Вероятностное описание погрешностей измерения, страница 20

.                          

Из данной предполагаемой модели и таблицы 3 можно получить систему из  уравнений

,    ,    (23)

где  – ошибки наблюдений  распределение по нормальному закону с нулевым математическим ожиданием и дисперсиями . Из уравнений (23) необходимо найти оценки коэффициентов регрессии , , . В такой постановке задача (23) совпадает с задачей (18) из раздела 3.3, когда . Для ее решения необходимо составить матрицу плана эксперимента  размера .

Теперь для расчета коэффициентов регрессии можно воспользоваться (8), но существует другой метод вычисления, применяемый для матриц плана эксперимента, значения элементов которых сильно отличаются по абсолютной величине (на несколько порядков) [6,7].

1

-0.40

420.19

1.0

8

425.96

425.96

1.0

15

0.16

404.20

0.7

2

-0.36

423.36

1.0

9

424.67

424.67

1.0

16

0.20

398.51

0.7

3

-0.32

425.23

1.0

10

422.26

422.26

0.9

17

0.24

392.30

0.7

4

-0.28

426.16

1.0

11

419.94

419.94

0.9

18

0.28

385.87

0.7

5

-0.24

427.00

1.0

12

417.42

417.42

0.8

19

0.32

379.00

0.7

6

-0.20

427.46

1.0

13

413.48

413.48

0.8

20

0.36

371.15

0.6

7

-0.16

427.35

1.0

14

408.54

408.54

0.8

21

0.40

363.12

0.6

Таблица 3.

1

– 0.40

   0.1600

– 1.6116

     1.89098

       0.5174

1

– 0.36

   0.1296

– 1.4505

     1.32350

       0.6733

1

– 0.32

   0.1024

– 1.2893

     0.81576

       0.7653

1

– 0.28

   0.0784

– 1.1282

     0.36774

       0.8110

1

– 0.24

   0.0576

– 0.9670

  – 0.02053

       0.8524

1

– 0.20

   0.0400

– 0.8058

  – 0.34908

       0.8750

1

– 0.16

   0.0256

– 0.6447

  – 0.61788

       0.8696

1

– 0.12

   0.0144

– 0.4835

  – 0.82696

       0.8012

1

– 0.08

   0.0064

– 0.3223

  – 0.97629

        0.7378

1

– 0.04

   0.0016

– 0.1612

  – 1.06590

       0.6192

1

0.00

   0.0000

;   

0.0000

  – 1.09576

;   =

       0.5051

1

0.04

   0.0016

0.1612

  – 1.06590

       0.3812

1

0.08

   0.0064

0.3223

  – 0.97629

       0.1874

1

0.12

   0.0144

0.4835

  – 0.82696

    – 0.0556

1

0.16

   0.0256

0.6447

  – 0.61788

    – 0.2690

1

0.20

   0.0400

0.8058

  – 0.34908

    – 0.5489

1

0.24

   0.0576

0.9670

  – 0.02053

    – 0.8543

1

0.28

   0.0784

1.1282

     0.36744

    – 1.1706

1

0.32

   0.1024

1.2893

     0.81576

    – 1.5085

1

0.36

   0.1296

1.4505

     1.32350

    – 1.8946

1

0.40

   0.1600

1.6116

     1.89098

    – 2.2895

Сформируем вспомогательные нормированные матрицу  размера  и вектор  длины . Для этого вычислим выборочные средние значения и дисперсии во всех столбцах матрицы  (кроме первого) и у вектора зависимой переменной :

,         ,        ;

,          ,         ;

,           ,        .

Теперь рассчитаем элементы матрицы  и вектора  по формулам

,          ,

где  и  элементы матрицы и вектора  соответственно, а  и  элементы нормированных матрицы и вектора соответственно. Матрица  и вектор  показаны рядом с матрицей .

Оценки коэффициентов  и  получаются по формулам, [7]:

,                            (24)

где вектор  вспомогательных коэффициентов  и  получается из матричного соотношения, аналогичного (12),

.                      (25)

Сначала рассчитаем матрицу , обратную матрицу  и вектор

;        ;          .  

Теперь из (25) находим , . Подставляя их в (24), получаем искомые оценки коэффициентов  и :

;                  ,        

а оценка свободного члена  получается из следующего уравнения

.                      (26)

Подставляя в (26) значения , и , имеем . Поэтому предполагаемая полиномиальная модель второго порядка имеет вид

.