- •2. Идентификация модели системы
- •Постановка задачи идентификации
- •Выбор формы модели идентификации
- •Линейная одномерная регрессионная модель
- •2.2.4. Проверка адекватности модели
- •Линейная множественная модель
- •Нелинейные регрессионные модели
- •А) Полиномиальная множественная регрессионная модель
- •Б) Мультипликативная регрессионная модель
- •В) Обратная регрессионная модель
- •Г) Экспоненциальная модель
- •Выбор оптимальной модели идентификации
- •А) метод группового учета аргументов (мгуа)
- •Б) метод исключений
- •Б) метод включения
- •Методы планирования эксперимента с моделями систем
- •2.3.1. Полный факторный эксперимент (пфэ)
- •Статистическая обработка результатов пфэ
- •2.3.2. Дробный факторный эксперимент (дфэ)
- •2.3.3. Интерпретация результатов
- •2.3.4. Планирование экспериментов при поиске оптимальных условий
- •3.3. Планирование второго порядка
- •3.4. Поиск оптимальной области
- •3.5. Стратегическое планирование машинных
- •3.6. Тактическое планирование
- •3.7. Анализ результатов моделирования
- •3.7.1. Проверка адекватности системы
- •3.7.2. Проверка значимости коэффициентов
- •3.7.3. Обоснованность модели
- •Контрольные вопросы
3.7. Анализ результатов моделирования
3.7.1. Проверка адекватности системы
Первый вопрос, который нас интересует после проведения эксперимента и вычисления коэффициентов модели – это проверка адекватности. С этой целью вычисляем остаточную дисперсию или дисперсию адекватности:
,
где — количество опытов в эксперименте;
—количество факторов;
—экспериментальные значения отклика;
—величина отклика, предсказанная уравнением регрессии.
Для проверки гипотезы об адекватности модели пользуются - критерием Фишера, т.е. вычисляется соотношение:
,
где — это выборочная дисперсия, которая вычисляется по формуле:
,
где — количество повторений одного опыта;
—экспериментальное значение отклика в -м опыте при-м наблюдении;
.
Если рассчитанное значение - критерия не превышает табличного, то с соответствующей доверительной вероятностью модель можно считать адекватной.
Рассмотренный способ расчета дисперсии адекватности применим в случае, если опыты в матрице планирования не дублируются, а информация о выборочной дисперсии извлекается из параллельных опытов в нулевой точке или из предварительных экспериментов. В общем случае,
,
где — число повторений-го опыта;
—среднее арифметическое отклика из параллельных опытов.
Здесь смысл введения в формулу заключается в следующем: различию между экспериментальным и расчетным значением придается тем больший вес, чем больше число повторных опытов.
Адекватность линейного уравнения можно проверить и другим путем. Очевидно, что коэффициент , определенный по результатам полного или дробного факторного эксперимента, всегда является оценкой:
.
С другой стороны, величина является оценкой результата опыта на основном уровне. Поэтому, если выполнить опыт на основном уровне, т.е. получитьи найти разницу, то эта величина является оценкой суммы квадратичных членов в уравнении регрессии. Если разностьвелика, линейным уравнением пользоваться нельзя, если мала – возможность использования линейного уравнения не исключена. Значимость различия можно оценить по критерию Стьюдента:
,
где — выборочное среднеквадратическое отклонение.
Гипотеза об адекватности уравнения принимается в случае, когда .
3.7.2. Проверка значимости коэффициентов
Проверка значимости коэффициентов регрессии осуществляется двумя равноценными способами: проверкой по - критерию Стьюдента или построением доверительного интервала.
Сначала находятся оценки дисперсии коэффициентов регрессии , т.е. дисперсии всех коэффициентов равны друг другу, так как они зависят только от ошибки опыта и числа опытов. Затем вычисляетсяпо уравнению:
.
Факторы, имеющие большие значения , оказывают более существенное влияние на процесс. Если, то соответствующий коэффициент регрессии незначим.
Проверку значимости коэффициентов регрессии можно осуществлять и построением доверительного интервала. В случае ортогонального планирования первого порядка доверительный интервал равен:
.
Коэффициент значим, если его абсолютная величина больше доверительного интервала.
Если некоторые коэффициенты регрессии признаны незначимыми, то соответствующие факторы могут быть выведены из состава уравнения.