- •Планирование эксперимента
- •Регрессионный анализ для ортогональных двухуровневых планов
- •Основной эксперимент, планы первого порядка
- •Построение матрицы планирования.
- •Основное преимущество факторного эксперимента
- •Алгоритм расчета полного факторного эксперимента типа 2n
- •1. Построение матрицы планирования
- •2. Расчет коэффициентов уравнения регрессии (линейная форма).
- •3. Расчет ошибки опыта (дисперсии воспроизводимости).
- •4. Принятие решений.
- •5. Проверка значимости коэффициентов регрессии.
- •6. Принятие решений.
- •7. Проверка адекватности линейного уравнения регрессии.
- •8. Принятие решений.
- •Приложение 1 Процентные точки распределения
- •Процентные точки распределения Стьюдента
5. Проверка значимости коэффициентов регрессии.
Очевидно, что один фактор больше влияет на переменную состояния, другой — меньше. Для оценки этого влияния используют проверку значимости каждого коэффициента двумя равноценными способами. В обоих случаях вначале находят дисперсию коэффициентов регрессии по формуле:
(21)
т. е. дисперсии всех коэффициентов равны, поскольку зависят только от ошибки опыта и числа строк матрицы планирования N.
По первому способу оценку значимости коэффициентов определяется по формуле:
(22)
и условию
(23)
где — абсолютное значение i-гo коэффициента регрессии; — табличное значение критерия Стьюдента, которое находят по числу степеней свободы
f0 = N (m — 1) и уровню значимости q
— среднеквадратичное отклонение bi.
По второму способу для проверки значимости коэффициентов регрессии используют доверительный интервал , который, вследствие равенства для всех коэффициентов, одинаков для всех bi:
(24)
Тогда значимость оценивают, сравнивая абсолютные значения коэффициента и доверительного интервала:
(25)
Если выполняются условия (24) и (25), то i-й коэффициент признается значимым.
6. Принятие решений.
Если для какого-то коэффициента условия (78) и (80) не выполняются, то соответствующий фактор можно признать незначимым и исключить его из уравнения регрессии.
Однако надо быть осторожным и всегда помнить, что в предварительном эксперименте уже отсеивались незначимые факторы, скорее всего полученная незначимость фактора является следствием неудачно выбранного интервала варьирования: он был выбран малым. Более правильным является решение повторить эксперимент при расширенном интервале варьирования для исследуемого фактора. Конечно, при этом число опытов, а значит, время эксперимента, возрастает. Иногда половину опытов сохраняют тем, что расширение интервала варьирования проводят только в одну сторону: один (верхний или нижний) уровень остается.
Если фактор остался незначимым после повторения эксперимента и всех необходимых расчетов, то его (или их) отбрасывают и переходят к оценке адекватности полученной математической модели.
7. Проверка адекватности линейного уравнения регрессии.
Пригодность линейного уравнения регрессии для решения задачи поиска области оптимума проверяется методом, изложенным в гл. II, § 6. Сравниваются две дисперсии — одна показывает рассеяние средних опытных данных переменной состояния относительно тех значений переменной состояния , которые предсказаны полученным линейным уравнением регрессии. Эта дисперсия называется дисперсией адекватности и рассчитывается по формуле:
(26)
где m — число параллельных опытов; N — число строк матрицы планирования; l — число членов в уравнении регрессии, оставшихся после оценки значимости.
Вторая дисперсия — это ошибка опыта. Адекватность проверяют, оценивая отношение
(27)
по критерию Фишера
(28)
для степеней свободы fад = N — l, f0 = N (m — 1) и заданного уровня значимости q. Если выполняется условие (28), то линейное уравнение регрессии признается адекватным, т. е. рассеяние экспериментальных данных переменной состояния относительно уравнения регрессии того же порядка, что и рассеяние, вызванное случайными изменениями в объекте исследования (ошибка опыта)
Таблица 7. Формула расчета ПФЭ2n
Блоки |
Формулы расчета |
Обозначения |
1 |
Или
|
– переменная состояния расчетная); – факторы; – коэффициенты уравнения регрессии; – число факторов; – переменная состояния (экспериментальная); – транспонированная матрица X; – число опытов – построчная дисперсия; –переменная состояния (в параллельных опытах) – расчетные значения критерия Кохрена; – число параллельных опытов – табличное значение критерия Кохрена; – число степеней свободы; – уровень значимости – ошибка опыта (дисперсия воспроизводимости); – дисперсии коэффициентов; – расчетное значение критерия Стьюдента; – среднеквадратичные отклонения – табличное значение критерия Стьюдента; – число степеней свободы; – дисперсия адекватности; – расчетное значение критерия Фишера – число степеней свободы |
2 |
|
|
3 |
|
|
3а |
Условие однородности
|
|
4 |
|
|
5 |
|
|
5а |
Условие значимости коэффициентов
|
|
6 |
|
|
6а |
Условие адекватности модели (q, f1,f2)
|
Рис. 4. Алгоритм расчета и анализа математической модели
При расчете Fp предполагается, что > . Однако на практике бывает, что . Тогда вывод об адекватности модели может быть сделан без проверки условия (23).