Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ОНИ-1 (1), сокр.doc
Скачиваний:
7
Добавлен:
01.07.2025
Размер:
9 Мб
Скачать
☆

Условия и результаты опытов

Для выполнения вычислений ее расширяют так, как представлено в табл. 4.14.

Таблица 4.14

Расчетная таблица для вычислений коэффициентов регрессии

Как видно, в этой таблице сделано больше вычислений, чем требуется для расчета b0 и b1. Эти «лишние» дан­ные нужны для проверки правильности расчетов.

Возможны два способа проверки. Первый из условия

которое хорошо известно из школьной математики. (Оно должно выполняться не только для сумм, но и в каждой строчке таблицы.) Второй способ использует условие = b0 + b1 1. Подставляя в это соотношение и 1 из последней строки таблицы и один из коэффициентов, можно найти другой коэффициент и сравнить с расчетным.

Вторая из проверок является наиболее полной, наиболее жест­кой. Она проверяет не только вычисления сумм, но и вычисления коэффициентов

На практике используют обе проверки, чтобы в случае ошибок в таблице не считать зря коэффициенты.

Необходимо помнить: никакая проверка не гарантирует вас от оши­бок в записи исходных данных.

Следует иметь в виду: никакие результаты вычислений нельзя ни использовать, ни обсуждать, пока они не проверены. Иначе можно впасть в заблуждение и, в лучшем случае, потерять время.

На­несем исходные данные и полученное уравнение на график (рис. 4.8).

Рис. 4.8. Линейное уравнение регрессии

Выделим для удобства рассмотрения несколько эксперимен­тальных точек и отрезок нашего уравнения в большем масштабе (рис. 4.9).

Рис. 4.9 Линейное уравнение регрессии (фрагмент)

Мы выбрали пять экспериментальных точек, которые прону­меровали цифрами 1, 2, 3, 4, 5. Четвертая точка оказалась лежа­щей на линии. МНК состоит в том, чтобы минимизировать сумму квадратов отрезков, характеризующих расхождение между экс­периментальными точками и полученным уравнением. Мы мини­мизировали сумму квадратов пунктирных отрезков.

Если бы наше уравнение регрессии имело вид

x1=b0+b1y,

то мы минимизировали бы сумму сплошных отрезков.

Во всех формулах тогда пришлось бы х1 и у поменять местами и коэффициенты получились бы другими (если, конечно, не все невязки равны нулю).

Мы находим невязки по оси у, поэтому и минимизируется сумма квадратов вертикальных отрезков. Обе линии совпадут только в том случае, если все невязки равны нулю, т. е. если все экспери­ментальные точки лежат точно на прямой линии.

Теперь мы можем узнать, какая же получилась сумма квад­ратов невязок. Будем называть ее остаточной суммой квадратов.

Из рисунков видно, что для этого надо вычислить по уравне­нию значения у в условиях каждого опыта. Будем называть такое значение предсказанным и обозначать у. Затем надо найти все невязки (отрезки), возвести их в квадрат и сложить (табл. 4.15).

Таблица 4.15

Расчет остаточной суммы квадратов

Величина и есть остаточная сумма квадратов, которую

мы раньше обозначили МНК гарантирует, что эта величина минимально возможная.

Итак, мы научились находить наилучшие в смысле МНК оценки коэффициентов линейного уравнения для одного фактора. Обобщение на многофакторный случай не связано с какими-либо принципиальными трудностями. При этом вычисления зна­чительно усложняются и требуют привлечения аппарата алгебры матриц, фрагменты которой будут рассмотрены в дальнейшем. А пока мы восполь­зуемся тем, что наши матрицы планирования ортогональны. Далее будем рассматривать только этот случай, который позво­ляет резко упростить вычисления, что составляет одно из преиму­ществ планирования эксперимента. Можно показать, что для любого числа факторов коэффициенты будут вычисляться по формуле

В этой формуле j=0,1,2...,k — номер фактора. Ноль записан для вычисления b0. Воспользуемся формулами (4.86) для вычисления коэффициентов регрессии. В первой формуле

в силу симметричности плана. Поэтому после сокращения фор­мулы приобретают вид

где

что совпадает с написанным выше.

Так как каждый фактор (кроме х0) варьируется на двух уров­нях + 1 и —1, то вычисления сводятся к приписыванию столбцу у знаков соответствующего фактору столбца и алгебраическому сложению полученных значений. Деление результата на число опытов в матрице планирования дает искомый коэффициент. Это очень простая формула, но ею необходимо научиться пользо­ваться безошибочно.