Проведение регрессивного и дисперсионного анализа

Автор работы: Пользователь скрыл имя, 08 Ноября 2012 в 13:48, курсовая работа

Краткое описание

Цель курсовой работы – определение максимального значения выходной величины исследуемого процесса при минимизации издержек исследований.

Содержание

Введение………………………………………………………………….…….4
Задание……………………………………………………………………….…5
1 Проверка гипотез о равенстве систематических погрешностей……….....6
2 Минимизация издержек исследований………………………………...…...13
3 Определение максимального значения выходной величины
исследуемого процесса…………………………..………………………..…...16
Заключение…………………………………………………………………..…77
Список использованных источников………………………………………....78
Приложение А Таблица А.1 – Программа для генерации стратегий проведения экспериментов, разработанная в среде Microsoft Visual Basic……………………………………………………………………………...79
Приложение Б Таблица Б.1 – Критерий Кохрена Ктабл при α=0,95…80
Приложение В Таблица В.1 – Значения критерия Стьюдента (t-критерия) при различной доверительной вероятности (α) для различного числа измерений (u)………………………………………………………….………….81
Приложение Г Таблица Г.1 – Критерий Фишера при доверительной
вероятности α = 0,9563……………………………………………………………...82

Вложенные файлы: 1 файл

111.docx

— 631.96 Кб (Скачать файл)

3.13.5 Проводим обработку  результатов экспериментов и  проверка данной  регрессионной  модели на адекватность.

    3.13.5.1 Определяем  среднее значение в каждой  точке плана  по формуле:

 

где m – количество параллельных опытов .

Результаты занесем в таблицу 3.66

   3.8.5.2 Определение дисперсии полученных экспериментальных данных, относительно усредненного значения

Результаты занесем в таблицу 3.66

Таблица 3.66 – Средние значения в каждой точке плана и дисперсии полученных экспериментальных данных , относительно усредненного значения

y ср

s^2(Y)

8,296667

0,053333

8,623333

0,093333

8,433333

0,093333

8,323333

0,093333

8,733333

0,093333

8,75

0,04

8,6

0,04

8,92

0,12


 

3.13.5.3 Определение достоверности полученных данных. Воспользуемся критерием Кохрена, согласно этому критерию определяется однородность дисперсий экспериментальных данных, если дисперсия результатов эксперимента неоднородна, значит, в эксперименте допущены грубые промахи, либо не учтен какой-то влияющий фактор.            

0,0191489

Выбираем табличное значение при , где доверительная вероятность; ; , где - число значимых коэффициентов (Приложение 2).

Сравнивая полученное значение с табличным , получим, что . Отсюда следует дисперсия экспериментальных данных однородна.

   3.13.5.4 Определение дисперсии воспроизводимости всего плана эксперимента:

0,078333..

   3.13.5.5 Определение дисперсии ошибки в определении коэффициентов:    

0,05713

     3.13.5.6 Определение  оценок коэффициентов:

Таблица 3.67 – Оценки коэффициентов для шестого дробного факторного эксперимента

A0

8,585

A1

0,069167

A2

-0,01667

A3

0,015

A4

-0,01583

A5

0,0925

A6

0,165833


3.13.5.7 Определение статистической  значимости оценок коэффициентов  регрессионной зависимости по  критерию Стьюдента: 

 

Таблица 3.68 – Расчетные значения .

 

150,2701

 

1,210679

 

0,29173

 

0,262557

 

0,277143

 

1,619101

 

2,902713


 

        Если  – значит этот коэффициент незначимый и исключается из математической модели (где – табличное значение коэффициента Стьюдента, - расчетное значение коэффициента Стьюдента)

Принимая доверительную  вероятность равной и число опытов 8, табличное значение коэффициента Стьюдента будет равным 2,36 (Приложение 3).

Таким образом, исходя из этого  условия, значимыми остались следующие  коэффициенты:.

3.13.6 Проверка регрессионной  зависимости на адекватность

    3.13.6.1 Таким образом,  регрессионная зависимость примет  вид:

=

Необходимо определить  теоретических значения в каждой точке плана по регрессионной зависимости.

 Определим теоретическое  значение в каждой точке плана. 

Таблица 3.69  – Теоретические значения , разность между средним значением и теоретическим значением в каждой точке плана

y

(y - yср)^2

8,419167

0,015006

8,419167

0,041684

8,419167

0,000201

8,419167

0,009184

8,750833

0,000306

8,750833

0,00000

8,750833

0,022751

8,750833

0,028617


 

3.13.6.2 Определяем дисперсию адекватности математической модели по формуле: 

 

 

= 0,050464

    3.13.6.3 Определяем  адекватность модели по критерию Фишера

Математическая модель будет  адекватна, если будет выполнено  условие , где - теоретическое значение критерия Фишера, - расчетное значение критерия Фишера.

0,644225;

       По таблице  значений критерия Фишера при  доверительной вероятности Q1=N=8, Q2=N-l=8-2=6, где l - число значимых факторов определяем, что (Приложение 4). Мы видим, что   , следовательно можно сделать вывод, что модель адекватна. Необходимо осуществить переход к новой базовой точке.

3.14 Проводим восьмой дробный  факторный эксперимент

3.14.1 Вводится шаг варьирования  ,для k-того фактора, причем


Таблица 3.70 – Значения оценок коэффициентов восьмого дробного факторного эксперимента

A1

0,069167

A2

-0,01667

A3

0,015

A4

-0,01583

A5

0,0925

A6

0,165833


 

Выбираем наибольшую оценку коэффициентов из таблицы 3.70:

.

Выбираем значение соответствующей оценки коэффициентов:

=0,06.

Значение  таким образом, чтобы выполнялось условие :

= 0,059.

3.14.2 Рассчитываем нормированный шаг:

                      λ=5,929648.


3.14.3 Рассчитываем шаги в естественных координатах для остальных факторов:

.

Таблица 3.71 – Шаги в естественных координатах для восьмого  дробного факторного эксперимента

λ1

0,024608

λ2

-0,00593

λ3

0,005337

λ4

-0,00563

λ5

0,03291

λ 6

0,059


 

3.14.4 Определяем координаты новых базовых точек:

,

где  – старая базовая точка;

– новая базовая точка.

Таблица 3.72 – Значения координат новых базовых точек для восьмого дробного факторного эксперимента

 

X1

X2

X3

X4

X5

X6

базовая

0,392972

0,191916

0,408268

0,209783

0,340441

0,538246

новая база

0,41758

0,185986

0,413605

0,20415

0,373351

0,597246


 

Таблица 3.73 – План восьмого дробного факторного эксперимента

Х1

Х2

Х3

Х4

Х5

Х6

Y1

Y2

Y3

1

0,35758

0,245986

0,473605

0,14415

0,313351

0,537246

8,32

8,72

8,72

2

0,47758

0,125986

0,353605

0,14415

0,433351

0,537246

9,12

8,92

8,72

3

0,35758

0,125986

0,473605

0,26415

0,433351

0,537246

8,36

8,96

8,76

4

0,47758

0,245986

0,353605

0,26415

0,313351

0,537246

8,46

8,86

8,66

5

0,35758

0,245986

0,353605

0,14415

0,433351

0,657246

8,6

9

9,2

6

0,47758

0,125986

0,473605

0,14415

0,313351

0,657246

8,52

8,92

9,12

7

0,35758

0,125986

0,353605

0,26415

0,313351

0,657246

8,83

8,43

9,03

8

0,47758

0,245986

0,473605

0,26415

0,433351

0,657246

9,08

9,08

8,68


 

3.14.5 Проводим обработку результатов экспериментов и проверка данной  регрессионной модели на адекватность.

    3.14.5.1 Определяем среднее значение в каждой точке плана по формуле:

 

где m – количество параллельных опытов .

Результаты занесем в таблицу 3.74.

   3.8.5.2 Определение дисперсии полученных экспериментальных данных, относительно усредненного значения

Результаты занесем в таблицу 3.74.

Таблица 3.74 – Средние значения в каждой точке плана и дисперсии полученных экспериментальных данных , относительно усредненного значения

y ср

s^2(Y)

8,586667

0,053333

8,92

0,04

8,693333

0,093333

8,66

0,04

8,933333

0,093333

8,853333

0,093333

8,763333

0,093333

8,946667

0,053333


 

   3.14.5.3 Определение достоверности полученных данных. Воспользуемся критерием Кохрена, согласно этому критерию определяется однородность дисперсий экспериментальных данных, если дисперсия результатов эксперимента неоднородна, значит, в эксперименте допущены грубые промахи, либо не учтен какой-то влияющий фактор.            

 

0,166667.

Выбираем табличное значение при , где доверительная вероятность; ; , где - число значимых коэффициентов (Приложение 2).

Сравнивая полученное значение с табличным , получим, что . Отсюда следует дисперсия экспериментальных данных однородна.

   3.14.5.4 Определение дисперсии воспроизводимости всего плана эксперимента:

0,07.

   3.14.5.5 Определение дисперсии ошибки в определении коэффициентов:    

0,054006.

     3.14.5.6 Определение оценок коэффициентов:

Таблица 3.75– Оценки коэффициентов для двенадцатого дробного факторного эксперимента

A0

8,794583

A1

0,050417

A2

-0,01292

A3

-0,02458

A4

-0,02875

A5

0,07875

A6

0,079583


 

   3.14.5.7 Определение статистической значимости оценок коэффициентов регрессионной зависимости по критерию Стьюдента:

 

Таблица 3.76 – Расчетные значения .

 

162,844

 

0,933535

 

0,23917

 

0,455195

 

0,532347

 

1,458167

 

1,473597


 

        Если  – значит этот коэффициент незначимый и исключается из математической модели (где – табличное значение коэффициента Стьюдента, - расчетное значение коэффициента Стьюдента)

Принимая доверительную  вероятность равной и число опытов 8, табличное значение коэффициента Стьюдента будет равным 2,36 (Приложение 3).

Таким образом, исходя из этого  условия, значимыми остались следующие  коэффициенты:.

3.8.6 Проверка регрессионной  зависимости на адекватность

    3.8.6.1 Таким образом,  регрессионная зависимость примет  вид:

 

Необходимо определить  теоретических значения в каждой точке плана по регрессионной зависимости.

    Определим теоретическое  значение в каждой точке плана. 

Таблица 3.77  – Теоретические значения , разность между средним значением и теоретическим значением в каждой точке плана

y

(y - yср)^2

8,715

0,016469

8,715

0,042025

8,715

0,000469

8,715

0,003025

8,874167

0,003501

8,874167

0,000434

8,874167

0,012284

8,874167

0,005256


   3.14.6.2 Определяем дисперсию  адекватности математической модели  по формуле: 

 

= 0,031299

    3.8.6.3 Определяем  адекватность модели по критерию  Фишера

Математическая модель будет  адекватна, если будет выполнено  условие , где - теоретическое значение критерия Фишера, - расчетное значение критерия Фишера.

0,447128;

       По таблице  значений критерия Фишера при  доверительной вероятности Q1=N=8, Q2=N-l=8-1=7, где l - число значимых факторов определяем, что (Приложение 4). Мы видим, что   (1,1778<3,6), следовательно можно сделать вывод, что модель адекватна.

Информация о работе Проведение регрессивного и дисперсионного анализа