Вычисление коэффициентов и анализ модели.
Дробный факторный эксперимент.
Количество опытов в ПФЭ значительно по превосходящим числам определяемых коэффициентов линейной модели, т.е. ПФЭ обладает большой избыточностью опытов. Рассмотрим матрицу ПФЭ 22: по этому плану можно вычислить 4 коэффициента и представить результат в виде следующей математической модели:
.
Если имеется основание допустить, что в выбранных интервалах варьирования процесс может быть описан линейным варьированием, то нам достаточно определить всего 3 коэффициента b0, b1, b2. Остается одна степень свободы. Ее можно искать для минимизации числа опытов, т.е. при линейном приближении вектор-стобец произведения x1x2 используют при определении фактора x3, т.е. для 3-х факторов эксперимента математическую модель можно представить линейной моделью. Здесь мы не получим раздельных оценок, как в ПФЭ 23. Оценки смешаются следующим образом:
Но т.к. постулируются линейные модели, то все парные взаимодействия предполагаются незначимыми, зато количество опытов по сравнению с ПФЭ 23 сокращается в 2 раза.
Поставив 4 опыта для оценки влияния 3-х факторов мы воспользовались так называемой полурепликой ПФЭ 23, т.е. мы используя могли получить ДФЭ 23-1 разделенной оценки для линейных эффектов и эффектов взаимодействия при реализации обеих полуреплик. Матрицы из опытов для 4-х факторов планирования будут полурепликой от ДФЭ 24, а для пятифакторного эксперимента четверть репликой от 25. Обозначение при этом ДФЭ 2к-р.
|
|
ЛЕКЦИЯ №10
Условное обозначение дробных реплик и количество опытов в них можно определить из таблицы:
Кол-во факторов | Дробная реплика | Условное обозначение | Количество опытов | |
ДФЭ дробные факторные эксперименты | ПФЭ полные факторные эксперименты | |||
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 |
ДФЭ – берем часть от ПФЭ.
Генерирующие соотношения для:
Эти соотношения показывают с каким из эффектов связан данный эффект, такие соотношения называются генерирующими соотношениями.
Генерирующие соотношения показывают, что при выборе дробной реплики мы приравняли элементы следующих столбцов в соответствии с записанными выше соотношениями.
Для 3-х факторного эксперимента:
Умножим данные равенства каждое на элемент, стоящий слева, получим:
|
|
, то
Символическое обозначение произведения столбцов называют определяющим контрастом. Определяющий контраст помогает определить смешанные эффекты.
Для того, чтобы определить какой эффект смешан с данным, нужно помножить обе части определяющего контраста на столбец, соответствующий данному эффекту.
При выборе полуреплики 24-1 возможно уже восемь решений.
Реплики с 1 по 6 имеют по 3 фактора в определяющем контрасте, а реплики 7-8 – по 4 фактора. Реплики 7-8 имеют максимально разрешающую способность, поскольку в них линейные эффекты смешаны с эффектами взаимодействия наибольшего возможного порядка. Такие реплики называются главными.
При отсутствии априорных сведений об эффектах взаимодействия, необходимо выбирать реплику с наибольшей разрешающей способностью. Если 3-х факторный эксперимент, то реплики все равноценны.
Вычисление коэффициентов и анализ модели.
Определить чему равны b, b0 ...
Анализ, который будет рассмотрен ниже, применим только в том случае, если генеральная совокупность результатов всех наблюдений подчиняется закону нормального распределения. Это достигается в том случае, когда исключено влияние систематических ошибок, вызванных переменой внешних условий.
|
|
Для исключения влияния систематических ошибок опыты необходимо рандомизировать во времени (т.е. проводить их в случайной последовательности). Ранжировка (расстояния в определенной последовательности).
Для того, чтобы осуществить полную рандомизацию применяют таблицы случайных чисел, приведенных в справочниках по математической статистике). Для расчета коэффициентов регрессии применяют метод наименьших квадратов.
Уравнение регрессии:
Коэффициенты определяются из условия минимума невязки эксперимента:
берем частную производную по невязке:
здесь x (кси) – разность между экспериментальным и вычисленным по уравнению регрессии значением y в i-той экспериментальной точке. В результате проведения эксперимента получим значения.
При ортогональной матрице планирования формула для расчета коэффициентов значительно упрощается:
Здесь j – это 1,2,3 N – фактора, i – номер строки.
Т.к. каждый фактор (кроме x0) варьируется на 2-х уровнях +1 и –1, то все вычисления сводятся к приписыванию столбцу у знаков, соответствующих фактору столбца, и сложению полученных значений. Разделив полученный результат на число опытов, получаем искомый результат.
|
|
Статистический анализ предполагает определение дисперсии воспроизводимости эксперимента. При реализации плана для каждого сочетания значения факторов необходимо провести несколько повторных наблюдений, опытов n (min 3). Значение и дисперсию при этом сочетании факторов определяют по следующим формулам:
Дисперсии отдельных опытов сравнивают между собой для установления их однородности. Дисперсии можно сравнивать по критерию Фишера, особенно в тех случаях, когда их число больше 2-х. Из всех дисперсий выбираются наибольшая и наименьшая. Если различие между ними незначимо, то всю группу дисперсий можно считать принадлежащей к одной совокупности, затем необходимо сравнить две серии наблюдений при различных сочетаниях значений факторов. И установить существенно ли в них различаются значения . Или это различие мало по сравнению с разбросом результатов наблюдений. Сравнение средних проводится с помощью критерия Стьюдента t. При подсчете дисперсии воспроизводимости эксперимента в целом, дисперсии при каждом опыте (при каждом сочетании значений фактора) надо просуммировать по числу опытов N в матрице и разделить на N.
Затем проводится проверка модели на адекватность.
Адекватной называется модель, предсказанное с помощью которой значение отклика отличается от фактического не более определенной заданной величины. Для этого находят дисперсию адекватности:
ЛЕКЦИЯ №11
- это среднее значение из n опытов при i-том сочетании значений факторов.
k – количество факторов.
- рассчитанное по модели значение у при i-ом сочетании значений факторов.
Дисперсия адекватности Sад ,сравнив с дисперсией воспроизводимости S{y}, и определяет критерий Фишера:
далее сравниваем полученные значения критерия Фишера с табличными.
Если - то эта модель не адекватна (не годна).
В этом случае необходимо или определить с большей точностью коэффициенты линейной модели, либо изменить модель, ввести члены, учитывающие взаимодействие факторов.
Дата добавления: 2021-05-18; просмотров: 92; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!