4. Статистическая обработка эксперимента
4.1. Оценивание дисперсии эксперимента.
Определяются величины строчных дисперсий:
,
где m - кратность дублирования;
i - номер опыта;
j - номер j-го дубля в i-том опыте.
Результаты записываются в расширенную матрицу эксперимента.
4.2 Дисперсия эксперимента:
,
где N - число опытов в эксперименте.
4.3 Проверка постоянства дисперсии воспроизводимости.
При равномерном дублировании производится по критерию Кохрена:
где – максимальная дисперсия в одном из опытов;
– табличное значение критерия Кохрена;
f = m-1 – число степеней свободы этого критерия.
В данном случае:
,
где - критерий Кохрена при уровне значимости α = 5% [3].
Следовательно, ряд дисперсий воспроизводим и первая предпосылка регрессионного анализа выполняется.
4.4 Абсолютная и относительная погрешности эксперимента
Абсолютная погрешность эксперимента находится как доверительная оценка истинного значения случайной величины при неизвестной точности измерений:%
где - значение критерия Стьюдента при доверительно вероятности р = 0,95% и числе степеней свободы . Следует учитывать, что этот критерий двухсторонний и поэтому α = 0,5q, где q = 1-р. По [3] t(2,5; 16) = 2,1199. Поэтому:
.
Относительная погрешность эксперимента равна:
,
где - среднее значение отклика в эксперименте.
,
4.5. Оценка коэффициентов регрессии и свободного члена
Благодаря ортогональности плана ДФЭ оценивание коэффициентов регрессии существенно упрощается, т.к. нет необходимости решать систему нормальных уравнений МНК. Каждый коэффициент регрессии находится по своей формуле2
,
где – номер опыта;
– номера факторов ( ).
,
В результате получается функция регрессии в кодированных значениях факторов:
(3)
Проверка правильности вычислений подстановкой кодированных значений факторов из расширенной матрицы плана эксперимента п 1-й опыт:
что соответствует отклику первого опыта, равного 70.
4.6 Декодирование модели
Связь между кодированными Хi и натуральными значениями факторов xi
выражается соотношением:
,
где хi0 - нулевой уровень по таблице кодирования факторов;
Δi - интервал варьирования i - го фактора.
Раскрывая скобки и группируя члены, находим уравнение регрессии в натуральных значениях факторов:
4.6 Проверка значимости коэффициентов регрессии
Для отсеивания не значимых аi с некоторой вероятностью р используется t-критерий Стьюдента. Если
то данный коэффициент регрессии значим. Здесь , а –дисперсия i-го коэффициента регрессии. Дисперсия оценивается по формуле:
где xij – j-е значение i-го фактора. Этот критерий является односторонним.
Дисперсии оценок коэффициентов регрессии (3):
;
;
;
;
;
.
Критерии Стьюдента для коэффициентов регрессии:
; ; ; ; ; ;
По [3] при f1 = 16 и α = 0,5 t16,5% = 1,7459. Т.о. все коэффициенты регрессии значимы. Следовательно, все введенные в эксперимент факторы являются существенно влияющими на отклик.
Расчетные значения отклика по (4):
у1 = 70 у2 = 26,667 у3 = 62,333 у4 = 53,333 у5 = 66,333 у6 = 21,667
у7 = 44,667 у8 = 31 у9 = 47.
Из сравнения с видно, что наибольшее расхождение с опытами плана имеется в 6-м опыте. Оно равно 0,33, т.е. относительное отклонение от экспериментального значения отклика составляет:
Но отклонение от отклика в центре плана больше: – 1,67. Поэтому тре-
буется проверка адекватности линейной модели.
4.7 Проверка адекватности линейной модели
При выборе формы уравнения регрессии была принята в качестве первого приближения линейная зависимость. Теперь следует проверить, насколько правильным было это предположение. Проверка выполняется сравнением дисперсии неадекватности с дисперсией эксперимента. Следовательно, нужно
проверить гипотезу:
Для проверки используется критерий Фишера:
,
где ν1– число степеней свободы дисперсии неадекватности
ν1 = mN – (d+1);
ν2 – число степеней свободы дисперсии эксперимента
ν2 = N(m – 1).
Этот критерий является односторонним.
При равномерном дублировании опытов
,
где – расчетное по уравнению регрессии значение отклика в і-том опыте.
d - число значимых коэффициентов регрессии.
.
,
где величина найдена по таблицам [3]. Очевидно, что линейная аппроксимация адекватна.
4.8 Определение точности регрессионной модели
Производится так же, как и точности эксперимента, но вместо дисперсии эксперимента используется дисперсия неадекватности.
Абсолютная погрешность определения отклика по регрессионной модели:
где - значение критерия Стьюдента при уровне значимости α и числе степеней свободы при равномерном дублировании .
Следует учитывать, что этот критерий двухсторонний и поэтому α = 0,5q, где q = 1– р.
,
где = 1,655 [3].
Относительная погрешность определения отклика по регрессионной модели равна:
,
где = среднее значение отклика по регрессионной модели.
Видно, что точность регрессионной модели практически не отличается от точности эксперимента. Данное снижение точности объясняется дополнительными погрешностями аппроксимации. Следовательно, адекватность линейной модели подтверждена.