- •Общие требования, предъявляемые к параметру оптимизации (по):
- •2. Способ переформулировки задачи с целью сокращения числа изучаемых по:
- •3. Сокращение числа отдельных параметров оптимизации (по) с помощью корреляционного анализа.
- •4. Свойства коэффициентов парной корреляции и последовательность выполнения корреляционного анализа.
- •5. Способ построения графов корреляционных свойств
- •6. Способ обработки данных пассивного эксперимента приемами метода случайного баланса.
- •7. Способ решения компромиссных задач
- •8. Достоинства и недостатки метода случайного баланса.
- •10.Получение приближенных оценок коэффициентов регрессии по выделенным эффектам.
- •11.Графический способ поиска компромисса.
- •12.Критерий, по которому заканчивают отсеивание факторов и их взаимодействий.
- •13.Шкала желательности и правила пользования ею.
- •9. Метод перебора при решении компромиссных задач
- •14. Способ, с помощью которого, не строя диаграмм рассеяния для всех парных взаимодействий, можно выделить наиболее значимые из них.
- •15. Способ построения обобщенной функции желательности. Преимущества использования данного способа.
- •16. Идея снятия значимых эффектов и способ их снятия.
- •17. Способ преобразования исходных значений свойств в соответствующие желательности.
- •18. Количественная оценка эффектов, выделенных с диаграмм рассеяния факторов и проверка статистической значимости.
- •19. Способы оценки ошибок опыта.
- •20. Возможности априорного ранжирования параметров оптимизации. Цели этого ранжирования.
- •21. Необходимость рандомизации при определении ошибок опыта.
- •22. Методы экспериментального отсеивания факторов.
- •23. Способ проверки однородности дисперсии. Случай использования критерия Кочрена g.
- •24. Ненасыщенные, насыщенные, сверхнасыщенные экспериментальные планы.
- •25. Способы отсеивания факторов с помощью полностью насыщенных планов.
- •26. Основная идея, положенная в основу всех методов отсеивания факторов.
- •27. Метод априорного ранжирования факторов и последовательность его выполнения.
- •28. Последовательность всех этапов решения задачи отсеивания по методу случайного баланса. (мсб)
- •29.Построение априорной диаграммы рангов
- •30. Способы составления матриц планирования в методе случайного баланса.
- •31.Способ расчета коэффициента конкордации в случае связанных и несвязанных рангов.Проверка статистической значимости коэффициента конкордации.
- •33. Возможные случаи распределения факторов по рангам.
- •34) Методика построения диаграмм рассеяния в методе случайного баланса.
- •35.Способы сравнения точек зрения двух исследователей.
- •36) Критерии по которым отбираются наиболее значимые факторы с диаграммы.
- •37) Определение по выделенным эффектам приближенных оценок коэффициентов регрессии.
- •38.Способ определения доверительных интервалов коэффициентов регрессии. Статистически значимые и статистически незначимые коэффициенты регрессии.
- •39. Параллельный перенос начала координат исходного уравнения в новый центр. Определение величин параметра оптимизации в новом центре.
- •40. Генерирующее соотношение и определяющий контраст.
- •41.Преимущества предоставления уравнения регрессии в канонической форме.
21. Необходимость рандомизации при определении ошибок опыта.
При проведении эксперимента, опыты заданной матрицы планирования проводят рандомизировано, что позволяет уменьшить систематические воздействия некоторых факторов. Эксперимент следует составить таким образом, что можно было оценить дисперсию опыта.
22. Методы экспериментального отсеивания факторов.
При отсеивающем эксперименте стараются сократить число опытов, накладывая некоторое ограничение в процессе самой постановки задачи.
Предполагают, что наиболее сильно на ПО влияют только линейные эффекты, т.е. Факторы сами по себе. Взаимодействия факторов влияет слабее. Тогда можно применить полностью насыщенные планы, где число опытов равно числу оцениваемых коэффициентов регрессии, включая свободный член. Такие планы можно построить или в виде дробной реплики, или с помощью специальных ортогональных планов — Планов Плакетта Бормана. Так же используется метод перевала. Он позволяет отделить линейные эффекты от парных эффектов взаимодействия. Опыты полностью насыщенного плана выполняют дважды. Во второй серии меняют все знаки матрицы планирования на обратные. Если затем эти 2 эксперимента рассмотреть вместе, то можно оценить линейные эффекты отдельно от парных взаимодействий, следовательно можно проверить гипотезу о линейности модели.
Так же можно применить сверхнасыщенные планы, где число опытов много меньше числа отсеиваемых факторов. Формально это значит, что число степеней свободы меньше 0, а значит, мы не можем дать строгой количественной оценки влияния всех факторов и их взаимодействий. Проводят предварительное расщепление математической модели, отсекая большую часть эффектов шумового поля.
Шумовое поле — совокупность малозначимых эффектов и случайных составляющих.
Тогда оставшиеся эффекты могут быть выбраны для дальнейших исследований и оценены количественно.
Так же используется метод случайного баланса. Сущность метода состоит в аппроксимации уравнений баланса соответствующему данному дифференциальному уравнению.
23. Способ проверки однородности дисперсии. Случай использования критерия Кочрена g.
Проверим однородность дисперсии с помощью критерия Кочрена (- это отношение максимальной исправленной дисперсии к сумме всех исправленных дисперсий)
.
Распределение этой случайной величины зависит только от числа степеней свободы (f) и количества выборок (l), f=n-1, и l
Критерий Кочрена можно применять когда число повторных определений одинаково во всех опытах, иначе применяют критерий Бартлетта.
Расчетное значение критерия Кочрена определяют как частное от деления максимума дисперсий, отнесенного к сумме всех дисперсий
Расчетное сравнивают с табличным, которое выбирают при определенном a, степени свободы в каждом опыте (Gтабл, a, f=n-1; N) Если Gтабл > Gрасч, то ряд дисперсий считают однородным.
24. Ненасыщенные, насыщенные, сверхнасыщенные экспериментальные планы.
Ненасыщенный план — план, в котором эффектов больше, чем опытов.
Насыщенный план – план, в котором число опытов равно числу оцениваемых коэффициентов регрессии.
Сверхнасыщенный план — план, в котором число опытов много меньше, чем число отсеиваемых факторов.
