- •2. Общие представления о научных исследованиях2
- •2.1. Методы научных исследований
- •2.2. Классификация научных исследований
- •3. Основные этапы и стадии прикладных научных исследований
- •4 : 6 : 100.
- •3.1. Основные стадии и разделы нир
- •3.2. Рекомендации по составлению аналитического обзора
- •3.2.1. Поиск и хранение информации
- •3.2.1.1. Определение предмета поиска информации
- •3.2.1.2. Составление карты поиска информации
- •Карта поиска информации
- •3.2.1.3. Задание глубины поиска информации
- •3.2.1.4. Выбор источников информации
- •3.2.1.5. Проведение поиска информации
- •3.2.1.6. Отбор и хранение найденной информации
- •3.2.2. Составление аналитического обзора
- •4. Некоторые особенности измерений
- •4.1. Особенности представления и обработки количественных результатов измерений
- •4.1.1. Характеристика результатов измерений как случайных величин
- •4.1.2. Представление результатов измерений с учетом их погрешностей
- •4.1.2.1. Ошибки измерений
- •4.1.2.2. Законы накопления ошибок косвенных измерений
- •4.2. Формы представления конечных результатов измерений
- •5. Выбор и составление плана эксперимента
- •5.1. Планирование эксперимента для применения корреляционного анализа
- •5.1.1. Некоторые общие положения корреляционного анализа
- •5.1.1.1. Анализ поля корреляции (визуальный анализ)
- •5.1.1.2. Анализ выборочного коэффициента корреляции
- •5.1.2. Пример проведения корреляционного анализа
- •5.1.2.1. Анализ поля корреляции
- •5.1.2.2. Анализ выборочного парного коэффициента корреляции
- •5.1.2.3. Окончательные выводы корреляционного анализа
- •5.1.3. Составление планов эксперимента с учетом возможности проведения корреляционного анализа
- •5.2. Планирование эксперимента для применения дисперсионного анализа
- •5.2.1. Некоторые общие положения дисперсионного анализа
- •5.2.2. Составление планов эксперимента для проведения дисперсионного анализа
- •5.2.2.1. Составление планов экспериментов для проведения однофакторного дисперсионного анализа
- •5.2.2.2. Составление планов экспериментов для проведения двухфакторного дисперсионного анализа
- •5.2.2.3. Составление планов экспериментов для проведения многофакторного дисперсионного анализа
- •5.2.3. Пример составления плана эксперимента и проведения однофакторного дисперсионного анализа
- •5.3. Планирование эксперимента для применения регрессионного анализа
- •5.3.1. Некоторые общие положения регрессионного анализа
- •5.3.2. Составление планов эксперимента для проведения регрессионного анализа
- •5.3.2.1. Составление планов эксперимента для проведения классического регрессионного анализа
- •5.3.2.2. Математическое планирование эксперимента для проведения регрессионного анализа
5.2. Планирование эксперимента для применения дисперсионного анализа
5.2.1. Некоторые общие положения дисперсионного анализа
Дисперсионный анализ - это метод математической статистики, который широко применяется в различных отраслях науки как самостоятельно, так и в сочетании с другими методами.
Суть дисперсионного анализазаключается в сравнении между собой двух или более дисперсий и доказательстве нуль-гипотезы разности этих дисперсий.
При установлении зависимости дисперсионным анализом исходят из следующих соображений.
В эксперименте изменения средних арифметических значений свойства объекта (yv )зависят не только от изменяемых факторовxj(с известными уровнями) , но и от случайных факторов. Поэтому рассеивание (разброс)yv относительно общего среднего арифметического значения (рис. 5), характеризуемое общей дисперсией (), разделяется на составляющие: рассеивание, обусловленное случайными факторами (,,), и рассеивание, обусловленное известными факторами за счет изменения их значений, т.е. перехода с одного уровня на другие (,и др.). Попарное сравнение всех факторных дисперсий () с дисперсией, характеризующей действие случайных факторов, т.е. воспроизводимость эксперимента (), позволяет на основании закона распределения Фишера сделать следующие основные выводы дисперсионного анализа:
Установить или опровергнуть влияние xj наy с заданной вероятностью("влияет", "не влияет" и др.).
Определить вероятность влияния xj наy.
Рис. 5. Поле корреляции величин y и x
Так, например, после проведения эксперимента и математической обработки результатов измерений можно вычислить F-отношение(Fp):
; ; .
Задав вероятность (Р) и вычислив по известным формулам числа степеней свободы для факторной дисперсии fфакт. (f1)и дисперсии воспроизводимостиfвоспр. (f2),из справочных данных выбираем табличное значение квантиля распределения Фишера(Fт). При выполнении неравенстваFP > Fт можно делать вывод, что данный фактор хс вероятностью Р влияет на свойствоy, т.е. "значима" разность между влиянием на свойствоy известного фактора хи случайных факторов. При невыполнении этого неравенства делается вывод об отсутствии влияния фактора хна свойствоy, т.е. это влияние соизмеримо со случайными ошибками эксперимента.
Дисперсионный анализ по сравнению с корреляционным анализом имеет существенные преимущества:
1. Позволяет делать однозначные и более точные выводы о влиянии фактора xjна свойствоy.
2. Позволяет определить влияние на свойство y не только количественных, но и качественных факторов (например, типа растворителя, времени года и др.).
3. Позволяет оценить значение (уровень) фактора xj, при котором он начинает влиять с заданной вероятностью на свойствоy.
Планирование эксперимента для проведения дисперсионного анализа зависит от числа известных факторов, одновременно изменяемых в эксперименте. Различают планы экспериментов для проведения одно-, двух- и многофакторного (трех- и более ) дисперсионного анализа.
5.2.2. Составление планов эксперимента для проведения дисперсионного анализа
Общим требованием к планированию любого эксперимента для проведения дисперсионного анализа является выполнение условия mj > 1.Желательно, чтобы план эксперимента для проведения дисперсионного анализа предусматривал:
1) широкую область изменения значений факторов xj,
2) большое числоmjзначений (уровней) факторовxj, при этом разница между уровнями должна быть больше абсолютной погрешности их измерения.
Остальные требования к составлению плана эксперимента зависят от числа исследуемых факторов и выбранного числа опытов.