- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
8.4. Дробный факторный эксперимент.
8.4.1.Минимизация числа опытов.
Во многих практических задачах на первом этапе исследования в первом приближении нужно получить лишь линейную аппроксимацию изучаемого уравнения связи. Количество опытов в полном фактором эксперименте значительно превосходит число коэффициентов линейной модели. Сокращение количества опытов возможно при использовании дробного факторного эксперимента.
Обратимся к матрице полного факторного эксперимента 22 (табл. 8.6). Пользуясь таким планированием, можно вычислить четыре коэффициента и представить результаты эксперимента в виде уравнения
(8.13)
Как и в случае, корреляционно-регрессионного анализа, оно является оценочным по отношению к теоретическому уравнению
(8.14)
Коэффициенты регрессии являются оценками параметров , что в символической форме можно записать следующим образом:
Предположим что взаимодействие факторов х1 и х2 отсутствует. Тогда достаточно определить коэффициенты b0 ,b1 и b2, так как . В этом случае вектор – столбец матрицы 22 можно использовать для нового фактора x3. Преобразуем матрицу полного факторного эксперимента 22.
Вместо взаимодействия х1 х2 поставим фактор х3 и добавим два столбца произведений х1 х3 и х2 х3. В результате преобразований получим новую матрицу (табл. 8.9).
Таблица 8.9
№ опыта |
Х0 |
Х1 |
Х2 |
Х3(Х1Х2) |
Х1Х3 |
Х2Х3 |
1 2 3 4 |
+ + + + |
+ - + - |
+ + - - |
+ - - + |
+ + - - |
+ - + - |
Полученная матрица планирования обладает всеми свойствами матрицы полного факторного эксперимента, т.е. каждый столбец матрицы, кроме первого, содержит равное число +1 и -1. Следовательно, сумма плюсов и минусов каждого столбца равна нулю. Сумма произведений каждой пары столбцов, исключая два последних, также равна нулю. Особенность новой матрицы заключается в том, что элементы столбца х1 х3 совпадают с элементами столбца х2, а элементы столбца х2 х3- с элементами столбца х1 , т.е. если с помощью новой матрицы определить коэффициенты уравнения регрессии
то соответствие будет нарушено, так как найденные коэффициенты будут оценками для совместных эффектов:
Поскольку постулируется линейная модель, то предполагается, что эффекты взаимодействия равны нулю и поэтому
Дробная реплика
При постановке четырех опытов для оценки влияния трех факторов (табл. 6.9) была использована половина полного факторного эксперимента 23 -« «полуреплика». Если х3 прировнять к – х1х2, то можно получить вторую половину матрицы 23
При реализации обеих полуреплик можно получить раздельные оценки для линейных эффектов и эффектов взаимодействия, как и в полном факторном эксперименте 23 . Объединение этих двух полуреплик и есть полные факторный эксперимент 23.
Матрица из восьми опытов для четырехфакторного планирования будет полурепликой от полного факторного эксперимента 24, а для пятифакторного планирования – четверть-репликой от эксперимента 25. В последнем случае уже два линейных эффекта приравниваются к эффектам взаимодействия. Для обозначения дробных реплик, в которых р линейных эффектов приравнены к эффектам взаимодействия, удобно пользоваться обозначением . Так, полуреплика от 26 запишется в виде , а четверть-реплика от 25 - в виде 25-1 (табл. 8.10).