2.1 Построение модели плана II порядка
Для построения плана II порядка можно использовать следующую модель:
(2)
Для этого необходимо провести эксперимент так, чтобы каждый фактор варьировался на трех уровнях. Простейшим решением этой задачи является план типа 3k. Реализация этого плана для k>3 требует большого числа опытов.
Для построения модели второго порядка обычно используют ортогональный план первого порядка в качестве ядра, на котором достраивается план второго порядка, поэтому такие планы называются композиционными и соответствуют шаговой идее построения планов.
Для удобства работы с приведенной моделью II порядка, с помощью обозначений (3) преобразуем ее к виду (2):
(3)
(2)
Задача заключается в том, чтобы по результатам наблюдений определить значения коэффициентов bi, дисперсии и доверительные границы для них, а также определить их значимость.
Согласно МНК, для нахождения коэффициентов bi, необходимо минимизировать функцию:
(4)
где N - количество опытов;
xui -значение i-й переменной в u-м опыте;
yu - значение экспериментальных y в u-м опыте;
Из условия минимизации функции ss, можно получить систему нормальных уравнений МНК:
(5)
Представив все результаты в матричной форме, получим:
, , , (6)
где X - матрица условий эксперимента; Y - матрица результатов опытов; B - матрица коэффициентов.
Умножив транспонированную матрицу X на матрицу X, получим матрицу системы нормальных уравнений, которая называется информационной матрицей Фишера (матрицей моментов):
(7)
Умножив транспонированную матрицу X на матрицу Y, получим:
(8)
Используя данные обозначения, систему нормальных уравнений можно записать в матричной форме:
(9)
Обозначая обратную матрицу моментов как:
(10)
получим выражение для матрицы коэффициентов:
(11)
Все статистические свойства коэффициентов линии регрессии определяется матрицей дисперсий ковариаций.
(12)
где cov(bi, bj) - ковариации коэффициентов bi, и bj;
S2(bi) - дисперсия коэффициента bi;
S2(y) - дисперсия опыта.
Дисперсию опыта можно определить по формулам:
(13)
(14)
где m - количество параллельных опытов.
Если параллельные опыты не проводятся, то для оценки дисперсии опыта ставятся эксперименты в центре плана. Тогда дисперсия определяется по формуле:
(15)
где - количество опытов в центре плана.
Так как ядро плана ортогонально, то для сохранения ортогональности композиционного плана необходимо при построении матрицы планирования обеспечить условия:
Величина зависит от фактора и от плеча d:
;
Для k=3 ядро =15, =11/15=0.7303, d=1.2154
- Введение
- 1. Постановка задачи
- 2. Этапы планирования и статической обработки результатов эксперимента для построения модели 2-го порядка
- 2.1 Построение модели плана II порядка
- 2.2 Кодирование факторов
- 2.3 Составление план - матрицы
- 2.4 Проверка воспроизводимости опытов
- 2.5 Расчет коэффициентов регрессии
- 2.6 Определение значимости коэффициентов
- 2.7 Проверка адекватности модели
- 3. Выбор и описание метода условной оптимизации
- 3.1 Выбор метода условной оптимизации
- 3.2 Описание метода условной оптимизации (Фиако-МакКормика)
- 4. Описание программы
- 4.1 Общие сведения
- 4.2 Функциональное назначение
- 4.3 Описание логической структуры программы
- 4.4 Используемые технические средства
- 4.5 Вызов и загрузка
- 4.6 Входные данные
- 4.7 Выходные данные
- 5. Результаты обработки данных эксперимента
- 6. графики зависимости отклика
- 7. кривые равного выхода
- Заключение
- 1.2. Методы математической статистики в прогнозировании
- Математическая статистика.
- Математическая статистика
- [Править] Статистика случайных процессов и временных рядов
- Современное представление о математической статистике
- «Теория вероятностей, математическая статистика и случайные процессы»
- 4. Концепция интегрированных автоматизированных систем
- Математическая статистика.