- •200106 «Информационно-измерительная техника и технологии»
- •Введение
- •1.2. Сигналы
- •1.3. Преобразование измерительных сигналов
- •1.4. Спектр периодических сигналов
- •1.5. Модуляция
- •1.5.1. Амплитудная модуляция
- •1.5.2. Частотная модуляция
- •1.5.3. Фазовая модуляция
- •1.5.4. Двукратные виды модуляции
- •1.6. Квантование
- •1.6.1. Квантование по уровню
- •1.6.2. Квантование по времени
- •1.6.3. Квантование по уровню и времени
- •1.7. Кодирование
- •1.7.1. Цифровые коды
- •1.7.2. Помехи
- •1.8. Модель канала
- •Раздел 2 измерительные каналы и их разделение
- •2.1. Канал связи и его характеристики
- •2.2. Согласование канала с источником информации
- •2.3. Линии связи для передачи измерительной информации
- •2.4. Структуры линий связи
- •2.5. Многоканальные системы для передачи измерительной информации
- •2.6. Погрешность систем с частотным разделением каналов
- •2.7. Погрешности систем с временным разделением каналов
- •Раздел 3 принципы обработки данных
- •3.1. Виды погрешностей
- •3.2. Обработка результатов измерений. Оценки измеряемой величины
- •3.3. Обработка результатов прямых равноточных измерений
- •3.4. Обработка результатов косвенных измерений
- •3.5. Обработка результатов совместных измерений
- •3.6. Обработка результатов неравноточных измерений
- •3.7. Проверка статистических гипотез
- •3.7.1. Проверка соответствия гипотезы и экспериментальных данных
- •3.7.2. Исключение резко отклоняющихся значений
- •3.8. Построение эмпирических распределений
- •3.9. Критерии согласия
- •3.9.1. Критерий согласия Пирсона
- •3.9.2. Критерий согласия Колмогорова
- •Раздел 4 планирование многофакторного эксперимента
- •4.1. Задачи планирования эксперимента
- •4.2. Пассивные эксперименты
- •4.3. Дисперсионный анализ
- •4.4. Регрессионный анализ
- •4.5. Активный эксперимент
- •4.6. Полный факторный эксперимент
- •4.7. Дробный факторный эксперимент
- •4.8. Устранение влияния временного дрейфа
- •4.9. Проведение факторного эксперимента и обработка его результатов
- •4.10. Оптимизация
- •4.11. Рандомизация
- •Раздел 5 введение в алгоритмическую теорию измерений
- •5.1. Вводные замечания
- •5.2. Развитие понятий числа и измерения величин
- •5.3. Теория шкал и алгоритмические измерения
- •5.4. Алгоритмы измерения в номинальной шкале, аддитивной и порядка
- •5.5. Моделирование цифровых алгоритмических измерений
- •5.6. Эквивалентность между фильтрацией и алгоритмическим измерением
- •5.7. Моделирование сигналов. Дискретизация
- •5.7.1. Модели дискретизации аналогового сигнала
- •5.7.2. Дискретизация с усреднением
- •5.7.3. Дискретизация сигналов конечной длительности
- •5.8. Цифровое представление информации
- •5.9. Системы счисления с иррациональными основаниями
- •5.9.1. Золотая пропорция
- •5.9.2. Числа Фибоначчи
- •5.9.4. Код золотой p-пропорции
- •5.10. Общий алгоритм метрологического кодирования
- •5.10.1. Алгоритм Стахова
- •5.10.2.Фибоначчиевы алгоритмы цифрового метрологического кодирования
- •Раздел 6 введение в информационную теорию измерений
- •6.1. Основные положения теории информации
- •6.1.1. Энтропия
- •6.1.2. Единицы измерения энтропии
- •6.1.3. Условная энтропия (энтропия помехи)
- •6.1.4. Суммирование нескольких погрешностей
- •6.1.5. Явление «краевой эффект». Приближенность информационных оценок каналов передачи информации
- •6.1.6. Основные положения теории информации для характеристики процесса измерения
- •6.2. Сущность измерения
- •6.2.1. Понятие натурального ряда однородных величин
- •6.2.2. Понятие шкалы реперов измеряемой величины
- •6.2.3. Измерение как сужение интервала неопределенности
- •6.3. Измерительные преобразования, функциональные шкалы, единицы измеряемой величины
- •6.3.1. Функциональная шкала измеряемой величины
- •6.3.2. Понятие единицы измерения
- •6.3.3. Метод построения измерительных устройств
- •6.4. Измерительные преобразования и преобразователи
- •6.5. Энтропийное значение погрешности
- •6.5.1. Математическое определение энтропийного значения погрешности
- •6.5.2. Эффективное значение погрешности
- •6.6. Сравнение энтропийного и среднеквадратического значений погрешности для плавных симметричных одномодальных законов распределения погрешностей
- •6.7. Энтропийное значение погрешности – основной критерий точности приборов и измерений
- •6.8. Определение энтропийного значения погрешности на практике
- •6.9. Суммирование погрешностей измерительных устройств
- •6.10. Статистическое суммирование погрешностей при наличии корреляции
- •6.11. Энтропийное значение результирующей погрешности
- •6.12. Суммирование погрешностей с равномерными законами распределения вероятностей
- •6.13. Суммирование погрешностей при равномерном и нормальном законах распределения составляющих результирующей погрешности
- •6.14. Суммирование погрешностей при произвольной степени корреляции и произвольных законах распределения вероятностей составляющих результирующей погрешности
- •И объемов (n) выборок
- •Интервала
- •Оглавление
4.7. Дробный факторный эксперимент
С увеличением количества факторов резко возрастает количество опытов полного факторного эксперимента. Однако для нахождения коэффициентов регрессии не всегда требуется много опытов. В таких случаях можно уменьшить – объем экспериментальных работ, воспользовавшись методом дробных реплик. Очевидно, что при этом матрица планирования должна сохранить свои основные четыре свойства.
Рассматриваемый метод заключается в том, что для нахождения математического описания процесса используется определенная часть полного факторного эксперимента: 1/2, 1/4 и т.д. Эти системы опытов называются дробными репликами.
Рассмотрим полный факторный эксперимент 22. Матрица планирования приведена в табл. 4.7.1.
Таблица 4.7.1
Номер опыта |
|
|
|
|
у |
1 |
+1 |
-1 |
-1 |
+1 |
|
2 |
+1 |
+1 |
-1 |
-1 |
|
3 |
+1 |
-1 |
+1 |
-1 |
|
4 |
+1 |
+1 |
+1 |
+1 |
|
Пользуясь таким планированием, можно вычислить, как было показано выше, четыре коэффициента и представить результаты эксперимента в виде модели
(4.7.1)
Если имеются основания считать, что в выбранных интервалах варьирования процесс может быть описан линейной моделью, то достаточно определить три коэффициента: , и . Остается одна степень свободы. Используем ее для минимизации числа опытов. При линейном приближении и вектор-столбец можно использовать для нового фактора . Посмотрим, каковы будут оценки коэффициентов.
Оценки смешиваются в связи с тем, что вектор-столбец совпадает с вектор-столбцом , а вектор-столбец с ; вектор-столбец с . Это легко проверить по матрице планирования, приведенной в табл. 4.7.1.
Таким образом, получим:
(4.7.2)
В связи с тем, что рассматривается линейная модель, то все парные взаимодействия незначимы и можно полагать, что оценки , , достоверны.
Таким образом, вместо восьми опытов для изучения трех факторов оказывается достаточным поставить только четыре опыта. При этом матрица планирования не теряет своих основных свойств (ортогональности, ротатабельности и т.п.).
Изложенное правило можно сформулировать так: чтобы сократить число опытов, новому фактору необходимо присвоить вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренебречь. Тогда значения нового фактора в условиях опытов определяются знаками этого столбца.
Расчет коэффициентов регрессии, проверка значимости коэффициентов и адекватности математического описания в данном случае производятся так же, как и при полном факторном эксперименте.
Поставив четыре опыта для оценки влияния трех факторов, экспериментатор пользуется половиной полного факторного эксперимента 23, или «полурепликой». Если х3 приравнять к , то можно получить вторую половину матрицы 23, В этом случае
(4.7.3)
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 полный факторный эксперимент 23.
Матрица из восьми опытов для четырехфакторного планирования будет полурепликой от полного факторного эксперимента 24, а для пятифакторного планирования – четвертьрепликой от 25. В последнем случае уже два линейных эффекта приравниваются к эффектам взаимодействия.
Для обозначения дробных реплик, в которых С линейных эффектов приравнены к эффектам взаимодействия, удобно пользоваться условным обозначением 2k – c. Так, полуреплика от 26 запишется в виде 26 – 1, а четвертьреплика от 25 – 25 – 2 (табл. 4.7.2).
Таблица 4.7.2
Число факторов |
Дробная реплика |
Условное обозначение |
Число опытов |
|
для дробной реплики |
для ПФЭ |
|||
3 |
1/2-реплика от 23 |
23–1 |
4 |
8 |
4 |
1/2-реплика от 24 |
24–1 |
8 |
16 |
5 |
1/4-реплика от 25 |
25–2 |
8 |
32 |
6 |
1/8-реплика от 26 |
26–3 |
8 |
64 |
7 |
1/16-реплика от 27 |
27–4 |
8 |
128 |
5 |
1/2-реплика от 25 |
25–1 |
16 |
32 |
6 |
1/4-реплика от 26 |
26–2 |
16 |
64 |
7 |
1/8-реплика от 27 |
27–3 |
16 |
128 |
8 |
1/16-реплика от 28 |
28–4 |
16 |
256 |
В реальных условиях экспериментатор может не иметь твердой уверенности в отсутствии того или иного взаимодействия факторов. В этом случае необходимо знать, когда и какие эффекты определяются совместно, т.е. определить разрешающую способность дробных реплик. Для этого используют понятия «определяющие контрасты» и «генерирующие соотношения».
При построении полуреплик 23 – 1 существуют всего две возможности: приравнять х3 к х1х2 или к - х1х2 (минус х1х2). Поэтому есть только две полуреплики 23 – 1 (табл. 4.7.3).
Таблица 4.7.3
Номер опыта |
I |
|||
|
|
|
|
|
1 |
-1 |
-1 |
+1 |
+1 |
2 |
+1 |
-1 |
-1 |
+1 |
3 |
-1 |
+1 |
-1 |
+1 |
4 |
+1 |
+1 |
+1 |
+1 |
Номер опыта |
II |
|||
|
|
|
|
|
1 |
-1 |
-1 |
-1 |
-1 |
2 |
+1 |
-1 |
+1 |
-1 |
3 |
-1 |
+1 |
+1 |
-1 |
4 |
+1 |
+1 |
-1 |
-1 |
Для произведения трех столбцов матрицы I выполняется соотношение а матрицы II – - . Символическое обозначение произведения столбцов, равного + 1 или -1, называется определяющим контрастом. Контраст помогает определять смешанные эффекты. Чтобы определить, какой эффект смешан с данным, обе части определяющего контраста следует умножить на столбец, соответствующий данному эффекту. Так, если , то для х1 имеем:
(4.7.4)
так как всегда .
Для х2 находим:
(4.7.5)
для х3
(4.7.6)
Это значит, что коэффициенты линейного уравнения будут оценками
(4.7.7)
Соотношение, показывающее, с каким из эффектов смешан данный эффект, называется генерирующим соотношением.
Полуреплики, в которых основные эффекты смешаны с двухфакторными взаимодействиями, носят название планов с разрешающей способностью III. Разрешающая способность равна наибольшему числу факторов в определяющем контрасте.
При выборе полуреплики 24–1 возможно восемь решений:
1) 5)
2) 6)
3) 7)
4) 8)
Разрешающая способность этих полуреплик различна. Так, реплики 16 имеют по три фактора в определяющем контрасте, а 7 8 – по четыре. Реплики 7 и 8 имеют максимальную разрешающую способность и называются главными. Разрешающая способность будет максимальной, если линейные эффекты смешаны с эффектами взаимодействия наибольшего возможного порядка.
При отсутствии априорной информации об эффектах взаимодействия экспериментатор стремится выбрать реплику с наибольшей разрешающей способностью, так как тройные взаимодействия обычно менее существенны, чем парные. Если имеется информация об эффектах взаимодействия, то она должна использоваться при выборе реплики.
Реплики, в которых нет ни одного основного эффекта, смешанного с другим основным эффектом или парным взаимодействием, а все парные взаимодействия смешаны друг с другом, носят название планов с разрешающей способностью IV (по наибольшему числу факторов в определяющем контрасте).