- •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
6.4.1. Ортогональные планы второго порядка
В общем виде план, представленный в табл.6.8, неортогонален, так как
п п
^х01х~2 ф 0; ^х2хи2 ф0, [Фи. (6.26)
/=1
у=1
Приведем его к ортогональному виду, для чего введем новые переменные (преобразования для квадратичных эффектов):
XtJ = X;j
/\
2 7-1
п
2
i j
2 2
При этом ^Xq-Xj- ='^1(х!] -Xi ) = S^Jxi] -HXi = 0.
7=1 j-\ j-\
Тогда уравнение регрессии будет записано как
Композиционные планы легко привести к ортогональным, выбирая звездное плечо а. В табл. 6.9 приведено значение а для различного числа факторов к и числа опытов в центре плана п0.
Таблица 6.9
Значения звездных плеч в ортогональных планах второго порядка
182
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Число опытов в центре плана По |
Звездное плечо а при различном числе факторов к |
|||
к=2 |
к=3 |
к=4 |
к=5 * |
|
1 |
1,000 |
1,215 |
1,414 |
1,546 |
2 |
1,077 |
1,285 |
1,471 |
1,606 |
3 |
1,148 |
1,353 |
1,546 |
1,664 |
4 |
1,214 |
1,414 |
1,606 |
1,718 |
5 |
1,267 |
1,471 |
1,664 |
1,772 |
6 |
1,320 |
1,525 |
1,718 |
1,819 |
7 |
1,369 |
1,575 |
1,772 |
1,868 |
8 |
1,414 |
1,623 |
1,819 |
1,913 |
9 |
1,454 |
1,668 |
1,868 |
1,957 |
10 |
1,498 |
1,711 |
1,913 |
2,000 |
** В ядре полуреплики
В частности, ортогональный план второго порядка для к=2 и п0=1 представлен в табл. 6.10, а его геометрическая интерпретация - на рис. 6.3, а.
Представленный на рис.6.3, айв табл. 6.10 прямоугольный (квадратный) план эксперимента для модели второго порядка работоспособен, хотя и несколько избыточен (9 опытов для определения 6 коэффициентов). Благодаря трем избыточным опытам, он позволяет усреднить случайные погрешности и оценить их характер.
Таблица 6.10 Ортогональный план второго порядка
Номер опыта |
Факторы |
Результату |
|||||
Хо |
Х1 |
х2 |
XiX2 |
Xi |
х2’ |
||
1 Ядро 2 плана 3 4 |
+1 +1 +1 +1 |
-1 +1 -1 +1 |
-1 -1 +1 +1 |
+1 -1 -1 +1 |
+1/3 +1/3 +1/3 +1/3 |
+1/3 +1/3 +1/3 +1/3 |
У1 У2 Уз У4 |
5 Звезд- 6 Ные 7 точки 8 |
+1 +1 +1 +1 |
а=+1 а=-1 0 0 |
0 0 а=+1 а=-1 |
0 0 0 0 |
+1/3 +1/3 -2/3 -2/3 |
-2/3 -2/3 +1/3 +1/3 |
У5 Уб У7 У8 |
Центр 9 плана |
+1 |
0 |
0 |
0 |
-2/3 |
-2/3 |
Уэ |
2
7
В этой таблице х\. = х;/
у-1
9
= х
2
В силу ортогональности матрицы планирования все коэффициенты
I] J IJ
UJ J
/=1 /=1
ill п
7 /=1
о.
—
' п
Z(v,.)2
7=1
i in 22
; о..- ; о
и
Z*1./
X
7=1
(6.27)
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
уравнения регрессии b определяются независимо один от другого по формулам
Здесь i - номер столбца в матрице планирования; j - номер строки; суммы в знаменателях различны для линейных, квадратичных эффектов и взаимодействий.
Дисперсии коэффициентов уравнения регрессии следующие:
Sbl2 =S2Bocn/^ xIJ2; S 'b^S^ocn/^V^2; Sbiu2 = S2Bocn/^ (x;j.xUJ.)2. (6.28)
Следует особо отметить, что коэффициенты уравнения регрессии, получаемые с помощью ортогональных планов второго порядка, определяются с разной точностью (см. уравнение (6.28)), в то время как ортогональные планы первого порядка обеспечивают одинаковую точность коэффициентов, т.е. план, представленный в табл. 6.10, являющийся ортогональным и обеспечивающий независимость определения коэффициентов Ь, не является ротатабельным.
В результате расчетов по матрице с преобразованными столбцами для квадратичных эффектов получим уравнение регрессии в виде
У = V+X^"x<" + Х^<"ихЛ + Х^»'(х<"2 ~х'2)- (6.29)
(=1 /,м=1 г-\
Для преобразования к обычной форме записи следует перейти от коэффициента bo’ к коэффициенту Ь0, используя выражение
Ь0 =/>0'-^/>',.,-х,-2. (6.30)
(=1
При этом дисперсия этого коэффициента рассчитывается по следующему соотношению:
Sb0 = Svo +2^Хг 'Sb'u • (6.31)
(=1
В дальнейшем, зная дисперсию воспроизводимости, проверяют значимость коэффициентов и адекватность уравнения:
y = b0+ Y_ib;xi + ^ b!ux;xu + ^Ьих2. (6.32)
(=1 i„u=\ i-\
184
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Значимость коэффициентов проверяется по критерию Стьюдента t. =z>. \/sbi . Коэффициент значим, если ц >tam, где m - число степеней свободы дисперсии воспроизводимости.
Адекватность уравнения проверяется по критерию Фишера
F = saA/SBocn- Уравнение адекватно, если составленное таким образом F-
отношение меньше теоретического: F<Fa;mi;m2, где m-i=/7-/ - число степеней
свободы дисперсии адекватности; т2 - число степеней свободы дисперсии воспроизводимости; / - число коэффициентов в уравнении регрессии второго порядка, равное числу сочетаний из к+2 по 2, т.е.
(к + 2)(к +1) / = . (6.32а)
2