- •Методичні рекомендації
- •Перелік скорочень
- •1. Мети й задачі курсової роботи
- •2. Тематика курсових робіт
- •3. Структура й зміст курсової роботи
- •4. Вказівки щодо виконання курсової роботи
- •5. Рекомендації щодо виконання курсової роботи
- •5.1. Вибір факторів рівнів їхнього варіювання й нульової точки
- •5.2. Складання плану повного факторного експерименту
- •5.3. Статичний аналіз результатів експерименту
- •Таблиця 5.3
- •5.4. Вибір моделі об'єкта дослідження.
- •5.5. Розрахунки коефіцієнтів регресії
- •5.6. Перевірка значимості коефіцієнтів регресії
- •5.7. Перевірка адекватності моделі об'єкту
- •5.8. Перевірка адекватності тренду моделі об'єкту
- •Перевірка випадковості коливань рівнів залишкової послідовності
- •Перевірка відповідності розподілу випадкового компонента нормальному закону розподілу
- •Перевірка рівності математичного очікування випадкового компонента нулю
- •5.8.4. Перевірка незалежності значень рівнів випадкового компонента.
- •5.9. Рекомендації по виконанню на еом
- •6. Вимоги до оформлення пояснювальної записки
- •7. Організація виконання й захист курсової роботи
- •Список використаної літератури
- •Додаток а.
- •Курсова робота
- •Додаток б
- •Додаток в
- •Додаток г
- •Додаток д
- •Додаток е
- •Додаток ж
- •Додаток и
- •Додаток к
- •Додаток л
5.5. Розрахунки коефіцієнтів регресії
Лінійні коефіцієнти регресії розраховують по формулі:
де хij − значення фактору X в i-му досвіді;
−середнє значення вихідного параметра в тім же досвіді;
N − число досвідів у матриці.
При визначенні вільного члена в рівнянні регресії (b0) беруть середнє арифметичне всіх значень вихідного параметра:
.
Коефіцієнти регресії, що характеризують парний вплив факторів, знаходять по формулі:
.
Розраховуємо лінійні коефіцієнти регресії:
Таким чином, рівняння регресії приймає вид:
.
Після визначення коефіцієнтів лінійної моделі оцінюємо їхню значимість і перевіряємо адекватність моделі досліджуваному об'єкту.
5.6. Перевірка значимості коефіцієнтів регресії
Знання дисперсії відтворюваності дає можливість оцінити значимість коефіцієнтів рівняння регресії. Наявність інформації про значимості коефіцієнтів дозволяє розглянути питання про можливості спрощення наступної роботи шляхом відсівання частини факторів. Крім того, така інформація полегшує інтерпретацію математичних моделей об'єктів дослідження.
Значимість коефіцієнтів рівняння регресії можна оцінити за допомогою критерію Стьюдента:
де be − модуль е-того коефіцієнта рівняння регресії;
Sb − середньоквадратичне відхилення значень коефіцієнтів рівняння регресії.
Величину Sb знаходять через дисперсію відтворюваності Sy2 за допомогою виразів:
,
,
.
Значимість коефіцієнтів рівняння регресії визначають порівнянням табличного значення t-критерію з розрахунковим. Якщо для даного коефіцієнта bг розрахункове значення критерію Стьюдента менше табличного значення (tе расч. < t табл.), то такий коефіцієнт є статистично незначущим і його можна виключити з подальшого розгляду моделі.
Табличне значення t-критерію, як і раніше, можуть бути знайдені з додатка 1. Число ступенів волі, прийняте в увагу при виборі tтабл., уважають рівним тому числу ступенів волі, що використалося при оцінці припустимого відхилення величини .
Перевіряємо виконання нерівність:
.
Тому що знайдені лінійні коефіцієнти регресійного рівняння більше заданого значення , отже, всі ці коефіцієнти є значимими й впливають на вихідну величину.
5.7. Перевірка адекватності моделі об'єкту
Гіпотезу про адекватність (відповідності) моделі досліджуваному об'єкту перевіряють за допомогою критерію Фишера:
(5.1) |
де Sag − дисперсія адекватності.
Щоб знайти дисперсію адекватності потрібно для кожного i-го досвіду обчислити за допомогою рівняння регресії значення вихідного параметра.
У даній курсовій роботі рівняння регресії має вигляд:
.
Розрахункові значення вихідного параметра наведені в табл. 5.4.
Таблиця 5.4
№ |
Рівень факторів |
Лінійні коефіцієнти |
YPi | ||||||||
Х0 |
Х1 |
Х2 |
Х3 |
Х4 |
b0 |
b1 |
b2 |
b3 |
b4 | ||
1 |
1 |
1 |
1 |
1 |
1 |
5,63 |
1,5 |
0,625 |
0,656 |
0,844 |
9,25 |
2 |
1 |
-1 |
1 |
1 |
1 |
6,25 | |||||
3 |
1 |
1 |
-1 |
1 |
1 |
8 | |||||
4 |
1 |
-1 |
-1 |
1 |
1 |
5 | |||||
5 |
1 |
1 |
1 |
-1 |
1 |
7,938 | |||||
6 |
1 |
-1 |
1 |
-1 |
1 |
4,938 | |||||
7 |
1 |
1 |
-1 |
-1 |
1 |
6,688 | |||||
8 |
1 |
-1 |
-1 |
-1 |
1 |
3,688 | |||||
9 |
1 |
1 |
1 |
1 |
-1 |
7,563 | |||||
10 |
1 |
-1 |
1 |
1 |
-1 |
4,563 | |||||
11 |
1 |
1 |
-1 |
1 |
-1 |
6,313 | |||||
12 |
1 |
-1 |
-1 |
1 |
-1 |
3,313 | |||||
13 |
1 |
1 |
1 |
-1 |
-1 |
6,25 | |||||
14 |
1 |
-1 |
1 |
-1 |
-1 |
3,25 | |||||
15 |
1 |
1 |
-1 |
-1 |
-1 |
5 | |||||
16 |
1 |
-1 |
-1 |
-1 |
-1 |
2 |
Дисперсія адекватності знаходиться з виразу:
,
де − число коефіцієнтів регресії.
Значення F-критерію, знайдене з рівняння (5.1), порівнюють із табличним Fтабл., обраним для відповідної довірчої ймовірності й з урахуванням числа ступенів волі для більшої (r1) і меншої (r2) дисперсією. У цьому випадку:
r1=N-=11
r2=N=16
Якщо Fрасч. < Fтабл., те гіпотеза про адекватність моделі об'єкту приймається. Якщо ж Fрасч. > Fтабл., те модель неадекватна об'єкту й рекомендується проведення додаткового експерименту для уточнення моделі.
У даній курсовій роботі:
Таким чином,
Отже, обрана модель адекватна об'єкту.