- •Введение
- •1. Общие положения теории планирования эксперимента
- •2. Критерии оптимальности и типы планов
- •3. Планы для решения задач оптимизации
- •3.1. Постановка задачи оптимизации
- •3.2. Полный факторный эксперимент типа 2k
- •3.3. Оценки коэффициентов функции отклика
- •3.4. Дробный факторный эксперимент
- •3.5. Оценки коэффициентов функции отклика в дробном факторном эксперименте
- •4. Обработка результатов эксперимента
- •4.1. Предварительная обработка
- •4.2. Проверка воспроизводимости
- •4.3. Проверка адекватности модели
- •4.4. Проверка значимости оценок коэффициентов
- •5. Планы для описания поверхности отклика
- •5.1. Композиционные планы
- •5.2. Ортогональные центральные композиционные планы
- •5.3. Ротатабельные центральные композиционные планы
- •5.4. Композиционные планы типа Вn
- •5.5. Каталоги оптимальных планов
- •6. Планы для оценки влияния факторов
- •6.1. Планы на латинских квадратах
- •6.2. Оценка значимости фактора
- •6.3. Оценка дифференциального эффекта уровней фактора
- •Получение модели методом оцкп
- •Критические значения коэффициента Стьюдента (t-критерия) для различной доверительной вероятности p и числа степеней свободы f
- •Значения критерия Фишера (f-критерия)
- •Библиографический список
3.3. Оценки коэффициентов функции отклика
С помощью матрицы планирования, описанной в табл. 3.1, можно вычислить оценки коэффициентов неполного полинома третьей степени
y' = 0 + 1x1 + 2x2 +х3 +12x1x2 +13x1x3 + 23x2x3 + 123x1x2х3
или линейной функции
y' = 0 + 1x1 + 2x2 +3х3.
Первый вид полинома позволяет оценить не только влияние отдельных факторов, но и один из часто встречающихся видов нелинейности, когда эффект одного фактора зависит от уровня других факторов, т.е. присутствует эффект взаимодействия факторов. Эффект взаимодействия вида xi xj называют парным, xi xj xk – тройным и т. д. С ростом количества факторов число возможных взаимодействий быстро увеличивается. Суммарно количество всех коэффициентов функции отклика такого типа равно числу опытов полного факторного эксперимента.
Оценки коэффициентов полинома определяются на основе метода наименьших квадратов и для рассматриваемого типа ПФЭ вычисляются по простым соотношениям [8, стр. 29]
|
(3.1) |
Здесь величина y соответствует значению отклика в указанной точке факторного пространства при отсутствии повторных опытов или является оценкой математического ожидания
значений функции отклика по всем ru повторным опытам в данной точке. Повторные опыты проводятся в тех случаях, когда на функционирование системы оказывают влияние случайные воздействия. Количество повторных опытов в разных точках плана может различаться.
Допустима следующая интерпретация оценок коэффициентов:
0 соответствует значению функции отклика в центре проводимого эксперимента;
i равен приращению функции при переходе значения фактора i с нулевого уровня на верхний (это вклад соответствующего фактора в значение функции);
ij равен нелинейной части приращения функции при одновременном переходе факторов i и j с нулевого уровня на верхний и т.п.
Ошибки в определении коэффициентов полинома можно охарактеризовать соответствующей дисперсией. С учетом того, что кодированные значения факторов принимают значения +1 и – 1, оценка дисперсии коэффициента определяется соотношением
|
(3.2) |
Следовательно, оценка дисперсии всех коэффициентов одинакова и определяется только дисперсией средних значений функции отклика и числом опытов. Эту формулу можно применять, если количество опытов во всех точках плана одинаково. При факторном эксперименте, в отличие от классического, одновременно варьируются все факторы, поэтому каждый коэффициент полинома определяется по результатам всех экспериментов, тем самым оценка дисперсии коэффициентов получается в N раз меньше средней дисперсии всех опытов. Оценка дисперсии среднего значения в конкретной точке плана
,
где u2 – оценка дисперсии функции отклика в точке u, ru – число повторных опытов в этой точке плана [7, стр. 50]. Дисперсия оценок всех коэффициентов одинакова, поэтому ПФЭ рассмотренного типа являются ротатабельным.
При использовании неполных полиномов k-го порядка количество точек плана равно количеству оцениваемых параметров (насыщенное планирование). Поэтому не остается степеней свободы для проверки гипотезы об адекватности представления результатов эксперимента заданной математической моделью. Если применять полиномы первой степени, то тогда остаются степени свободы для проверки гипотезы об адекватности модели.

;
.
.