- •Глава 7. Организация активного эксперимента (Планирование эксперимента)
- •7.1 Общие положения
- •X1, x2, …, xk – входные переменные – контролируемые и управляемые факторы, воздействующие на объект (играют роль причин);
- •7.2 Планирование и критерии оптимальности планов эксперимента
- •7.3 Факторный эксперимент. Планы первого порядка
- •7.3.1 Планирование полного факторного эксперимента (пфэ)
- •План-матрица пфэ 22
- •План-матрица пфэ 23
- •Полная план-матрица пфэ 23
- •7.3.2 Планирование дробного факторного эксперимента (дфэ)
- •План-матрица эксперимента 23-1
- •План-матрица эксперимента 23-1
- •7.3.3 Проверка свойств планов-матриц пфэ 2k и дфэ 2k-p
- •7.3.4 Проведение и обработка результатов факторного эксперимента. Рандомизация опытов
- •Проверка однородности дисперсий и воспроизводимости измерений. Определение ошибки опытов
- •Оценка коэффициентов регрессии, проверка их значимости
- •Xiu построчные значения фактора в I-том столбце плана-матрицы;
- •Проверка адекватности регрессионной модели
- •7.3.5 Пример планирования и обработки результатов факторного эксперимента
- •Интервал варьирования и уровни факторов
- •План-матрица и результаты эксперимента
- •В первом случае значения факторов переводим в кодированную форму:
- •Выполним расчеты, используя натуральные значения факторов. Обозначим выход продукта в процентах от массы исходного сырья буквой q.
- •7.3.6 Принятие решений по результатам факторного экспериментирования
- •7.4 Планы второго порядка
- •7.4.1 Принципы композиционного планирования
- •7.4.2 Центральные композиционные ортогональные планы второго порядка (цкоп) Для получения ортогональных планов второго порядка необходимо преобразовать столбцы квадратичных переменных и столбец x0:
- •Показатели цкоп
- •Формулы для расчетов коэффициентов регрессии и их дисперсий после реализации цкоп:
- •Значения для цкоп
- •План-матрица пфэ и его результаты
- •План-матрица и результаты пфэ 23
- •Данные для определения условий опытов в звездных точках
- •План-матрица цкоп и результаты опытов (вторая серия опытов)
- •Вспомогательная таблица для проверки адекватности уравнения регрессии
- •7.4.3 Центральные композиционные ротатабельные планы второго порядка (цкрп)
- •Показатели цкрп
- •Данные для расчета коэффициентов регрессии и их дисперсий при цкрп.
- •Уровни варьирования факторов.
- •План-матрица и результаты первой серии опытов (пфэ 23).
- •План-матрица цкрп результаты его реализации
- •7.5 Симметричные некомпозиционные квази-д-оптимальные планы Песочинского
- •Данные для расчета коэффициентов регрессии и их дисперсий.
- •Матрица симметричного квази-д-оптимального
- •7.6 Принятие решений по планам второго порядка
- •1. Нелинейная модель объекта исследования неадекватна
- •7.7 Вопросы для самоконтроля
Оценка коэффициентов регрессии, проверка их значимости
Коэффициенты линейной регрессии определяют одинаково при проведении ПФЭ и ДФЭ умножением значений Yu на Xiu с последующим делением суммы полученных произведений на общее число строк в плане-матрице, т.е. по формуле:
(7.14)
где bi коэффициенты регрессии с индексами i = 0, 1, 2, …, k;
Xiu построчные значения фактора в I-том столбце плана-матрицы;
Yu – среднее арифметическое из результатов m параллельных опытов в u–й строке плана-матрицы;
Коэффициенты bij рассчитывают по формуле:
i ≠ j. (7.15)
По результатам факторного эксперимента могут быть рассчитаны также коэффициенты bii по формуле:
(7.16)
Для проверки гипотезы о значимости коэффициентов регрессии для каждого коэффициента вычисляют значения t-критерия Стьюдента по формулам:
, , , (7.17)
где , , абсолютные величины рассчитанных коэффициентов регрессии;
среднеквадратичные отклонения коэффициентов регрессии.
При числе параллельных опытов m во всех строках плана-матрицы вычисляют дисперсию коэффициентов регрессии по формуле:
(7.18)
а затем определяют среднеквадратичное отклонение по формуле:
(7.19)
Для проверки гипотезы о значимости каждого коэффициента следует задать уровень значимости α, определить число степеней свободы f = N (m 1) и найти в таблице критическое значение коэффициента Стьюдента . Если расчетное значение критерия t, определенное по формулам (7.17), окажется больше значения , то гипотеза принимается и коэффициент признается статистически значимым, в противном случае – незначимым.
Если какой-либо коэффициент окажется статистически незначимым, то он может быть отброшен без пересчета остальных коэффициентов.
В полиномиальную математическую модель включают только слагаемые со значимыми коэффициентами.
Статистическая незначимость коэффициентов регрессии bi может быть обусловлена следующими причинами:
а) основной уровень фактора близок к точке частного экстремума;
b) интервал варьирования фактора хi выбран малым;
c) данная переменная (или произведение переменных) не имеет статистической связи с параметром Y;
d) велика ошибка эксперимента вследствие наличия неуправляемых и неконтролируемых факторов.
Если имеет место причина, указанная в а), то значение i-го фактора следует стабилизировать на определенном уровне (не выходя за пределы варьирования). Если имеет место причина, указанная в b), то следует увеличить интервал варьирования на величину, равную 0,05 ÷ 0,30 от интервала варьирования фактора. Если имеет место причина, указанная в d), то следует принять меры к уменьшению ошибки эксперимента.