Статистические методы планирования эксперимента

Автор работы: Пользователь скрыл имя, 03 Июня 2013 в 15:27, курсовая работа

Описание работы

Целью работы является изучение методов планирования экспериментов для получения неполных степенных математических моделей статики сложных объектов, а также процедуры применения метода случайного баланса, предназначенного для выделения наиболее существенных входных переменных среди большого числа линейных факторов и их парных взаимодействий в многофакторном объекте.

Файлы: 1 файл

Курсовая.docx

— 206.11 Кб (Скачать файл)

 

Медианы, величины вкладов  и оценка коэффициента b17

слева

231,3

224,9

231,3

справа

218,6

224,9

218,6

вклад

-12,7

0,0

-12,7

n

0

2

5



 

Матрица планирования для парного взаимодействия z2z3:

 

z2

z3

z2z3

yср

1

-1

-1

1

83,6

2

1

-1

-1

248,3

3

-1

1

-1

186,8

4

1

-1

-1

263,1

5

-1

1

-1

205,1

6

1

1

1

479,9

7

1

1

1

175,5

8

1

1

1

350,2

9

-1

-1

1

328,6

10

1

1

1

390,2

11

1

1

1

231,3

12

-1

1

-1

216,0

13

1

-1

-1

265,1

14

1

-1

-1

167,3

15

-1

1

-1

158,3

16

-1

-1

1

218,6


 

Медианы, величины вкладов  и оценка коэффициента b23

слева

205,1

248,3

210,5

справа

263,1

216,0

279,9

вклад

58,0

-32,4

69,4

n

5

4

0


Матрица планирования для парного  взаимодействия z4z8:

z4

z8

z4z8

Y=Y1+Y2

-1

-1

1

118,6

-1

-1

1

210,8

-1

1

-1

222,7

-1

-1

1

109,6

1

-1

-1

161,9

-1

1

-1

140,5

1

1

1

132,6

1

-1

-1

127,1

1

-1

-1

201,8

-1

1

-1

163,4

-1

-1

1

150,5

1

1

1

105,6

1

1

1

170,4

1

-1

-1

190,6

-1

1

-1

91,2

1

1

1

138,0


 

Медианы, величины вкладов  и оценка коэффициента b48:

слева

162,6

справа

135,3

вклад

-27,3

   

b48

-13,66


 

 


2.7 Математическая модель

 

В результате проведения эксперимента и обработки данных были выявлены следующие значимые оценки коэффициентов:

b0

247,9594

b2

73,35938

b3

51,16563

b5

48,17


 

Математическая модель будет имеет вид:

y=245,9594 + 73,359* z2 + 51,1656* z3 + 48,17 * z5

 

2.8 Проверка адекватности математического описания

 

z1

z2

z3

z5

z1z7

z2z3

z2z7

Ymod

-1

-1

-1

-1

1

1

1

75,2625

1

1

-1

1

1

-1

1

318,325

1

-1

1

-1

-1

-1

1

177,5938

-1

1

-1

1

1

-1

-1

318,325

-1

-1

1

-1

-1

-1

-1

177,5938

-1

1

1

1

-1

1

1

420,6563

-1

1

1

1

1

1

-1

420,6563

1

1

1

-1

-1

1

-1

324,3125

-1

-1

-1

1

-1

1

-1

171,6063

1

1

1

1

-1

1

-1

420,6563

-1

1

1

-1

-1

1

1

324,3125

1

-1

1

-1

1

-1

-1

177,5938

-1

1

-1

1

1

-1

-1

318,325

1

1

-1

-1

-1

-1

-1

221,9813

-1

-1

1

-1

-1

-1

-1

177,5938

1

-1

-1

1

1

1

-1

171,6063


 

s2вос= 247,9593

Дисперсия адекватности определяется аналогично ПФЭ:

Так как  > s2вос, поэтому используем формулу:

Fтабл1 = 12;ν 2 = 16,q = 0,05) = 2,42.


Гипотезу  об адекватности  отвергают, т.к. F>Fтабл, следовательно необходимо переходить к более сложной форме математического описания либо, если это возможно, проводить эксперимент с меньшим интервалом варьирования Dхi.

 

3 ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СТАТИКИ СЛОЖНОГО ОБЪЕКТА МЕТОДОМ ПОЛНОГО ФАКТОРНОГО ЭКСПЕРИМЕНТА

 

Полным факторным экспериментом (ПФЭ) называется эксперимент, реализующий все возможные неповторяющиеся комбинации уровней п независимых управляемых факторов, каждый из которых варьируют на двух уровнях [4]. Число этих комбинаций N = 2n определяет тип ПФЭ.

Процесс нахождения модели (идентификации) методом  ПФЭ состоит из: 1) планирования эксперимента; 2) проведения эксперимента на объекте  исследования; 3) проверки воспроизводимости (однородности выборочных дисперсий  эксперимента; 4) получения математической модели объекта с проверкой статистической значимости оценок выборочных коэффициентов регрессии; 5) проверки адекватности математического описания.

 

 

3.1 Составление матрицы планирования

g

z0

z2

z3

z5

z2z3

z3z5

z2z5

z2z3z5

1

1

-1

-1

-1

1

1

1

-1

2

1

1

-1

-1

-1

1

-1

1

3

1

-1

1

-1

-1

-1

1

1

4

1

1

1

-1

1

-1

-1

-1

5

1

-1

-1

1

1

-1

-1

1

6

1

1

-1

1

-1

-1

1

-1

7

1

-1

1

1

-1

1

-1

-1

8

1

1

1

1

1

1

1

1



3.2    Проведение эксперимента  на объекте исследования


       Так как изменение отклика y носит случайный характер, то в каждой точке приходится проводить т=5 параллельных опытов и результаты наблюдений yg1, yg2, ..., ygm усреднять:

 

3.3 Проверка воспроизводимости эксперимента

Это есть не что иное, как проверка выполнения второй предпосылки регрессионного анализа об однородности выборочных дисперсий  .

Так как все оценки дисперсий  получены по выборкам одинакового объема т = 5, то число степеней свободы для всех них одинаково и составляет

n1вос = m – 1=4

 

Для проверки гипотезы об однородности оценок дисперсий следует пользоваться критерием Koxpэнa.

Эмпирическое значение G=0,18

Критическое значение, найденное по таблице для n1вос = 4 и n2вос = 8 и выбранного уровня значимости qвос = 0,05 равно Gкр =0,39.

Т.к. G< Gкр, то гипотеза об однородности выборочных дисперсий отвечает результатам наблюдений. При этом всю группу выборочных дисперсий можно считать оценками для одной и той же генеральной дисперсии s2{у} воспроизводимости эксперимента, откуда наилучшая ее оценка имеет вид

=11,08

с числом степеней свободы


nвос = N(m – 1)=32

 

                     

3.4 Получение математической модели объекта

     

При ПФЭ получаются независимые  оценки b0, bi, bil соответствующих коэффициентов модели b0, bi, bil, т.е. b0 ® b0, bi ® bi, bil ® bil.

В нашем случае получим:

 

b0

b2

b3

b5

b23

b35

b25

b235

45,6

13,5

30,24

10,75

8,298

11,2875

0,5725

0,9025


 

После определения оценок b коэффициентов регрессии проверим гипотезы об их значимости, т.е. соответствующие нуль-гипотезы b = 0. Проверку таких гипотез производят с помощью критерия Стьюдента.

Если  найденная величина параметра ti превышает значение tкр, определенное для числа степеней свободы nзн = N(m – 1)=32, при заданном уровне значимости qзн (обычно qзн = 0,05), то проверяемую нуль-гипотезу Н0: b = 0 отвергают и соответствующую оценку bi коэффициента признают значимой.  
В нашем случае:

Информация о работе Статистические методы планирования эксперимента