- •Планирование эксперимента
- •И статистическая обработка
- •Результатов измерений
- •Методические указания к лабораторным работам
- •Введение
- •1.3 Исключение резко выделяющихся экспериментальных данных
- •Определение основных числовых характеристик совокупности случайных величин
- •Основные сведения
- •1.1 Получение совокупности случайных величин
- •1.2 Расчет оценок математического ожидания, дисперсии и среднего квадратического отклонения
- •1.4 Расчет относительных характеристик рассеяния случайной величины
- •1.5 Определение ошибки среднего и границ доверительного интервала
- •1.6 Доверительный объем испытаний
- •Требования к отчету
- •Определение вида дифференциального закона распределения совокупности случайных величин
- •Основные сведения
- •2.1 Формирование частотной таблицы
- •2.2 Определение оценок математического ожидания, среднего квадратического отклонения и квадратической неровноты
- •2.3 Определение закона распределения исследуемой величины
- •2.4 Построение графика функции распределения
- •Требования к отчету
- •Определение корреляционных однофакторных моделей по данным пассивного эксперимента
- •Основные сведения
- •3.1 Расчет основных статистических характеристик
- •3.2 Расчет коэффициентов парной корреляции и определение их значимости
- •3.3 Определение линейной модели корреляционной взаимосвязи
- •Требования к отчету
- •Определение статических корреляционных многофакторных моделей по данным пассивного эксперимента
- •Основные сведения
- •4.1 Расчет основных статистических характеристик
- •4.2 Расчет парных коэффициентов корреляции
- •4.3 Расчет множественного коэффициента корреляции и определение его значимости
- •4.4 Определение линейной модели корреляционной взаимосвязи
- •Требования к отчету
- •Разработка регрессионной однофакторной модели по данным активного эксперимента
- •Основные сведения
- •5.1 Условия проведения активного эксперимента
- •5.2 Нахождение статистических характеристик
- •5.3 Проверка гипотезы об однородности дисперсий
- •5.4 Вычисление дисперсии воспроизводимости выходного параметра в опытах матрицы
- •5.5 Вычисление коэффициентов искомого уравнения (модели) и их дисперсий
- •5.6 Проверка адекватности полученной модели
- •5.7 Оценка значимости полученных коэффициентов регрессии
- •Требования к отчету
- •6.1 Разработка матрицы планирования
- •6.2 Нахождение статистических характеристик
- •6.3 Проверка гипотезы об однородности дисперсии
- •6.4 Вычисление дисперсии воспроизводимости выходного параметра в опытах матрицы
- •6.5 Вычисление коэффициентов искомого уравнения (модели)
- •6.6 Оценка значимости полученных коэффициентов регрессии
- •6.7 Проверка адекватности полученной модели
- •6.8 Исследование полученной регрессионной многофакторной модели
- •Требования к отчету
- •Список рекомендуемой литературы
- •Варианты совокупностей случайных величин
- •X1, x2 и y – соответственно удлинение, масса и прочность образца; m – кол-во испытаний
- •Критические значения критерия Смирнова-Граббса
- •Критические значения критерия Пирсона
- •Варианты совокупностей случайных величин
- •Значения критерия Стьюдента
- •Значения критерия Фишера fт
- •Значения Хi
- •Значения Хui
6.1 Разработка матрицы планирования
Для составления матрицы планирования необходимо определить требуемое количество опытов:
|
N = kN, |
(6.3) |
где k – число уровней варьирования каждого фактора, изменяя которое можно уменьшать или увеличивать N.
Необходимо учесть, что для вычисления коэффициентов регрессии искомого уравнения (6.1) должно соблюдаться условие N Nk (Nk – число коэффициентов регрессия в РМФМ), а для оценки адекватности полученной модели это условие усиливается, т.е. N > Nk.
В матрице планирования используются кодированные значения уровней фактора:
(-) – нижний уровень фактора (равен -1);
(+) – верхний уровень фактора (равен +1).
Например, для двухуровневого трехфакторного эксперимента (23) матрица ПФЭ содержит восемь опытов (форма таблицы приведена ниже). Для изучения описываемой методики можно воспользоваться значениями, приведенными в приложении И.
|
u |
Факторы |
Сочетания |
Yui |
|
S2{Y} | |||||||
|
x0 |
x1 |
x2 |
x3 |
x1x2 |
x1x3 |
x2x3 |
x1x2x3 |
Yu1 |
Yu2 | |||
|
1 |
+ |
- |
- |
- |
|
|
|
|
|
|
|
|
|
2 |
+ |
+ |
- |
- |
|
|
|
|
|
|
|
|
|
3 |
+ |
- |
+ |
- |
|
|
|
|
|
|
|
|
|
4 |
+ |
+ |
+ |
- |
|
|
|
|
|
|
|
|
|
5 |
+ |
- |
- |
+ |
|
|
|
|
|
|
|
|
|
6 |
+ |
+ |
- |
+ |
|
|
|
|
|
|
|
|
|
7 |
+ |
- |
+ |
+ |
|
|
|
|
|
|
|
|
|
8 |
+ |
+ |
+ |
+ |
|
|
|
|
|
|
|
|
|
ki |
|
|
|
|
|
|
|
|
|
|
|
|
Обработку результатов ПФЭ проводят в следующем порядке.
6.2 Нахождение статистических характеристик
Находим
средние значения функции отклика по
строкам
и построчные дисперсии S2u{Yu}
по формулам:
|
|
(6.4) |
где m – число повторений опыта.
6.3 Проверка гипотезы об однородности дисперсии
Если число повторных опытов m одинаково для всех опытов матрицы, то для проверки однородности дисперсий применяется критерий Кочрена, расчетное значение которого определяется по формуле:
|
|
(6.5) |
Расчетное
значение GR
сравнивают
с табличным значением GT,
которое определяют (приложение Ж) в
зависимости от числа опытов в матрице
N
и числа степеней свободы дисперсии f{
}
= m
– 1 для заданной доверительной вероятности.
Ecли GR < GT, то гипотеза об однородности дисперсий принимается, если нет – следует применить методику исключения резко выделяющихся величин или найти причину возникновения большой дисперсии в u-м опыте, а затем повторить (полностью или частично) экспериментальную часть работы.
Если число приторных опытов m различно для разных опытов матрицы, то для проверки гипотезы об однородности дисперсий в опытах матрицы применяется критерий Бартлета.

.