- •Лекція №1
- •1.1 Опрацювання результатів прямих вимірювань
- •1.1.1 Принципові основи оцінювання похибок вимірювань
- •1.1.2 Оцінка результату і похибки прямих вимірювань
- •1.1.3 Оцінка похибки прямих одноразових вимірювань
- •1.1.4 Оцінка результату і похибки прямих багаторазових вимірювань
- •1.1.5 Опрацювання результатів прямих одноразових вимірювань
- •1.1.6 Опрацювання результатів багаторазових прямих вимірювань
- •1.1.7 Опрацювання результатів прямих нерівноточних вимірювань
- •1.2 Опрацювання результатів опосередкованих вимірювань
- •1.2.1 Оцінка результату і похибки опосередкованих вимірювань
- •1.2.2 Опрацювання результатів опосередкованих вимірювань з лінійною залежністю
- •1.2.3 Опосередковані вимірювання при нелінійній залежності
- •1.2.4 Систематична похибка опосередкованих вимірювань при нелінійній залежності
- •1.2.5 Результат і похибка опосередкованих вимірювань
- •1.3 Оцінка результатів і похибок сумісних та сукупних вимірювань
- •Питання для самоперевірки
- •Лекція №2
- •2 Статистична перевірка гіпотез
- •2.1 Поняття статистичної гіпотези. Припустима і критична області. Статистичний критерій
- •Питання для самоперевірки
- •2.2 Гіпотези про параметри розподілу. Виникнення помилок першого та другого роду. Визначення обсягу випробувань
- •Питання для самоперевірки
- •2.3 Параметричні критерії розбіжностей для двох сукупностей. Критерії Фішера і Кохрена
- •Питання для самоперевірки
- •2.4 Критерії згоди
- •Питання для самоперевірки
- •2.5 Непараметричні критерії
- •Питання для самоперевірки
- •2.6 Перевірка гіпотез відносно частки ознаки порівняння двох вибірок
- •Питання для самоперевірки
- •Завдання планування експерименту
- •Лукція №3
- •3. Регресійний аналіз
- •3.1 Кореляційна залежність
- •3.2 Два основних завдання вимірювання зв’язків
- •3.3 Емпірична лінія регресії
- •3.4 Метод найменших квадратів
- •3.5 Множинний регресійний аналіз
- •3.6 Нелінійна регресія
- •Лекція №4
- •4. Активний експеримент
- •4.1 Ортогональні плани першого порядку
- •4.2 Повний факторний експеримент
- •4.3 Дисперсія відтворюваності
- •4.4 Оцінка адекватності апроксимуючої залежності досліджуваного
- •4.5 Оцінка значущості коефіцієнтів апроксимуючої залежності, взятій у вигляді алгебраїчного полінома, в сенсі відмінності значень цих коефіцієнтів від нуля
- •4.6 Обробка результатів експерименту
- •4.7 Дрібний факторний експеримент
- •4.8 Складання планів другого порядку
- •4.9 Ортогональні центрально-композиційні плани
- •Лекція №5
- •5. Планування експерименту при відшуканні екстремальної області
- •5.1 Класичні методи визначення екстремуму
- •5.2 Факторні методи визначення екстремуму
- •Лекція №6
- •6. Дисперсійний аналіз при експериментальному дослідженні
- •6.1 Однофакторний дисперсійний аналіз
- •Лекція №7
- •7. Приклади та завдання
- •Список літератури
4.7 Дрібний факторний експеримент
План і модель – нерозривно зв’язані поняття. Неможливо приступити до вибору плану без завдання моделі об’єкта. Наприклад, треба встановити, які плани необхідно використовувати, якщо мова іде про лінійну модель і взаємодію, що можна знехтувати.
Кількіс ть дослідів в ПФЕ 2 k при К≥3 значно перевищує число лінійних коефіцієнтів. Зокрема, при К=3 кількість дослідів N=8, а число коефіцієнтів дорівнює чотирьом, тобто ПФЕ типу 2³ дає надмірну інформацію, яка несуттєва при побудові лінійної моделі. Для зменшення кількості дослідів і збереженні властивостей, притаманних ПФЕ 2 k , користуються дрібним факторним експериментом (дрібною реплікою). Такий план являє собою частину плану ПФЕ. Наприклад, для випадку вивчення трьох факторів матриця планування ПФЕ 2³ має вигляд, показаний в табл. 4.8.
План ПФЕ 2² тут обведено рамкою.
При нехтуванні ефектом взаємодії вектор-стовпець x1 x2 плану ПФЕ 2² можна використовувати для введення в цей план нового фактора x3 , що дозволяє визначити лінійну модель об’єкта у вигляді Y=b0+b1x1+ b2x2+ b3x3
Таблиця 4.8 - Матриця планування трикратного експерименту
№ досліду |
x0 |
x1 |
x2 |
x3 |
x1 x2 |
x1 x3 |
x2 x3 |
x1 x2 x3 |
Y |
1 |
+1 |
-1 |
-1 |
-1 |
+1 |
+1 |
+1 |
-1 |
Y1 |
2 |
+1 |
+1 |
-1 |
-1 |
-1 |
-1 |
+1 |
+1 |
Y2 |
3 |
+1 |
-1 |
+1 |
-1 |
-1 |
+1 |
-1 |
+1 |
Y3 |
4 |
+1 |
+1 |
+1 |
-1 |
+1 |
-1 |
-1 |
-1 |
Y4 |
5 |
+1 |
-1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
Y5 |
6 |
+1 |
+1 |
-1 |
+1 |
-1 |
+1 |
-1 |
-1 |
Y6 |
7 |
+1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
-1 |
Y7 |
8 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
Y8 |
У загальному випадку дрібна репліка відповідає плану ПФЕ типу 2 k-r де показник r, r = 1,2…, характеризує дрібність репліки відносно плану 2 k .
Відмітимо, що ефективність застосування дрібних реплік підвищується із зростанням числа факторів. Так при дослідженні впливу шести факторів на лінійні моделі можна в b разів скоротити число дослідів, використавши репліку більшої дрібності (при r = 3 дрібність репліки складає 1/8 від плану ПФЕ 2 6 і замість 64 дослідів проводяться 8).
4.8 Складання планів другого порядку
У тих випадках, коли поверхня відклику суттєво нелінійна в рівнянні моделі крім лінійних членів і членів, що враховують взаємодію, необхідно, як мінімум включати й квадратичні члени, які дозволяють відобразити не лінійність яких-небудь переріз ів поверхні відклику. Як і раніше, завданняпланування експерименту полягає у визначенні: за виміряними значеннямивідгуку Yі коефіцієнтів апроксимуючого полінома, що включає в себе квадратичні члени. Зокрема, при двофакторному експерименті така модель має вигляд
(4.5)
Спроба оцінити коефіцієнти полінома за планом ПФЕ 2² не дає позитивних результатів. Дійсно, при побудові вектор-стовпців для x4=x12 I x5=x22 одержимо стовпчики, які співпадають один з одним і з стовпчиком x.Оскільки вказані с товпці не відмінні, неможливо визначити, за рахунок чого формується значення b 0 ; воно залежить як власне від b 0 , так і від внесків квадратичних членів, тобто має місце змішана оцінка. Це твердження справедливе і при більшій кількос ті факторів. Причина полягає в тому, що для характеристики кривизни поверхні відгуку в перерізі Y=f(xi) при x= const, i j необхідно не менше трьох точок, а дворівневі плани дозволяють встановити тільки дві точки. Таким чином, з планів ПФЕ типу 2² неможливо одержати інформацію про коефіцієнти b ii при квадратичних членах і членах більш високого порядку. Це завдання може бути вирішена при переході до плану ПФЕ з більшим числом рівнів варіювання факторів, наприклад до плану ПФЕ типу 3 k . Проте тоді число дослідів стає досить великим навіть при порівняно малому числі факторів (табл. 4.9)
Більш простим шляхом рішення є добудова плану ПФЕ 2 k (або його дрібної репліки) до плану більш високого порядку. В цьому раз і план ПФЕ 2ⁿ приймають за ядро або центр плану другого порядку, а потім до нього додають симетрично розташовані допоміжні точки факторного простору, які називаються зірковими. Іншими словами, крім значень факторів на рівнях ±1 на кожній координатній осі факторного прос тору вибирають дві з іркові точки а також додають точку початку координат i x = 0, і=1,к. У кожній площині, що проходить через центр і утримує вісь Y і координатну вісь і-го фактора, маєють місце три значення фактора xi(-a;0;+a) і три відповідних значення Y. Загальне число дослідів у плані, побудованому таким чином при k>1, складає
N = 2k + 2 k + 1.
Відмітимо, що число дослідів, визначене цим співвідношенням, суттєво менше ніж, наприклад, у плані ПФЕ 3 k при k>2.
Таблиця 4.9
Кількість факторів k |
Кількість коефіцієнтів квадратичного полінома |
Число дослідів при плані |
||
ПФЕ 2k, |
ПФЕ 3k, |
Другого порядку, |
||
1 |
3 |
2 |
3 |
3 |
2 |
6 |
4 |
9 |
9 |
3 |
10 |
8 |
27 |
15 |
4 |
15 |
16 |
81 |
25 |
5 |
21 |
32 |
244 |
43 |
6 |
28 |
64 |
732 |
77 |
7 |
36 |
128 |
2196 |
143 |