Математические методы в проектировании изделий электроники кр
.pdfТаким образом,
рег( ) 487,422расч = ад( ) = 8,541 = 57,1.
Таким образом, подставив значение в соотношение расч > кр, получается 57,1 > 4,6. Гипотеза о наличии линейной регрессии между параметрами и откликом принимается.
После того как выполняется проверка статистической значимости регрессионного уравнения в целом, осуществляется проверка на статистическую значимость полученных коэффициентов уравнения регрессии по t-критерию Стьюдента.
Расчетные значения t-критерия Стьюдента |
и |
|
: |
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
а расч |
расч |
|
|
|
|
а расч = |
|
| | |
= |
|17,03| |
= 7,55. |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
( ) |
|
|
|
2,25 |
|
|
|
|
|
|
|
||||
|
|
|
= |
|
| | |
= |
|10,27| |
= 1,1. |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
||||||||||
|
расч |
|
|
( ) |
|
|
|
9,35 |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Оценка коэффициента признается статистически значимой, если |
|||||||||||||||||||
выполняется следующее условие |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
> |
. |
|
|
|
|
|
|
|
||||
|
|
|
|
|
расч |
|
|
|
|
кр |
|
|
|
|
|
|
|
|
|
|
= 2,145. Получается |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
кр |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
а расч |
|
|
|
кр |
|
|
|
|
|
|
|
|||
|
|
|
|
7,55 > 2,145 |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
> |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
расч |
|
|
кр |
|
|
|
|
|
|
|
||||
|
|
|
|
1,1 < 2,145 |
|
|
|
|
|
|
|
||||||||
В данном случае коэффициент |
|
логарифмической функции = |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
расч |
|
|
|
|
|
|
|
||
ln + |
является |
статистически |
|
незначимым. |
|
Таким |
образом, |
соответствующий коэффициент из модели удаляется.
Используя инструмент «Регрессия», включенный в настройку «Анализ данных» программы Microsoft Excel, для модели = ln был получен коэффициент = 19,5 (рисунок 1.7).
11
Рисунок 1.7 – Получение коэффициента для модели = ln
Результаты |
расчетов |
и ∆ |
для = ln |
представлены в |
||||
|
|
|
расч |
|
|
|
|
|
таблице 1.4. |
|
|
|
|
|
|
||
Таблица 1.4 – Результаты расчетов |
и ∆ для = ln |
|
||||||
|
|
|
|
расч |
|
|
|
|
Номер |
|
|
|
Значение |
|
Разность |
||
Значение х |
|
|
|
|
||||
|
|
подсчитанное по |
||||||
опыта |
в эксперименте, |
∆ |
||||||
|
|
модели, |
|
|||||
|
|
|
|
|
|
|
||
|
|
|
|
|
расч |
|
||
1 |
33,4 |
|
71,6 |
|
68,42451 |
|
3,175494 |
|
|
|
|
|
|
|
|
|
|
2 |
37,7 |
|
75,3 |
|
70,7863 |
|
4,513698 |
|
|
|
|
|
|
|
|
|
|
3 |
42 |
|
73 |
|
72,89272 |
|
0,107276 |
|
|
|
|
|
|
|
|
|
|
4 |
46,3 |
|
77,2 |
|
74,79365 |
|
2,406352 |
|
|
|
|
|
|
|
|
|
|
5 |
50,6 |
|
76,2 |
|
76,52563 |
|
-0,32563 |
|
|
|
|
|
|
|
|
|
|
6 |
54,9 |
|
77,4 |
|
78,11626 |
|
-0,71626 |
|
|
|
|
|
|
|
|
|
|
7 |
59,2 |
|
73,5 |
|
79,58689 |
|
-6,08689 |
|
|
|
|
|
|
|
|
|
|
8 |
63,5 |
|
81,8 |
|
80,95435 |
|
0,845652 |
|
|
|
|
|
|
|
|
|
|
9 |
67,8 |
|
79,7 |
|
82,23218 |
|
-2,53218 |
|
|
|
|
|
|
|
|
|
|
10 |
72,1 |
|
82,5 |
|
83,4314 |
|
-0,9314 |
|
|
|
|
|
|
|
|
|
|
11 |
76,4 |
|
85,8 |
|
84,56114 |
|
1,238864 |
|
|
|
|
|
|
|
|
|
|
12 |
80,7 |
|
82,6 |
|
85,629 |
|
-3,029 |
|
|
|
|
|
|
|
|
|
|
13 |
85 |
|
85,5 |
|
86,64141 |
|
-1,14141 |
|
|
|
|
|
|
|
|
|
|
14 |
89,3 |
|
84,7 |
|
87,60384 |
|
-2,90384 |
|
|
|
|
|
|
|
|
|
|
15 |
93,6 |
|
93,6 |
|
88,52101 |
|
5,07899 |
|
|
|
|
|
|
|
|
|
|
16 |
97,9 |
|
90,7 |
|
89,39697 |
|
1,303027 |
|
|
|
|
|
|
|
|
|
12
Значение определяется по следующей формуле:
|
= ∑[ |
|
− ( , , )]2 = ∑(∆ )2 = 129,9. |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
=1 |
|
|
|
|
|
|
|
|
=1 |
||||||
Расчетное значение F-статистики Фишера |
||||||||||||||||
|
|
|
|
|
|
|
= |
рег( ) |
. |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
расч |
|
|
ад( ) |
||||||||
|
|
|
|
|
|
|
|
|
||||||||
Объясненная дисперсия рег( ) |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
638,917 |
|
|
||
|
( ) = ∑[ |
|
|
− ( )]2 / = |
= 638,917. |
|||||||||||
|
|
|
|
|
||||||||||||
рег |
|
расч |
|
|
|
1 |
|
|
||||||||
|
=1 |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Остаточную дисперсию ад( ) |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
129,862 |
|
|
( ) = ∑[ − |
|
]2 |
/ − ( + 1) = |
= 9,276. |
||||||||||||
|
|
|||||||||||||||
ад |
|
|
расч |
|
|
14 |
|
|||||||||
|
=1 |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
рег( ) |
= |
638,917 |
= 68,9. |
|
||||||||
|
|
|
|
|
||||||||||||
|
расч |
|
ад |
( ) |
9,276 |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
||||||||
Таким |
образом, |
подставив |
значение в соотношение расч > кр, |
получается 68,9 > 4,6. Гипотеза о наличии линейной регрессии между параметрами и откликом принимается.
Расчетные значения t-критерия Стьюдента
а расч = |
| | |
= |
|19,5| |
= 109,95. |
|||
|
|
|
|||||
|
|
( ) 0,177 |
|
|
|||
Поскольку |
> |
|
, |
где |
|
= 2,145, то статистическая |
|
а расч |
кр |
|
|
кр |
|
значимость коэффициента регрессии подтверждается.
Для адекватной модели рассчитывается характеристика точности, такая как средняя относительная ошибка (в процентах):
|
1 |
|
| |
− |
| |
|
∆= |
|
∑ |
расч |
|
|
∙ 100% = 2,838 %. |
|
|
|
|
|||
|
|
|
|
|
||
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
13
В среднем, расчетные значения отклоняются от фактических на 2,838 %. Поскольку ошибка меньше 5 %, то данное уравнение можно использовать в качестве регрессии.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, > |
|
|
|
|
|
|
|
|
||||
Показательная модель: = |
|
|
|
|
|
|
|
|
||||||||||||||||||
С точки зрения метода наименьших квадратов данная функция |
||||||||||||||||||||||||||
является |
наилучшей. |
|
Прологарифмировав |
показательную |
функцию |
|||||||||||||||||||||
= , > 0, |
получается |
|
ln = + ln . |
|
Введя |
обозначения |
||||||||||||||||||||
= ln и = ln , функция приобретает следующий вид: = + . |
||||||||||||||||||||||||||
Уравнение |
= + |
является |
|
уравнением |
прямой |
линии. |
||||||||||||||||||||
Коэффициенты и рассчитываются по следующим формулам |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
∑ |
− ∑ |
|
|
∑ |
|
|
|
|
|
|
|
|||||||
|
|
|
|
= |
|
=1 |
|
|
=1 |
|
|
=1 |
|
; |
|
|
|
|
|
|
||||||
|
|
|
|
∑ |
|
2 − |
(∑ |
|
)2 |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
∑ |
|
2 ∑ |
|
|
− ∑ |
|
∑ |
|
|
|
|
|
||||||||
|
|
|
= |
|
=1 |
|
|
=1 |
|
|
=1 |
|
|
=1 |
|
. |
|
|
|
|||||||
|
|
|
|
|
|
|
∑ |
|
2 − |
(∑ |
|
)2 |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|||
В качестве значения |
будут приниматься значения ln |
( = 1, … , ). |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Совокупность ( = 1, … , ) используется без изменения. |
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
и ∆ для = , > 0 представлены в |
|||||||||||||||
Результаты расчетов |
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
расч |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
таблице 1.5. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Таблица 1.5 – Результаты расчетов |
|
и ∆ для = , > 0 |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
расч |
|
|
|
|
|
|
|
|
|
|
|
|
|
Номер |
|
|
|
|
|
|
|
|
|
|
|
|
Значение |
|
|
|
|
|
|
Разность |
||||||
|
Значение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
подсчитанное по |
|
|||||||||||
опыта |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∆ |
|||||||||
|
|
|
|
в эксперименте, |
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
модели, |
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
расч |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1 |
|
33,4 |
|
|
|
|
|
|
71,6 |
|
|
|
|
|
|
|
71,7983905 |
|
0,19839054 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
2 |
|
37,7 |
|
|
|
|
|
|
75,3 |
|
|
|
|
|
|
|
72,8973749 |
|
2,40262506 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
3 |
|
42 |
|
|
|
|
|
|
|
73 |
|
|
|
|
|
|
|
74,013181 |
|
-1,013181 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
4 |
|
46,3 |
|
|
|
|
|
|
77,2 |
|
|
|
|
|
|
|
75,1460661 |
|
2,05393386 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
5 |
|
50,6 |
|
|
|
|
|
|
76,2 |
|
|
|
|
|
|
|
76,2962918 |
|
-0,0962918 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
6 |
|
54,9 |
|
|
|
|
|
|
77,4 |
|
|
|
|
|
|
|
77,4641235 |
|
-0,0641235 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
7 |
|
59,2 |
|
|
|
|
|
|
73,5 |
|
|
|
|
|
|
|
78,6498306 |
|
-5,1498306 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
8 |
|
63,5 |
|
|
|
|
|
|
81,8 |
|
|
|
|
|
|
|
79,8536868 |
|
1,94631317 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
9 |
|
67,8 |
|
|
|
|
|
|
79,7 |
|
|
|
|
|
|
|
81,0759699 |
|
-1,3759699 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
10 |
|
72,1 |
|
|
|
|
|
|
82,5 |
|
|
|
|
|
|
|
82,3169619 |
|
0,18303814 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
14 |
Продолжение таблицы 1.5
11 |
76,4 |
85,8 |
83,5769491 |
2,22305089 |
|
|
|
|
|
12 |
80,7 |
82,6 |
84,8562224 |
-2,2562224 |
|
|
|
|
|
13 |
85 |
85,5 |
86,1550769 |
-0,6550769 |
|
|
|
|
|
14 |
89,3 |
84,7 |
87,4738124 |
-2,7738124 |
|
|
|
|
|
15 |
93,6 |
93,6 |
88,8127332 |
4,78726684 |
|
|
|
|
|
16 |
97,9 |
90,7 |
90,1721482 |
0,52785185 |
|
|
|
|
|
Значение определяется по следующей формуле:
= ∑[ − ( , , )]2 |
= ∑(∆ )2 |
= 84,7. |
|
||
|
|
|
|
|
|
=1 |
|
=1 |
|
|
|
Диаграмма разброса |
(корреляционное |
поле) |
параметров и с |
||
|
|
|
|
|
|
показательной функцией = , > 0 представлена на рисунке 1.8.
Рисунок 1.8 – Диаграмма разброса параметров и с показательной функцией = , > 0
Используя инструмент «Регрессия», включенный в настройку «Анализ данных» программы Microsoft Excel, для функции = , > 0 были получены эмпирические коэффициенты: = 0,0035; = 4,156 (рисунок 1.9).
15
Рисунок 1.9 – Получение эмпирических коэффициентов и
Коэффициент определяется из рисунка 1.9, а коэффициент
|
|
|
|
|
|
= = 4,156 = 63,8. |
|
|
|
|
||||||||||||||
Расчетное значение F-статистики Фишера |
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
= |
|
рег( ) |
. |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
расч |
|
|
|
|
ад( ) |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Объясненная дисперсия рег( ) |
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
∑ |
[ |
− ( )]2 |
509,953 |
|
|
|||||||||||||||
|
|
( ) = |
=1 |
|
расч |
|
|
|
|
|
|
= |
|
|
|
|
|
= 509,942. |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
рег |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Остаточную дисперсию ад( ) |
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
∑ |
[ − |
|
|
]2 |
|
|
|
|
|
|
|
|
84,658 |
|
|||||||
|
( ) = |
|
=1 |
|
|
|
расч |
|
|
|
− ( + 1) |
= |
|
|
|
= 6,047. |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
ад |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
14 |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Таким образом, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
= |
рег( ) |
= |
509,942 |
|
= 84,3. |
|
||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
расч |
|
|
ад( ) |
6,047 |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Таким |
|
образом, |
подставив |
|
значение |
в |
|
соотношение расч > кр, |
получается 84,3 > 4,6. Гипотеза о наличии линейной регрессии между параметрами и откликом принимается.
16
Расчетные значения t-критерия Стьюдента а расч и расч:
а расч |
= |
| | |
|
= |
|0,0035| |
= 9,28. |
|||
( ) |
0,00038 |
||||||||
|
|
|
|
||||||
|
= |
| | |
= |
|4,156| |
= 159,3. |
||||
|
|
|
|||||||
расч |
|
( ) |
|
0,026 |
|
|
|||
|
|
|
|
|
Оценка коэффициента признается статистически значимой, если выполняется следующее условие
расч > кр.
кр = 2,145. Получается
а расч > кр
9,28 > 2,145
расч > кр
159,3 > 2,145
Для адекватной модели рассчитывается характеристика точности, такая как средняя относительная ошибка (в процентах):
|
1 |
|
| |
− |
| |
|
∆= |
|
∑ |
расч |
|
|
∙ 100% = 2,132 %. |
|
|
|
|
|||
|
|
|
|
|
||
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
В среднем, расчетные значения отклоняются от фактических на 2,132 %. Поскольку ошибка меньше 5 %, то данное уравнение можно использовать в качестве регрессии.
Вывод:
По результатам однофакторного пассивного эксперимента были выбраны три элементарные функции (линейная, логарифмическая и показательная), которые описывали зависимость между и . Лучше всего поведение описывает показательная модель = 63,8 ∙ 0,0035∙, так как она имеет наименьшую относительную ошибку ∆ = 2,132 % и согласно методу наименьших квадратов выполняется условие = = 84,7.
17
Задание №2. Получение математической модели по результатам многофакторного пассивного эксперимента
Цель задания:
Сгенерировать на ЭВМ результаты опытов многофакторного эксперимента и получить математическую модель РЭУ с помощью прикладных программ для ЭВМ.
Решение:
Результаты многофакторного эксперимента, сгенерированные с помощью ЭВМ, представлены на рисунке 2.1.
Рисунок 2.1 – Результаты многофакторного эксперимента, сгенерированные с помощью ЭВМ
18
Используя инструмент «Регрессия», включенный в настройку «Анализ данных» программы Microsoft Excel, для линейного полинома первой степени
= 0 + 1 1 + + =
= 0 + ∑ = 0 + 1 1 + 2 2 + 3 3 + 4 4 + 5 5,
=1
были получены коэффициенты 0, 1, 2, 3, 4, 5 (рисунок 2.2).
Рисунок 2.2 – Получение коэффициентов 0, 1, 2, 3, 4, 5 для линейной полиномы первой степени = 0 + 1 1 + 2 2 + 3 3 + 4 4 + 5 5
Значения коэффициентов регрессии и результаты проверки их статистической значимости, полученные при реализации процедуры пошагового регрессионного анализа, представлены в таблице 2.1.
Таблица 2.1 – Значения коэффициентов регрессии и результаты проверки их статической значимости
|
Точечная |
Критерий Стьюдента |
Решение о |
||
Коэффициент |
расчетное |
критическое |
статистической |
||
оценка |
|||||
модели |
значение, |
(табличное) |
значимости |
||
коэффициента |
|||||
|
| расч| |
значение, кр |
коэффициента |
||
|
|
||||
0 |
−34,89 |
0,22 |
2,0639 |
не значим |
|
1 |
4,81 |
1,16 |
2,0639 |
не значим |
|
2 |
−0,265 |
0,53 |
2,0639 |
не значим |
|
3 |
−1,02 |
0,97 |
2,0639 |
не значим |
|
4 |
−3,01 |
1,01 |
2,0639 |
не значим |
|
5 |
2,02 |
4,29 |
2,0639 |
значим |
Оценка коэффициента признается статистически значимой, если выполняется условие расч > кр. Из таблицы 2.1 видно, что значимым
19
является только пятый коэффициент модели. Таким образом, математический вид уравнения регрессии, полученного после выполнения первого шага регрессионного анализа и содержащего только слагаемые со статистически значимыми коэффициентами:
= 2,02 5.
Заключение о статистической значимости линейного полинома экспериментальным данным принимают с помощью F-статистики Фишера по формуле:
ад( )расч = ( ) ,
где ад( ) − дисперсия адекватности отклика , характеризует расхождение между результатами опыта и расчетными значениями , полученными по построенной модели (конечному виду полиномы);
( ) − полная (общая) дисперсия отклика, характеризует разброс экспериментальных значений относительно среднего значения отклика.
Дисперсии ад( ) и ( ) подсчитываются по формулам
|
|
|
|
|
|
|
( ) = ∑[ − |
|
]2 / − ; |
|
ад |
|
расч |
|
|
|
=1 |
|
|
|
|
|
|
|
|
( ) = ∑[ − |
( )]2 / − 1, |
||
|
|
|
|
|
|
|
=1 |
|
|
где |
− экспериментальное значение отклика в i-м опыте ( = 1, 2, … , ); |
|||
|
|
|
|
|
− значение , рассчитанное по построенной модели для i-го опыта;
− число опытов эксперимента;
− число значимых коэффициентов в построенной модели;
( ) − оченка математического ожидания отклика (среднее значение), подсчитанное по результатам всех опытов.
Дисперсия адекватности ад( ) можно рассчитать по формуле:
|
|
|
|
222313,2657 |
|
|
|
( ) = ∑[ − |
]2 / − = |
= 7939,759. |
|||
|
||||||
ад |
|
расч |
29 |
|
=1
20