- •Оглавление
- •2. Краткие сведения из теории вероятностей
- •3. Предварительная обработка экспериментальных
- •7. Компьютерные методы статистической обработки
- •Предисловие
- •1. Эксперимент как предмет исследования
- •1.1. Понятие эксперимента
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1.2. Классификация видов экспериментальных исследований
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •Контрольные вопросы
- •2. Краткие сведения из теории вероятностей и математической статистики
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2.2. Нормальный закон распределения
- •2. Краткие сведения из теории вероятностей …
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •Контрольные вопросы
- •3. Предварительная обработка экспериментальных данных
- •3.1. Вычисление параметров эмпирических распределений. Точечное оценивание
- •3.2. Оценивание с помощью доверительного интервала
- •3.2.1. Построение доверительного интервала для математического ожидания
- •3.2.2. Построение доверительного интервала для дисперсии
- •3.2.3. Определение необходимого количества опытов при построении интервальной оценки для математического ожидания
- •3.3. Статистические гипотезы
- •3.4. Отсев грубых погрешностей
- •3.4.1. Критерий н.В. Смирнова
- •3.4.2. Критерий Диксона
- •3.5. Сравнение двух рядов наблюдений
- •3.5.1. Сравнение двух дисперсий
- •3.5.2. Проверка однородности нескольких дисперсий
- •3.5.3. Проверка гипотез о числовых значениях математических ожиданий
- •3.6. Критерии согласия. Проверка гипотез о виде функции распределения
- •3.7. Преобразование распределений к нормальному
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента. Эмпирические зависимости
- •4.1. Характеристика видов связей между рядами наблюдений
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.2. Определение коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента
- •4. Анализ результатов пассивного эксперимента…
- •4.3. Определение тесноты связи между случайными величинами
- •4. Анализ результатов пассивного эксперимента...
- •4.4. Линейная регрессия от одного фактора
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5. Регрессионный анализ
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4.5.1. Проверка адекватности модели
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5.2. Проверка значимости коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента…
- •4.6. Линейная множественная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.7. Нелинейная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента…
- •5. Оценка погрешностей результатов наблюдений
- •5.1. Оценка погрешностей определения величин функций
- •5. Оценка погрешностей результатов наблюдений
- •5.2. Обратная задача теории экспериментальных погрешностей
- •5. Оценка погрешностей результатов наблюдений
- •5. Оценка погрешностей результатов наблюдений
- •5.3.Определение наивыгоднейших условий эксперимента
- •5. Оценка погрешностей результатов наблюдений
- •Контрольные вопросы
- •6. Методы планирования экспериментов. Логические основы
- •6.1. Основные определения и понятия
- •6.2. Пример хорошего и плохого эксперимента
- •6.3. Планирование первого порядка
- •6.3.1. Выбор основных факторов и их уровней
- •6.3.2. Планирование эксперимента
- •6.3.3. Определение коэффициентов уравнения регрессии
- •6.3.4. Статистический анализ результатов эксперимента
- •6.3.5. Дробный факторный эксперимент
- •6.3.6. Разработка математической модели гидравлического режима методической печи
- •6.4. Планы второго порядка
- •6.4.1. Ортогональные планы второго порядка
- •6.4.2. Ротатабельные планы второго порядка
- •6.4.3. Исследование причин образования расслоений в горячекатаных листах
- •6.5. Планирование экспериментов при поиске оптимальных условий
- •6.5.1. Метод покоординатной оптимизации
- •6.5.2. Метод крутого восхождения
- •6.5.3. Симплексный метод планирования
- •Контрольные вопросы
- •7. Компьютерные методы статистической обработки результатов инженерного эксперимента
- •7.1. Общие замечания
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.2. Статистические функции Microsoft Excel
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3. Краткое описание системы statistica
- •7. Компьютерные методы статистической обработки …
- •7.3.1. Общая структура системы
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3.2. Возможные способы взаимодействия с системой
- •7. Компьютерные методы статистической обработки … 7.3.3. Ввод данных
- •7. Компьютерные методы статистической обработки ...
- •7.3.4. Вывод численных и текстовых результатов анализа
- •7.3.5. Статистические процедуры системы statistica
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.3.6. Структура диалога пользователя в системе statistica
- •7. Компьютерные методы статистической обработки ...
- •7.3.7. Примеры использования системы statistica
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •V, Least Squares
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки … Контрольные вопросы
- •Методы планирования и обработки результатов инженерного эксперимента
6.3.5. Дробный факторный эксперимент
Во многих практических задачах взаимодействия второго и высших порядков отсутствуют или пренебрежимо малы. Кроме того, на первых этапах исследования часто необходимо получить в первом приближении лишь линейную аппроксимацию изучаемого уравнения связи при минимальном числе экспериментов. Так, для трех факторов вместо уравнения (6.9) достаточно рассмотреть уравнение вида
у = Ъ()+Ъ\х\+Ъ2^2+^3Х3 (6.22)
и определить только четыре коэффициента. Поэтому использование ПФЭ для определения коэффициентов только при линейных членах неэффективно из-за реализации большого числа опытов, особенно при большом числе факторов к.
Если при решении задачи можно ограничится линейным приближением, то в ПФЭ оказывается много "лишних" опытов. Так, для трех факторов достаточно 4 опыта, а в ПФЭ их 8. Следовательно, есть четыре "лишних". Результаты этих "лишних" опытов могут быть использованы двояко: во-первых, с их помощью можно получить более точные оценки коэффициентов регрессии; во-вторых, их можно использовать для проверки адекватности модели. Однако при 7 факторах ПФЭ содержит 27=128 опытов, а для линейного уравнения требуется всего 8. Таким образом, остается 120 лишних и, конечно, нет необходимости их все реализовать, а достаточно лишь несколько из них использовать для проверки адекватности и уточнения оценок.
Другими словами, ПФЭ обладает большой избыточностью опытов. В связи с этим возникает вопрос: "Нельзя ли сократить число опытов, необходимых для определения коэффициентов регрессии?”.
Так, для определения коэффициентов уравнения (6.22) достаточно ограничится четырьмя опытами, если в ПФЭ 23 использовать xix2 в качестве плана для хз, тогда матрица планирования эксперимента примет вид, представленный втабл.6.4.
171
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Таблица 6.4 Дробный факторный эксперимент
Номер опыта |
План |
Результат |
|||
Хо |
Xi |
Х2 |
Х3= XiX2 |
||
1 |
+1 |
-1 |
-1 |
+1 |
У~\ |
2 |
+1 |
+1 |
-1 |
-1 |
У2 |
3 |
+1 |
-1 |
+ 1 |
-1 |
Уз |
4 |
+1 |
+1 |
+1 |
+1 |
У4 |
Заметим, что мы использовали не все точки с "крайними" координатами, т.е. ±1, или, говоря другими словами, не все возможные комбинации выбранных уровней. На самом деле всех возможных комбинаций 23=8, мы же использовали из них только 4. Такой сокращенный план носит название дробного факторного эксперимента (ДФЭ).
Следует подчеркнуть, что формальное приравнивание произведения факторов фактору, не входящему в это произведение, является основополагающей идеей метода ДФЭ. В данном случае используется только половина ПФЭ 23, поэтому план, представленный в табл.6.4, называется полурепликой от ПФЭ 23. После реализации плана получают 4 уравнения с 4 неизвестными, их решение и даст оценку всех четырех коэффициентов регрессии Ь\. Например, матрица из 8 опытов для четырехфакторного планирования будет полурепликой от ПФЭ 24, а для пятифакторного планирования — четвертьрепликой от 25.
Для того чтобы дробная реплика представляла собой ортогональный план, в качестве реплики следует брать ближайший полный факторный эксперимент. При этом число опытов должно быть не менее числа искомых коэффициентов.
Если коэффициенты регрессии при парных произведениях не равны нулю, то найденные коэффициенты b будут смешанными оценками их теоретических коэффициентов pi. На практике обычно не удается априорно постулировать равенство нулю эффектов взаимодействия, однако часто имеются основания полагать, что некоторые из них малы по сравнению с линейными эффектами. Операцию смешивания оценок принято условно записывать в виде выражений
172
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Ъ1 ->■ Д + Д3; й2 ->■ Д + Д3; й3 -> Д + Д2, (6.23)
где р - математическое ожидание для соответствующего коэффициента.
Эти генерирующие коэффициенты не могут быть раздельно оценены по плану, включающему всего четыре опыта, так как в этом случае неразличимы столбцы для линейных членов и парных произведений. Если, например, в дополнение к столбцам, приведенным в табл. 6.4, вычислить еще столбцы для произведения Х1Хз, то увидим, что элементы этого столбца в точности равны элементам столбца х2. Таким образом, сокращение числа опытов приводит к получению смешанных оценок для коэффициентов.
Для того чтобы определить, какие коэффициенты смешаны, удобно пользоваться следующим приемом: подставив х3 на место xix2, получим соотношение х3=х1х2, называемое генерирующим соотношением.
Умножив обе части генерирующего соотношения на х3, получим
х3 =х1х2х3 =1 , т.е. х1х2х3 =1. (6.24)
Это произведение носит название определяющего контраста. Умножив поочередно определяющий контраст на х^ х2, х3, находим
Х1 =Х1 Х2Х3 =Х2Х3; Х2 =Х1Х3; Х3 =Х1Х2. (6.25)
Полученным соотношениям соответствует система смешанных оценок, т.е. pi смешана с ргз, р2 - с р1з, а рз - с р12.
Таким образом, при использовании ДФЭ необходимо иметь четкое представление о так называемой разрешающей способности дробных реплик, т.е. определить заранее, какие коэффициенты являются несмешанными оценками для соответствующих коэффициентов. Тогда в зависимости от постановки задачи подбирается дробная реплика, с помощью которой можно извлечь максимальную информацию из эксперимента.
Например, в задаче с четырьмя факторами (к=4) в качестве генерирующего соотношения можно взять X4=xix2x3 или любой из эффектов двойного взаимодействия, например X4=xix2. Таблица планирования такого эксперимента представлена в табл.6.5.
173
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Таблица 6.5 Планирование ДФЭ
Номер опыта |
План |
Генерирующие соотношения |
|||||
Хо |
Х1 |
Х2 |
Хз |
Х4=Х1ХгХз |
Х4=Х-|Х2 |
||
1 |
+1 |
-1 |
-1 |
-1 |
-1 |
+ 1 |
|
2 |
+1 |
+1 |
-1 |
-1 |
+ 1 |
-1 |
|
3 |
+1 |
-1 |
+ 1 |
-1 |
+ 1 |
-1 |
|
4 |
+1 |
+1 |
+ 1 |
-1 |
-1 |
+ 1 |
|
5 |
+1 |
-1 |
-1 |
+ 1 |
+ 1 |
+ 1 |
|
6 |
+1 |
+1 |
-1 |
+ 1 |
-1 |
-1 |
|
7 |
+1 |
-1 |
+ 1 |
+ 1 |
-1 |
-1 |
|
8 |
+1 |
+1 |
+ 1 |
+ 1 |
+1 |
+1 |
В первом случае определяющий контраст Х42=Х1Х2ХзХ4=1. Получим оценку совместных оценок:
Х1 = Х2Х3Х4;Ь1 —»Д +/?234;
Х2 = Х1Х3Х4;Ъ2 —> Д + Д34;
Х3 =X1X2X4;Z>3 ->Д + A24;
Х4 = X1X2X3; 64 —» Д + /?123 ;
X1X4 = Х2Х3; 614 -> Д4 + Д3;
X1X2 = Х3Х4;612 -+/312 +/334;
Х1Х3 = Х2Х4;Ъ13 —>■ Д3 + Д4.
В реальных задачах тройные взаимодействия бывают равными нулю значительно чаще, чем двойные. Значит, если по физическому смыслу задачи нас более всего интересуют оценки для линейный эффектов, следует использовать генерирующее соотношение Хд= XiX2X3.
Во втором случае определяющий контраст выражается соотношением X42=XiX2X4=1; Х1Х2Х4И.
При этом получим следующую систему оценок:
Х1=Х2Х4; Ь1 -^fi1+fi24;
Х2 = Х1Х4; Ъ2 —» Д + Д4;
174
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Х3 = Х1Х2Х3Х4; Ъ3 —> Д +Д234; Х4 = Х1Х2; Ъ4 —> Д + Д 2; Х1Х3 =Х2Х3Х4; Ь13 н> д3 +Д34; Х2Х3 = х1х3х4; Ъ23 —»Д3 + Д34;
Х3Х4 = Х1Х2Х3; Ъ34 -^ р34 + Д23.
Следовательно, дробную реплику с генерирующим соотношением X4=XiX2 имеет смысл использовать, если нас более всего интересуют коэффи-
ЦИбНТЫ Р12) P23i Р34"
Дробную реплику, в которой Р линейных эффектов приравнены к эффектам взаимодействия, обозначают 2к"р.
Таким образом, планы первого порядка, оптимальные двухуровневые планы ПФЭ 2к и ДФЭ 2к"р имеют следующие преимущества:
- планы ортогональны, поэтому все вычисления просты;
- все коэффициенты определяются независимо один от другого;
- каждый коэффициент определяется по результатам всех п опытов;
- все коэффициенты регрессии определяются с одинаковой дисперсией, т.е. эти планы обладают и свойством ротатабельности.