-
Построение плана матрицы.
В данной курсовой работе используется дробный факторный эксперимент, т.к. полный факторный эксперимент обладает большой избыточностью опытов и проводится в том случае, если мало варьируемых факторов.
При составлении матрицы планирования дробного факторного эксперимента новому фактору присваивается вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренебречь.
Тогда матрица планирования дробного факторного эксперимента 24-1 будет иметь вид:
Матрица планирования дробного факторного эксперимента 24-1
Номер точки плана |
Факторы |
Значение параметра оптимизации |
|||
Х1 |
Х2 |
Х3 |
Х4(Х1Х2Х3) |
||
1 |
– |
– |
– |
– |
0,12 |
2 |
+ |
– |
– |
+ |
0,07 |
3 |
– |
+ |
– |
+ |
0,2 |
4 |
+ |
+ |
– |
– |
0,17 |
5 |
– |
– |
+ |
+ |
0,14 |
6 |
+ |
– |
+ |
– |
0,11 |
7 |
– |
+ |
+ |
– |
0,23 |
8 |
+ |
+ |
+ |
+ |
0,2 |
-
Расчет линейной модели.
Записываем уравнение процесса в виде:
Y=b0+b1x1+b2x2+b3x3+…+b1..kx1..xk (1)
Вычислим коэффициенты линейной модели по следующей формуле:
bj = . (2)
Коэффициент b0 есть среднее арифметическое значение параметра оптимизации. Среднее арифметическое значение параметра оптимизации:
= (y1 + y2 + y3 + . . . + yn) / n = (3)
где уi - результаты экспериментов, n - количество опытов в серии.
Проведем расчеты, получим следующие коэффициенты: b0=0,155, b1= -0,0175, b2=0,045, b3=0,015, b4= -0,0025.
Тогда уравнение процесса запишется в виде:
Y=0,155 – 0,0175х1 + 0,045х2 + 0,015х3 – 0,0025х4.
Определим ошибку опыта. Для этого необходимо вычислить некоторые величины.
Дисперсия - среднее значение квадрата отклонений величины от ее среднего значения:
, (4)
где (n-1) - число степеней свободы, равное количеству параллельных опытов минус единица.
Дисперсия имеет следующие значения: S21=0,000049, S22=0,000144, S23=0,000256, S24=0,000144, S25=0,000256, S26=0,0001, S27=0,000196, S28=0,000256.
Квадратичная ошибка или стандарт:
. (5)
Стандарт имеет следующие значения: S1=0,007, S2=0,012, S3=0,016, S4=0,012, S5=0,016, S6=0,01, S7=0,014, S8=0,016.
Для определения ошибок опыта используем критерий Стьюдента:
, (6)
где t – табличное значение критерия Стьюдента.
Учитывая, что t=4,3, запишем неравенство .
Полученные дисперсии проверяем на однородность с помощью критерия Фишера. Для этого найдем отношение большей дисперсии к меньшей и полученную величину сравним с табличной. В нашем случае табличное значение критерия Фишера равно 19,2.
Равенство верное, значит дисперсии однородны.
Рассчитаем дисперсию параметра оптимизации по формуле:
, (7)
где fi =n-1 –число степеней свободы в i-м опыте.
Число степеней свободы дисперсии параметра оптимизации принимается равной сумме чисел степеней свободы дисперсий из которых она вычислена.
Тогда дисперсия параметра оптимизации: S2y=0,0001766.
3. Оценка адекватности модели.
После построения модели необходимо провести проверку ее адекватности.
С этой целью вычисляем дисперсию адекватности по формуле:
, (8)
где - значение параметра оптимизации полученное по линейной модели.
Значения параметра оптимизации:
1=0,115, 3=0,2, 5=0,14, 7=0,235,
2=0,075, 4=0,17, 6=0,11, 8=0,195.
Число степеней свободы вычисляется по следующей формуле:
f=N-(k+1), (9)
где N – число серий опытов, k - количество факторов.
Получим, f=8-(4+1)=3.
Подставив полученные значения в формулу (8), получим значение дисперсии адекватности S2ад=0,0000333.
Для проверки адекватности модели используется Ф-критерий Фишера, который определяется следующей формулой:
F = Sад2 / . (10)
Расчетное значение критерия Фишера F=0,189, табличное значение F=3.
0,189<3
Равенство верно, значит модель адекватна.
Проверим значимость каждого коэффициента. Для этого рассчитаем дисперсию коэффициента регрессии по формуле:
S2{bj} = Sy2 / N. (11)
S2{bj} =0,000022
На основе полученной дисперсии коэффициентов регрессии строим доверительный интервал по формуле:
bj = tS{bj}, (12)
где S{bj} - квадратичная ошибка коэффициента регрессии; t - табличное значение критерия Стьюдента.
bj =2,07*0,0047=0,0097
Коэффициент является значимым, если его абсолютная величина больше доверительного интервала. Коэффициент b4 не является значимым, т.к. |-0,0025|<0,0097.