
- •ВВЕДЕНИЕ
- •1 ИТОГОВАЯ ГОСУДАРСТВЕННАЯ АТТЕСТАЦИЯ ВЫПУСКНИКОВ В СИСТЕМЕ ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
- •1.1 Основные сведения о системе образования
- •1.2 Система высшего и послевузовского профессионального образования
- •1.3 Итоговая государственная аттестация
- •2 ТИПОВАЯ СТРУКТУРА И ТРЕБОВАНИЯ К ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЕ
- •3 ВОЕННО-НАУЧНОЕ ОБОСНОВАНИЕ ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЫ
- •3.1 Место вооружения Космических войск в системе военно-технических средств ВС РФ
- •3.1 Структура военно-научного обоснования темы ВКР
- •3.2 Методика оперативно-тактического обоснования системы вооружения
- •4 ТРЕБОВАНИЯ И РЕКОМЕНДАЦИИ ПО ОФОРМЛЕНИЮ УЧЕБНЫХ ТЕКСТОВЫХ ДОКУМЕНТОВ И ДЕМОНСТРАЦИОННЫХ ПЛАКАТОВ
- •4.1 Назначение и виды учебных текстовых документов
- •4.2 Общие требования к учебным текстовым документам
- •4.3 Титульный и заглавный листы, содержание
- •4.4 Построение документа
- •4.5 Изложение текста
- •4.5.2 Нормативные требования к тексту
- •4.6 Примечания, ссылки, сноски, примеры
- •4.7 Формулы в тексте
- •4.8 Таблицы
- •4.9 Иллюстрации
- •4.10 Приложения
- •4.11 Библиографическое описание произведений печати
- •4.12 Рекомендации по оформлению демонстрационных плакатов
- •5 ПОДГОТОВКА РАСЧЕТОВ И ИХ ВЫПОЛНЕНИЕ
- •5.1 Выбор показателя эффективности
- •5.2 Подготовка исходных данных
- •5.3 Определение точности и надежности оценок
- •5.4 Оценка погрешности расчетов
- •5.5 Запись приближенных чисел
- •5.6 Округление чисел
- •5.7 Предельная погрешность функции
- •5.8 Оценка влияния приращений аргументов на приращение функции
- •6 ОСНОВНЫЕ МАТЕМАТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ ЭКСПЛУАТАЦИЕЙ ВООРУЖЕНИЯ КВ
- •6.1 Управление процессами эксплуатации вооружения КВ с использованием методов сетевого планирования и управления
- •6.1.1 Основные элементы сетевого графика
- •6.1.2 Правила построения сетевых графиков
- •6.1.3 Характеристики сетевого графика
- •6.1.4 Анализ и оптимизация сетевого графика
- •6.2 Управление эксплуатацией вооружения КВ с использованием методов математического программирования
- •6.2.1 Основные понятия и определения линейного программирования
- •6.2.2 Задача распределения оружия по носителям
- •6.2.3 Транспортная задача линейного программирования
- •6.3 Прогнозирование показателей технического состояния вооружения КВ с использованием временных рядов
- •6.3.1 Прогнозирование: основные понятия и определения
- •6.3.2 Характеристики временного ряда
- •6.3.3 Исследование динамического ряда
- •6.3.4 Прогнозирование показателей технического состояния вооружения КВ
- •6.4 Исследование связи процессов в системе эксплуатации с использованием взаимосвязанных динамических рядов
- •6.4.2 Алгоритм исследования взаимосвязанных динамических рядов
- •6.5 Статистическая оценка показателей эксплуатационных свойств вооружения КВ
- •6.5.1 Выбор закона распределения случайной величины
- •6.5.2 Расчет параметров распределения случайной величины
- •6.5.3 Выравнивание статистического ряда
- •6.5.4 Проверка правдоподобия гипотезы о выборе закона распределения случайной величины
- •6.5.5 Алгоритм статистической оценки показателя эксплуатационного процесса
- •6.6 Метод экспертных оценок показателей эксплуатационных свойств вооружения КВ
- •6.6.1Сущность и содержание метода экспертных оценок
- •6.6.2 Алгоритм применения метода экспертных оценок
- •6.7.1 Общая идея дисперсионного анализа
- •6.7.2 Однофакторный комплекс
- •6.7.3 Двухфакторный комплекс
- •6.8.2 Парная линейная регрессия
- •6.8.3 Парная нелинейная регрессия
- •6.8.4 Множественная регрессия
- •6.8.5 Оценка тесноты связи и значимости коэффициентов регрессии
- •6.9 Прогнозирование состояния системы с использованием марковских процессов и уравнений Колмогорова
- •ЗАКЛЮЧЕНИЕ
- •СПИСОК ЛИТЕРАТУРЫ
- •1. Руководящие и нормативные документы
- •2. Методические материалы
- •3. Дополнительная литература
- •Приложение А
- •Е.1 Основные сведения о Государственной системе стандартизации
- •Е.2 Виды стандартов
- •Е.4 Межотраслевые системы (комплексы) стандартов
- •Е.5 Комплекс стандартов «Государственная система стандартизации РФ»
- •Е.6 Единая система конструкторской документации
- •Е.7 Единая система технологической документации
- •Е.8 Система показателей качества продукции
- •Е.9 Унифицированные системы документации
- •Е.10 Система стандартов по информации, библиотечному и издательскому делу
- •Е.11 Государственная система обеспечения единства измерений
- •Е.12 Единая система защиты от коррозии и старения материалов и изделий
- •Е.13 Комплексы стандартов по безопасности жизнедеятельности
- •Е.14 Система стандартов «Репрография. Микрография»
- •Е.15 Система стандартов «Экологический менеджмент»
- •Е.16 Система разработки и постановки продукции на производство
- •Е.17 Единая система программных документов
- •Е.18 Система проектной документации для строительства
- •Е.19 Обеспечение износостойкости изделий
- •Е.20 Система технической документации на АСУ
- •Е.21 Система стандартов «Расчеты и испытания на прочность»
- •Е.22 Система стандартов «Надежность в технике»
- •Е.23 Система технического обслуживания и ремонта техники
- •Е.24 Система стандартов эргономических требований и эргономического обеспечения
- •Е.25 Комплекс стандартов «Единый российский страховой фонд документации»
- •Е.26 Комплекс стандартов «Информационная технология»
- •Е.27 Система сертификации ГОСТ Р
- •Е.28 Комплекс стандартов «Единообразные предписания …»
- •Е.29 Комплекс государственных стандартов гражданской обороны
- •Е.30 Информационное обеспечение техники и операторской деятельности
- •ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ
201
6.7.2Однофакторный комплекс
Впрактике эксплуатации возможен случай, когда имеются материалы или однотипные изделия (детали, узлы, агрегаты и т.п.), находящиеся на хранении в нескольких хранилищах, имеющих различные условия хранения. При проведении контрольных испытаний установлено, что они имеют различные показатели качества, например, плотность, вязкость и другие показатели. Здесь имеет место один фактор – условия в хранилище (условия хранения). Исследователя интересует вопрос, существенно ли влияние этого фактора на показатели качества материалов? Ответ на этот вопрос можно получить, сравнивая средние значения показателя свойства по каждому хранилищу между собой и оценки существенности разницы этих средних.
Предположим, что из m хранилищ произведены выборки по n единиц материала (деталей), находящихся на хране-
нии. Обозначим выборку из i-й совокупности (xi1, xi2, …, xij, …, xin,). Тогда все выборки можно записать в виде следующей таблицы, которая называется матрицей наблюдений (таблица 6.21). Показатель свойства материала или детали имеет нормальное распределение.
Таблица 6.21 - Матрица наблюдений
Количество совокупностей (выборок) m
|
Количество элементов в совокупно- |
Средние арифме- |
||||||||||||||||
|
|
|
сти (выборке) n |
|
|
|
||||||||||||
|
|
|
|
|
|
тические групп |
||||||||||||
|
1 |
|
2 |
… |
j |
|
… |
|
n |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
||
1 |
x11 |
|
x12 |
… |
x1j |
|
x1n |
|
x1n |
x1* |
|
|
|
x1 j |
||||
|
|
n |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
||
2 |
x21 |
|
x22 |
… |
x2j |
|
x2n |
|
x2n |
x2* |
|
|
|
x2 j |
||||
|
|
|
|
n |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
||
… |
… |
|
… |
… |
… |
|
… |
|
… |
|
|
|
|
… |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
||
i |
xi1 |
|
xi2 |
… |
xij |
|
xin |
|
xin |
xi* |
|
|
|
xij |
||||
|
|
|
|
n |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
||
… |
… |
|
… |
… |
… |
|
… |
|
… |
|
|
|
|
… |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
||
m |
xm1 |
|
xm2 |
… |
xmj |
|
… |
|
xmn |
xm* |
|
|
|
xmj |
||||
|
|
|
|
n |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
||
Средняя арифметическая всех групп |
|
|
|
|
1 |
|
|
|
m |
|||||||||
|
|
(совокупностей) |
|
|
|
x |
|
|
|
|
xi* |
|||||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
m i 1 |
202
Средние значения этих выборок обозначим 1, 2, …, i, …, m. Теперь проверим гипотезу о равенстве этих средних. Нулевую гипотезу запишем в виде Н0: 1 = 2 = …= i =…= m;
альтернативную – Н1: 1 2 … i … m.
Гипотеза Н0 проверяется сравнением внутригрупповых и межгрупповых дисперсий по F – критерию. Известно, что если случайная величина распределена по нормальному закону, то отношение выборочных дисперсий имеет распределение Фишера (или F- распределение). Если расхождение между дисперсиями незначительно, то нулевая гипотеза принимается. В противном случае гипотеза о равенстве средних отвергается и делается заключение о том, что различие в средних обусловлено не только случайностями выборок, но и действием исследуемого фактора. Рассмотрим структуру внутригрупповой и межгрупповой дисперсий и способ их вычислений. Вначале найдем средние арифметические каждой совокупности (выборки) и общую среднюю:
средняя арифметическая совокупности (выборки, группы)
|
|
1 |
n |
|
|
|
xi* |
|
xij |
; |
(6.129) |
||
n |
||||||
|
|
j 1 |
|
|
общая средняя всех совокупностей (выборок)
|
1 |
m n |
1 |
m |
|
|
x |
xij |
xi* ; |
(6.130) |
|||
|
|
|||||
|
mn i 1 j 1 |
m i 1 |
|
Для вывода основного тождества дисперсионного анализа найдем сумму квадратов отклонений xij от x 29
|
m |
n |
xij |
m |
n |
xi* xi* x 2 |
|
|
|
x 2 xij |
|||||
|
i 1 |
j 1 |
|
i 1 |
j 1 |
|
(6.131) |
m n |
|
|
|
m n |
|
m n |
xi* xi* x . |
xij |
xi* 2 xi* x 2 2 xij |
||||||
i 1 j 1 |
|
|
|
i 1 j 1 |
|
i 1 j 1 |
|
Покажем, что последнее слагаемое тождества (6.131) равно нулю. Известно, что сумма отклонений переменных одной совокупности от средней арифметической этой же со-
вокупности равна нулю, т.е. n xij x1* 0 . Тогда
j 1
29 При преобразовании тождества (6.131) к выражению в скобках прибавили и отняли xi* .
203
S m n |
x |
ij |
x |
i* |
x |
i* |
x |
n x |
ij |
x |
m x |
i* |
x 0 |
m x |
i* |
x 0 |
|
|
|
|
|
|
|
|
|
i* |
|
|
|
||||||
i 1 j 1 |
|
|
|
|
|
|
|
j 1 |
|
|
|
i 1 |
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
Так как второй член тождества (6.131) не изменяется по |
|||||||||||||||||
индексу j, то его запишем в виде |
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
m |
n |
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
xi* x 2 |
n xi* x 2 . |
|
|
|
||||||
|
|
|
|
|
|
|
i 1 |
j 1 |
|
|
|
i 1 |
|
|
|
|
|
С учетом этих преобразований основное тождество дис- |
|||||||||||||||||
персионного анализа можно представить в виде |
|
|
|
||||||||||||||
|
|
|
|
|
m |
n |
|
|
|
m |
|
|
m n |
, |
|
(6.132) |
|
|
|
|
|
|
xij |
x 2 n xi* x 2 |
xij xi* 2 |
|
|
||||||||
|
|
|
|
|
i 1 j 1 |
|
|
i 1 |
|
i 1 j 1 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
Q |
|
|
|
Q1 |
|
Q |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
или |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Q Q1 Q2 , |
|
|
|
|
(6.133) |
||||
Компоненты тождества имеют собственные названия и |
|||||||||||||||||
определяются по формулам: |
|
|
|
|
|
|
|
|
|||||||||
общая или полная сумма квадратов отклонений от- |
|||||||||||||||||
дельных наблюдений от общей средней x |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
m |
n |
|
x 2 ; |
|
|
|
|
||
|
|
|
|
|
|
|
Q xij |
|
|
|
(6.134) |
||||||
|
|
|
|
|
|
|
|
i 1 |
j 1 |
|
|
|
|
|
|
|
|
сумма квадратов отклонений между группами |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Q1 n xi* |
x 2 ; |
|
|
|
|
(6.135) |
i 1
сумма квадратов отклонений внутри группы
m |
n |
xi* 2 . |
|
Q2 xij |
(6.136) |
||
i 1 |
j 1 |
|
|
Слагаемое Q1 характеризует систематическое расхождение между совокупностями (группами) наблюдений, ее часто называют рассеиванием по факторам (т.е. за счет исследуемого фактора). Слагаемое Q2 характеризует остаточное рассеивание случайных погрешностей совокупностей (групп).
Оценки дисперсий определяются по формулам:оценка полной (общей) дисперсии
|
|
|
m |
n |
|
|
|
|
s 2 |
1 |
|
xij x 2 |
|
Q |
; |
(6.137) |
|
mn 1 |
|
|||||||
|
i 1 |
j 1 |
|
mn 1 |
|
|||
|
|
|
|
|
|
|
оценка межгрупповой дисперсии
204
|
|
|
1 |
|
m |
|
|
Q1 |
|
|
|
|
|
|
|
|||
|
s12 |
|
|
xi* |
x 2 |
|
|
. |
|
|
|
|
(6.138) |
|||||
m 1 |
m |
|
|
|
|
|
||||||||||||
|
|
|
i 1 |
|
1 |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
оценка внутригрупповой дисперсии |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
m |
n |
|
|
|
|
Q2 |
|
|
|
|
|
||
s22 |
|
1 |
|
|
xij |
xi* 2 |
|
|
|
|
|
; |
(6.139) |
|||||
m n 1 |
|
m n 1 |
||||||||||||||||
|
i 1 |
j 1 |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Отношение дисперсий выборок |
s 2 |
|
и |
s |
2 |
, так называе- |
||||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
2 |
|
|
мый показатель достоверности,
|
s 2 |
|
Q |
m 1 |
(6.140) |
|
F s 2 |
|
Q m n 1 |
|
|||
1 |
|
1 |
|
|
|
|
2 |
|
2 |
|
|
|
подчиняется распределению Фишера (F-распределение) со степенями свободы k1=(m-1) и k2=m(n-1) (Приложение Г). Распределение Фишера позволяет при заданных объемах выборок вычислить вероятность того, отношение дисперсий превзойдет некоторое заданное число F . Если эта вероятность окажется достаточно малой, то соответствующее число F можно считать пограничным показателем достоверности в том смысле, что в случайных выборках отношение дисперсий практически не должно превзойти его (по принципу практической невозможности маловероятных событий). В теории статистики принимают три уровня «достаточно малой» вероятности, которые соответствуют классификации явлений на редкие (=0,05), очень редкие (=0,01), чрезвычайно редкие (=0,001).
Выбирая уровень значимости , найдем соответствующий предел так, чтобы
P(F > F ) = , |
(6.141) |
где F и F - расчетное и табличное значения отношения дисперсий;
P(F > F ) – вероятность события, когда расчетное значение критерия больше табличного.
Если расчетное значение отношения больше табличного, то гипотеза о равенстве средних отвергается и принимается альтернативная гипотеза, т.е. влияние фактора на результативный признак существенно.
Однофакторный дисперсионный анализ удобно представить в виде таблицы (таблица 6.22).
Таблица 6.22 - Таблица однофакторного дисперсионного анализа
Компоненты |
|
Число |
Оценка дисперсии (средний |
|
Сумма квадратов |
степеней |
|||
дисперсии |
квадрат) |
|||
|
свободы k |
|||
|
|
|
205
|
m |
|
|
|
|
|
|
|
|
1 |
|
|
m |
|
|||
Межгруп- |
Q1 n |
|
|
|
2 |
|
s12 |
|
|
|
xi* x 2 |
||||||
xi* |
x |
k1 = m -1 |
|||||||||||||||
повая |
|
|
|
||||||||||||||
i 1 |
|
|
|
|
|
|
|
|
m 1 i 1 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
||||||||
|
m n |
|
|
|
|
|
|
1 |
|
|
m n |
|
|||||
Внутриг- |
Q2 xij |
xi* 2 |
k2=m(n – 1) |
s22 |
|
|
xij |
xi* 2 |
|||||||||
рупповая |
|
|
|
|
|||||||||||||
i 1 j 1 |
|
|
|
|
|
m n 1 i 1 j 1 |
|
||||||||||
|
|
|
|
|
|
|
|||||||||||
|
m n |
|
|
|
|
|
|
|
|
|
|
|
m n |
|
|||
Полная |
Q xij |
x 2 |
k = mn – 1 |
s 2 |
1 |
|
xij |
x 2 |
|||||||||
(общая) |
|
|
|
|
|||||||||||||
i 1 j 1 |
|
|
|
|
|
|
|
mn 1 i 1 j 1 |
|
||||||||
|
|
|
|
|
|
|
|
|
Применение однофакторного комплекса проиллюстрируем следующим примером. Пусть имеются 4 хранилища с различными условиями хранения, из которых выбрано по 5 образцов материала и проведены контрольные испытания на определение результативного признака, например, разрывной нагрузки (таблица 6.23).
Таблица 6.23 - Исходные данные для однофакторного комплекса
|
|
|
|
|
|
|
|
Количество элементов в сово- |
Средние арифмети- |
||||||||||
|
|
|
|
|
|
|
|
купности (выборке) n =5 |
|
||||||||||
|
|
|
|
|
|
|
|
|
ческие выборок |
||||||||||
|
|
|
|
|
|
|
|
1 |
|
2 |
3 |
4 |
|
5 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество совокупностей выборок( ) =m4 |
|
1 |
|
|
|
210 |
|
150 |
180 |
155 |
|
175 |
x1* |
= 174 |
|||||
|
2 |
|
|
|
180 |
|
140 |
200 |
140 |
|
140 |
x2* |
= 160 |
||||||
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
3 |
|
|
|
245 |
|
205 |
215 |
205 |
|
215 |
x3* |
= 217 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
4 |
|
|
|
135 |
|
155 |
135 |
155 |
|
165 |
x4* |
= 149 |
||||
Средняя арифметическая всех совокупностей |
|
x = 175 |
|||||||||||||||||
|
Средние арифметические вычислены по формулам |
||||||||||||||||||
(6.129) и (6.130): |
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
1 |
|
5 |
|
|
|
|
|
|
|
|
|
|
||
x1* |
|
|
x1 j |
= 1 / 5 (210 + 150 + 180 + 155 + 175) = 174; |
|||||||||||||||
5 |
|
||||||||||||||||||
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
1 |
5 |
|
|
|
|
|
|
|
|
|
|
||
x2* |
|
|
x2 j |
= 1 / 5 (180 + 140 + 200 + 140 + 140) = 160; |
|||||||||||||||
5 |
|||||||||||||||||||
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
1 |
|
5 |
|
|
|
|
|
|
|
|
|
|
||
|
x3* |
|
|
x3 j |
= 1 / 5 (245 + 205 + 215 + 205 + 215) = 217; |
||||||||||||||
|
5 |
|
|||||||||||||||||
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
1 |
|
5 |
|
|
|
|
|
|
|
|
|
|
||
x4* |
|
|
|
|
x4 j |
= 1 / 5 (135 + 155 + 135 + 155 + 165) = 149; |
|||||||||||||
|
5 |
|
|||||||||||||||||
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
1 |
4 |
|
|
|
|
|
|
|
|
|
|
|||||
|
x |
xi* = 1 / 4 (174 + 160 + 217 + 149) = 175. |
|
||||||||||||||||
|
|
|
|
||||||||||||||||
|
|
|
|
4 i 1 |
|
|
|
|
|
|
|
|
|
206
Суммы квадратов и оценки дисперсий вычислены по формулам (6.134) – (6.136) и по (6.137) – (6.139) и сведены в таблицу (таблица 6.24).
Таблица 6.24 - Результаты расчетов для однофакторного комплекса
Компоненты |
Сумма |
Число |
Оценка |
|
степеней |
дисперсии |
|||
дисперсии |
квадратов |
|||
свободы |
(средний квадрат) |
|||
|
|
|||
Межгрупповая |
13330 |
3 |
4443,3 |
|
Внутригрупповая |
7270 |
16 |
454,4 |
|
Полная (общая) |
20600 |
19 |
1084,2 |
По формуле (6.140) определяем расчетное значение F = 4443,3 / 454,4 = 9,78; для уровня значимости = 0,05 и степеней свободы k2 = 16 и k1 = 3 табличное значение F = 8,69. Так как F > F, то нулевая гипотеза отвергается и делается вывод о том, что влияние условий хранения на результативный признак существенно.
Пример дисперсионного анализа однофакторного комплекса с использованием табличного процессора MS Exsel приведен на рисунке 6.42. Здесь приведены пояснения содержания ячеек процессора. Следует отметить, что определение теоретического значения показателя F производится с ис-
пользованием встроенной функции FРАСПОБР(; s12 ; s22 ).
Рисунок 6.42 - Окно табличного процессора MS Exsel с дисперсион-