Табличное значение при и равно 0,842. Поскольку гипотеза о нормальном распределении не отвергается. Это первое условие возможности проведения регрессионного анализа.
Проведем проверку гипотезы об однородности дисперсий в опытах матрицы. Так как число повторных опытов () одинаково для всех опытов матрицы, то для проверки однородности дисперсий применяется критерий Кочрена, расчетное значение которого:
. (3.8)
Расчетное значение сравнивается с табличным значением , которое определяется в зависимости от числа опытов в матрице и числа степеней свободы дисперсии для заданной доверительной вероятности.
В рассматриваемом случае , . Т.к. , то гипотеза об однородности дисперсий, т.е. равноточности и воспроизводимости опытов не отвергается.
Определим среднюю дисперсию выходного параметра в опытах матрицы. Средняя дисперсия определяется по формуле (3.9).
. (3.9)
Число степеней свободы этой дисперсии равно:
. (3.9)
В результате расчетов получаем ; .
Средняя дисперсия (дисперсия воспроизводимости) характеризует средний разброс значений выходного параметра относительно его средних значений при каждом уровне факторов, т.е. ошибку опытов в эксперименте.
Определим подходящий вид регрессионной модели графическим методом. Для этого построим график зависимости среднего значения выходного параметра от значения фактора (рисунок 3.2).
Рисунок 3.2 – График экспериментальной зависимости
По виду полученного графика выбираем линейный вид регрессионной модели. В этом случае для описания экспериментальных данных можно условно принять уравнение прямой линии:
. (3.10)
где .
Определим значения коэффициентов регрессии по формулам:
; (3.10)
. (3.11)
В результате расчета получаем следующие коэффициенты линейной регрессии: ; . Уравнение регрессии будет иметь вид:
. (3.12)
Определим адекватность полученной регрессионной модели используя критерий Фишера, расчетное значение которого определяется по формуле 3.13.
, (3.13)
где – средняя дисперсия или дисперсия воспроизводимости, определяемая по формуле (3.9);
– дисперсия, характеризующая рассеивание средних экспериментальных значений относительно прямой линии, определяемой по формуле (3.10).
Дисперсия характеризует точность аппроксимации зависимости прямой линии и определяется по следующей формуле:
, (3.13)
Число степеней свободы этой дисперсии . Расчетное значение сравнивают с табличным значением критерия Фишера , которое определяют для заданной доверительной вероятности и числе степеней свободы дисперсий и . Если , то гипотеза об адекватности линейного уравнения опытным данным не отвергается.
В результате расчетов получаем: , ; . Находим табличное значение критерия Фишера при ; ; .
Т.к. , то гипотеза об адекватности полученного линейного уравнения экспериментальным данным не отвергается.
Определим значимость коэффициентов регрессии и их доверительные интервалы. Для оценки значимости коэффициентов регрессии используется критерий Стьюдента, расчетное значение которого определяется по формуле (3.14).
(3.14)
где – оценка среднего квадратического отклонения коэффициента регрессии .
Для оценки дисперсий коэффициентов регрессии и в уравнении (3.10) используются следующие формулы:
(3.15)
(3.16)
В формулы (3.15) и (3.16) входит дисперсия , которая является сводной оценкой дисперсии случайной величины выходного параметра. Эта дисперсия определяется по следующей формуле:
(3.17)
Число степеней свободы этой дисперсии
(3.18)
В результате расчета, получаем:
- сводная дисперсия случайной величины: ;
- число степеней свободы сводной дисперсии: ;
- дисперсии коэффициентов регрессии , ;
- расчетные значения критерия Стьюдента: , .
Табличное значение критерия Стьюдента при и . Поскольку и , полученные коэффициенты регрессии значимы и, следовательно, и связь между и значима.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.