Курсовая работа: Построение неполной квадратичной регрессионной модели по результатам полного факторного эксперимента
Коэффициенты уравнения регрессии (6) рассчитываются по зависимости:
(7)
где u - номер опыта; - кодированные значения уровней
варьируемых факторов /независимых переменных X1(Al), X2(Mn),
X3(С) / (табл. 3); - средние арифметические значения
функции отклика (интенсивности изнашивания) (табл. 4).
Распишем уравнение (7) для всех коэффициентов, входящих в регрессионную
модель (6):
(8)
Для расчета коэффициентов регрессии составим расширенную матрицу
планирования (табл. 5).
Таблица 5
Расширенная матрица плана 23
Номер
опыта
|
Х0
|
Х1
|
Х2
|
Х3
|
Х4 = Х1
Х2
|
Х5 = Х1
Х3
|
Х6= Х2
Х3
|
Х7 = Х1
Х2 Х3
|
, г/см2
|
1 |
+1 |
-1 |
-1 |
-1 |
+1 |
+1 |
+1 |
-1 |
97,3 |
2 |
+1 |
+1 |
-1 |
-1 |
-1 |
-1 |
+1 |
+1 |
127,6 |
3 |
+1 |
-1 |
+1 |
-1 |
-1 |
+1 |
-1 |
+1 |
153,7 |
4 |
+1 |
+1 |
+1 |
-1 |
+1 |
-1 |
-1 |
-1 |
71,9 |
5 |
+1 |
-1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
113,7 |
6 |
+1 |
+1 |
-1 |
+1 |
-1 |
+1 |
-1 |
-1 |
91,8 |
7 |
+1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
-1 |
127,1 |
8 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
112,2 |
Рассчитаем коэффициенты в уравнении регрессии (6) по зависимостям
(8) с учетом знаков Хi в столбцах табл. 5:
Таким образом, получены следующие значения коэффициентов уравнения
регрессии:
b0 = 111,9; b12
= b4 = -13,14;
b1 = -11,03; b13
= b5 = 1,83;
b2 = 34,5; b23
= b6 = 4,13;
b3 = -0,7125; b123
= b7 = 14,89.
Если ввести обозначения b12 = b4; b13
= b5; b23 = b6; b123 = b7
и учесть обозначения, принятые в табл. 5, регрессионное уравнение (6) запишется
в виде:
y = b0 + b1X1
+ b2X2 + b3X3 + b4X4
+ b5X5 + b6X6 + b7X7.
(9)
5.
Проверка статистической значимости
коэффициентов регрессии
Коэффициенты регрессии, рассчитанные по уравнению (7), строго
говоря, определены не точно, а с некоторой погрешностью. Мерой этой погрешности
является дисперсия оценок коэффициентов. Неизбежное наличие погрешности
в определении коэффициентов регрессии обусловлено колебаниями значений функции
отклика при дублировании экспериментов в каждом опыте. С учетом этого уравнение
(7) можно записать в следующем виде: Очевидно, что при достаточно
малых значениях коэффициентов bi абсолютная погрешность их
определения 2×Dbi,
обусловленная погрешностью определения значений функции отклика, может оказаться
недопустимо большой. В этом случае значение коэффициента следует признать
статистически незначимым, а сам коэффициент исключить из регрессионной модели.
Статистическая незначимость коэффициента означает отсутствие его влияния на
исследуемый процесс.
Поскольку дублирование экспериментов равномерное, дисперсию оценок
коэффициентов уравнения регрессии можно рассчитать по зависимости:
, (10)
где nu – количество дублей в каждом опыте (nu
= 3); N – количество опытов (N = 8); - средняя дисперсия эксперимента.
Если ряд дисперсий однороден, средняя дисперсия эксперимента рассчитывается
по уравнению:
, (11)
где - значения построчных дисперсий
(табл. 4).
Если ряд дисперсий неоднороден (значения функции отклика в разных
опытах определены с различной точностью), но в результатах измерений значений
функции отклика отсутствуют грубые ошибки и промахи, в качестве средней
дисперсии эксперимента принимается максимальная построчная дисперсия. В
соответствии с данными табл. 4 максимальная построчная дисперсия получена в
первом опыте: . Ее значение и принимаем как среднюю
дисперсию эксперимента:. Тогда дисперсия оценок
коэффициентов регрессии равна
Среднеквадратичная ошибка оценки коэффициентов регрессии
определяется как:
Страницы: 1, 2, 3, 4, 5, 6, 7
|