4.12.3. Разбиение матрицы планирования 2к на блоки

При проведении серии экспериментов, осуществляемых в течение некоторого периода времени или с использованием нескольких партий веществ может произойти изменения условий эксперимента. Для предотвращения смещения среднего уровня отклика точки экспериментального плана рекомендуется выбирать в случайной последовательности. Однако в некоторых случаях влияние внешних условий можно избежать путем подходящего разбиения матрицы на блоки по сырью или последовательности испытаний. Так, при наличии двух партий сырья матрицу 2³ можно разбить на два блока таким образом, чтобы эффект сырья сказался на величине трехфакторного взаимодействия (табл. 4.12). В этом случае все линейные коэффициенты и парные взаимодействия будут освобождены от влияния неоднородности сырья.

Таблица 4.12

№ блока	x0	x1	x2	x3	x1x2	x1x3	x2x3	x1x2 x3	y
	+	–	–	+	+	–	–	+
1	+	+	–	–	–	–	+	+
	+	–	+	–	–	+	–	+
	+	+	+	+	+	+	+	+
	+	–	–	–	+	+	+	–
2	+	+	–	+	–	+	–	–
	+	–	+	+	–	–	+	–
	+	+	+	–	+	–	–	–

Различие в сырье рассматривают как новый фактор . Матрица 2³, представленная двумя блоками: первый блок и второй блок, является полурепликой 2^4-1 с определяющим контрастом .

Коэффициенты модели будут равны

Эффект сырья отразился на подсчете свободного члена и коэффициента.

Аналогично можно разбить на два блока любой эксперимент 2^к. Нужно только выбрать такой элемент взаимодействия, которым можно безболезненно пожертвовать. Обычно, при отсутствии априорных сведений выбирают взаимодействие самого высокого порядка для 2³ , для 2⁴, дляи т.д.

Если имеется четыре источника неоднородности, которые могут заметно исказить результаты эксперимента, то матрицу 2⁴ разбивают на четыре блока таким образом, чтобы линейные эффекты были освобождены от влияния межблокового эффекта.

Схемы разбиения на блоки рототабельных планов второго порядка так же нужно выполнить с учетом того, чтобы различие между блоками не влияло на коэффициенты при линейных, перекрестных и квадратичных членах. Для того, чтобы не было искажения результатов эксперимента и результаты не зависели от блоковых эффектов число центральных точек должно быть выбрано подходящим образом.

4.13. Критерии оптимальности планов

Минимизацию чувствительности математической модели процесса к случайным факторам проведем с учетом дисперсионных оценок.

Предположим, что вид модели известен. Требуется найти лучшие оценки коэффициентов уравнения регрессии.

Если это уравнение линейное относительно параметров, то оценки уравнений регрессий определяются из системы нормативных уравнений

где – матрица независимых переменных;– матрица, получаемая транспонированием матрицы;– уравнение регрессии в матричной форме;– функция веса;

и тогда оценки коэффициентов

Будем предполагать, что дисперсия выходной величины не зависит от независимых переменныхи поэтому примем функцию веса.

С учетом общего вида функциональной зависимости отполучаем следующие оценки:

(4.48)

108