MODELIRKURS (Математическое моделирование при активном эксперименте), страница 5
Описание файла
Документ из архива "Математическое моделирование при активном эксперименте", который расположен в категории "". Всё это находится в предмете "остальные рефераты" из , которые можно найти в файловом архиве . Не смотря на прямую связь этого архива с , его также можно найти и в других разделах. Архив можно найти в разделе "рефераты, доклады и презентации", в предмете "остальные рефераты" в общих файлах.
Онлайн просмотр документа "MODELIRKURS"
Текст 5 страницы из документа "MODELIRKURS"
Воспользуемся результатами Примера 1 и положим в качестве генерирующего соотношения равениство x1 = x2x3 (т.к. b23 = 0). Тогда матрица планирования и результаты эксперимента (опуская промежуточные данные) будут выглядеть так
g | x0 | x1 | x2 | x3 | S2g |
| ||
1 | + | + | - | - | 17,34 | 2,228 | 17,41 | 0,0049 |
2 | + | - | + | - | 10,72 | 1,387 | 10,77 | 0,0025 |
3 | + | - | - | + | 13,70 | 0,950 | 13,65 | 0,0025 |
4 | + | + | + | + | 14,58 | 4,227 | 14,53 | 0,0025 |
Проверим воспроизводимость опытов
откуда следует, что результаты опытов получены правильно, дисперсия строчных выборок равна S2{y} = 8,792 / 4 = 2,198 с числом степеней свободы v3 = 4·4 = 16.
Оценки коэффициентов уравнения регрессии
| ; |
|
аналогично b2 = -1,44; b3 = 0,05.
Проверка значимости полученных оценок начинается с определения их СКО
откуда
| ; |
| ; |
|
Табличные значения критерия tкр(5%;16) = 2,131, следовательно, модель найдена в виде
= 14,09 + 1,88x1 - 1,44x2.
Проверка адекватности модели дает
, откуда | , |
т.е. модель признается адекватной экспериментальным данным.
Сравнение моделей примера 1 и примера 2 показывает, что они имеют совершенно разный вид, а по некоторым факторам - противоположные по смыслу оценки коэффициентов. Отсюда можно сделать несколько общих выводов и рекомендаций (без подробного обоснования), пригодных для использования в рамках теории планирования экспериментов:
-
по одним и тем же экспериментальным данным можно построить несколько математических моделей, каждая из которых будет адекватна для своего набора оценок коэффициентов регрессии;
-
из всех моделей наилучшей признается та, у которой меньше членов и меньше критерий Фишера (или, если угодно, меньше дисперсия адекватности);
-
при большом числе факторов работу по математическому моделированию следует начинать с ДФЭ возможно большей дробности. Если модель получилась неадекватной, ее всегда можно достроить до следующей реплики вплоть до ПФЭ. Это сэкономит количество опытов, время, затраты и т.п.
Заключение.
Применение описанных выше методов математического моделирования полностью оправдало себя в условиях с небольшим числом факторов. Но при очень большом числе факторов и привлечение их к составлению математического описания исследуемого объекта методами ПФЭ или ДФЭ может потребовать увеличения объема экспериментальной работы, что редко может выполняться из-за экономических, технологических и прочих ограничений. Таким образом, возникает необходимость в предварительном отсеивании несущественных и выделении тех факторов процесса, которые оказывают наиболее заметное влияние на целевую функцию. Другим существенным затруднением для применения ПФЭ или ДФЭ в производственных условиях является метод получения оценок коэффициентов регрессии. Оценки вида (11) считаются оптимальными в смысле эффективности (минимума дисперсии), поскольку их вычисление базируется на методе наименьших квадратов, однако предварительным условием такой оптимальности являются требования независимости факторов, ортогональности и симметричности плана эксперимента, а также требование равенства дисперсий условных распределений плотности вероятности f(y/xk). В свою очередь симметричность плана требует равного количества наблюдений, соответствующих положительным и отрицательным значениям k-го фактора.
На практике в производственных условиях требования симметричности плана и равенства дисперсий условных распределений плотности вероятности f(y/xk) эксперимента, как правило, нарушаются, особенно в случаях, когда исследователь пытается построить модель по результатам, зафиксированными для случайной системы комбинаций производственных факторов. При этом всегда имеется выбор: либо нарушить одно из требований факторного анализа, либо потерять часть информации, пытаясь выбрать из нее только то, что согласуется с правилами ведения ПФЭ (ДФЭ).
19