Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Проверка адекватности математического описания по опытным данным представляет собой оценку отклонения предсказанной по полученному уравнению регрессии величины отклика системы от результатов наблюдений Y в одних и тех же точках факторного пространства. Рассеяние результатов наблюдений вблизи уравнения регрессии, оценивающего истинную функцию отклика, можно охарактеризовать с помощью дисперсии адекватности:
,
где – значение отклика системы, усредненное по множеству параллельных опытов, на g-тое сочетание управляющих факторов; – значение отклика, вычисленное по полученной функции регрессии.
Функция статистики для оценки адекватности определяется как отношение оценки дисперсии адекватности к оценке дисперсии воспроизводимости:
Критическое значение статистики определяется с помощью следующего соотношения:
,
где , .
Гипотеза об адекватности функции регрессии экспериментальным данным считается подтвержденной, если выполняется неравенство:
.
Если гипотеза об адекватности отвергнута, то рекомендуется:
перейти к более сложной форме математического описания или
уменьшить интервал варьирования факторов до 10%-60% от первоначального.
Однако, уменьшение интервала варьирования приводит к снижению отношения сигнал/шум, что влечет за собой увеличение числа параллельных опытов.
D-ОПТИМАЛЬНЫЕ ЭКСПЕРИМЕНТАЛЬНЫЕ ПЛАНЫ
План , минимизирующий определитель ковариационной матрицы оценок коэффициентов регрессии на множестве всех возможных планов P в области , называется D-оптимальным:
.
D-оптимальный план минимизирует объем доверительного эллипсоида на множестве всех допустимых планов .
Алгоритм построения D-оптимального плана не является композиционным, т.е. для каждого числа экспериментов N необходимо строить новую матрицу плана F, так как не удается использовать ранее вычисленные матрицы для других объемов экспериментов. Вычисление точного D-оптимального плана имеет сложный алгоритм и требует использования численных методов. Приближенные D-оптимальные планы строят с помощью более простого алгоритма на основе последовательных процедур. Такой алгоритм имеет следующие этапы:
Выбирают невырожденный начальный план , соответствующий N экспериментам, то есть множеству {X1,X2,…,XN} точек факторного пространства, образующих план экспериментов.
Координаты новой точки плана находят из соотношения: , где - множество допустимых значений точек факторного пространства, r(X) – вектор регрессоров.
Матрицу плана F дополняют новой строкой, соответствующей новой точке плана : .
Алгоритм построения плана завершают, если выполняется условие: , в противном случае продолжают наращивание матрицы плана в соответствии с двумя предыдущими этапами. - заданная величина допустимого отличия создаваемого плана от точного, , где d – число оцениваемых коэффициентов регрессии.
Правило останова в приведенном алгоритме можно определить на основе анализа точности получаемого результата, т.е. по заданным величинам доверительной вероятности и дисперсии коэффициентов регрессии - .
D – оптимальный план является реализацией одного из возможных критериев оптимальности, кроме него находят применение следующие виды планов:
А - оптимальный план, минимизирующий среднюю дисперсию оценок коэффициентов.
Е - оптимальный план, минимизирующий максимальное собственное число ковариационной матрицы оценок.
G – оптимальный план, обеспечивающий наименьшую величину максимальной дисперсии.
MV - оптимальный план, минимизирующий максимальный диагональный элемент ковариационной матрицы оценок.
Дата публикования: 2014-11-02; Прочитано: 1516 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!