- •Основы научных исследований
- •Введение
- •1. Общие представления о науке1
- •1.1. Термины и определения
- •1.2. История науки и ее роль в жизни общества
- •1.3. Организация научной деятельности в России
- •1.4. Подготовка научных кадров в России
- •2. Общие представления о научных исследованиях2
- •2.1. Методы научных исследований
- •2.2. Классификация научных исследований
- •3. Основные этапы и стадии прикладных научных исследований
- •4 : 6 : 100.
- •3.1. Основные стадии и разделы нир
- •3.2. Рекомендации по составлению аналитического обзора
- •3.2.1. Поиск и хранение информации
- •3.2.1.1. Определение предмета поиска информации
- •3.2.1.2. Составление карты поиска информации
- •Карта поиска информации
- •3.2.1.3. Задание глубины поиска информации
- •3.2.1.4. Выбор источников информации
- •3.2.1.5. Проведение поиска информации
- •3.2.1.6. Отбор и хранение найденной информации
- •3.2.2. Составление аналитического обзора
- •4. Некоторые особенности измерений
- •4.1. Особенности представления и обработки количественных результатов измерений
- •4.1.1. Характеристика результатов измерений как случайных величин
- •4.1.2. Представление результатов измерений с учетом их погрешностей
- •4.1.2.1. Ошибки измерений
- •4.1.2.2. Законы накопления ошибок косвенных измерений
- •4.2. Формы представления конечных результатов измерений
- •5. Выбор и составление плана эксперимента
- •5.1. Планирование эксперимента для применения корреляционного анализа
- •5.1.1. Некоторые общие положения корреляционного анализа
- •5.1.1.1. Анализ поля корреляции (визуальный анализ)
- •5.1.1.2. Анализ выборочного коэффициента корреляции
- •5.1.2. Пример проведения корреляционного анализа
- •5.1.2.1. Анализ поля корреляции
- •5.1.2.2. Анализ выборочного парного коэффициента корреляции
- •5.1.2.3. Окончательные выводы корреляционного анализа
- •5.1.3. Составление планов эксперимента с учетом возможности проведения корреляционного анализа
- •5.2. Планирование эксперимента для применения дисперсионного анализа
- •5.2.1. Некоторые общие положения дисперсионного анализа
- •5.2.2. Составление планов эксперимента для проведения дисперсионного анализа
- •5.2.2.1. Составление планов экспериментов для проведения однофакторного дисперсионного анализа
- •5.2.2.2. Составление планов экспериментов для проведения двухфакторного дисперсионного анализа
- •5.2.2.3. Составление планов экспериментов для проведения многофакторного дисперсионного анализа
- •5.2.3. Пример составления плана эксперимента и проведения однофакторного дисперсионного анализа
- •5.3. Планирование эксперимента для применения регрессионного анализа
- •5.3.1. Некоторые общие положения регрессионного анализа
- •5.3.2. Составление планов эксперимента для проведения регрессионного анализа
- •5.3.2.1. Составление планов эксперимента для проведения классического регрессионного анализа
- •5.3.2.2. Математическое планирование эксперимента для проведения регрессионного анализа
- •5.3.2.2.1. Планы первого порядка
- •5.3.2.2.2. Планы второго порядка
- •5.4. Планирование эксперимента для решения оптимизационныхзадач
- •5.4.1. Метод крутого восхождения или наискорейшего спуска по поверхности функции отклика объекта
- •5.4.2. Метод симплекс-планирования
- •5.5. Особенности планирования эксперимента в производственных условиях
- •6. Рекомендации по обобщению, анализу и оформлению результатов эксперимента
- •7. Основные задачи, решаемые при выполнении опытно-технологических и опытно-конструкторских работ
- •8. Охрана интеллектуальной собственности, создаваемой при выполнении научных исследований
- •Рекомендуемая литература
- •Содержание
- •620032, Екатеринбург, Сибирский тракт, 37
5.1.1.1. Анализ поля корреляции (визуальный анализ)
Полем корреляции называют рисунок (график), выполненный на плоскости в системе двух прямоугольных координат yи х, на котором приведены точки с координатамиyvиxv(V- номер уровня фактора х от 1 доm). Пример поля корреляции одного свойства объекта (y) и одного фактора (х) приведен на рис. 3.
Анализ поля корреляции проводится визуально. Для облегчения анализа рекомендуется весь массив точек с координатамиyvиxv( на рис. 3 приведены точки с координатамиy1и х1,y2и х2,y3и х3, ...,yvи хv, ...,y8и х8) обвести замкнутым контуром. Характер этого контура помогает более точно сделать все выводы корреляционного анализа, например, чем больше контур приближается к форме окружности, тем выше вероятность того, что нет зависимости междуyиx.
Метод анализа поля корреляции не является достаточно точным в основном из-за влияния на вид поля корреляции выбранного масштаба координатных осей yиx. Однако при корреляционном анализе это единственный метод определения характеранелинейной зависимостимеждуyи х.
5.1.1.2. Анализ выборочного коэффициента корреляции
Этот метод является более точным при установлении линейной корреляции между yиxj, так как он основан не на визуальном восприятии графического представления случайных чисел, а на математических расчетах и постулатах.
Рассмотрим самый простой случай: корреляцию между двумя случайными величинами (yих).
Присвоим каждой точке на поле корреляции свой номер i(такой же номер будет и у взаимосвязанной пары координат этой точки). ОбозначимNобщее число точек с координатамиyiиxi. Тогда выборочный коэффициент парной корреляции можно рассчитать по формуле
,
гдеy- общее среднее арифметическое значениеy;x- общее среднее арифметическое значениех;SxиSy - выборочные абсолютные стандартные отклонения соответственнохиy(эти параметры используются как характеристики рассеивания единичных значений хиyотносительно их общих средних арифметических значений).
Общие средние арифметические значения находят по формулам
;
.
Выборочные абсолютные стандартные отклонения х и yможно рассчитать следующим образом:
;
.
Выборочный коэффициент парной корреляции имеет следующие свойства:
.Величина ryxне изменяется при изменении начала отсчета величин, а также масштаба координатных осейyи х.
В величине ryxодновременно заложена доля случайности и нелинейности связи междуyи х.
По величине и знаку ryxможно сделать большинство выводов корреляционного анализа (табл. 6). Однако выводы корреляционного анализа можно делать только после доказательств равенства или отличия от нуля рассчитанного значенияryxметодами математической статистики (так называемая статистическая проверка нуль-гипотезы). С методами проверки нуль-гипотезыryxпознакомьтесь самостоятельно в [6,8].
Как следует из табл. 6, значение ryxпозволяет сделать все выводы только в случае линейной зависимостиyот х. При нелинейных зависимостяхyот хзначениеryxоднозначно определяет только их знак, а для формулировки остальных выводов нужно анализировать и поле корреляции. Совместный анализryxи поля корреляции необходим в случае, когдаryx= 0 (ryxявляется "незначимым").
Более сложные случаи корреляционного анализа возникают при влиянии на случайную величину (y) нескольких случайных величин (х1, х2, ...xj). В такой ситуации анализируют выборочные коэффициенты частной и множественной корреляции. Анализ частных и множественных коэффициентов корреляции позволяет разобраться в ситуации, когда один из факторов не оказывает непосредственного влияния наy, хотя их парный коэффициент корреляции отличен от нуля.
Более подробно с особенностями проведения корреляционного анализа познакомьтесь самостоятельно в [6,8].
Таблица 6
Выводы корреляционного анализа в зависимости от значения ryx
|
Выводы корреляционного анализа |
Значения ryx |
|
Наличие зависимости между yjиxz: есть |
0<
ryx= 0 (при наличии доказательств анализом поля корреляции); |
|
нет |
ryx= 0 (при наличии доказательств анализом поля корреляции) |
|
Характер и тип зависимости : "функциональная линейная" |
|
|
"корреляционная линейная" |
0< |
|
Знак связи: "положительный" |
ryx >0 |
|
"отрицательный" |
ryx<0 |
|
Теснота (сила) линейной корреляционной связи |
Определяется близостью к единице модуля ryxи величинойNпо усмотрению исследователя |

или
<
1