2.7.3 Получение модели статики при активном эксперименте
Активный
эксперимент проводится по заранее составленному плану при этом одновременно
варьируются все  , что дает возможность сохранить число
опытов по сравнению с пассивным. Каждому активному эксперименту соответствует
вид регрессии.
, что дает возможность сохранить число
опытов по сравнению с пассивным. Каждому активному эксперименту соответствует
вид регрессии. 
Для получения линейных уравнений регрессии применяются ортогональный метод первого порядка (симплекс планирование, дробный и т.д.).
Для получения нелинейных уравнений регрессии применяется ортогональный план второго порядка, центральные композиционные планы, рототабельные методы, -оплимальные планы и др.
А) Полный факторный эксперимент (ПФЭ).
В
данном эксперименте переменные  принимают два значения, при этом
реализуется  всевозможные комбинации из
 принимают два значения, при этом
реализуется  всевозможные комбинации из  переменных
на двух уровнях, то такой эксперимент называется ПФЭ.
 переменных
на двух уровнях, то такой эксперимент называется ПФЭ.
 .
.
Пример: предположим, что для некоторого объекта изучается влияние трех переменных:
 (температура)
 (температура)
 (давление)
 (давление)
 (время пребывание)
 (время пребывание)
Выходной параметр — выход конечного продукта  .
.
 
 

Среднее значение:

Интервал варьирования:

Применение переменные  в безразмерный масштаб:
 в безразмерный масштаб:

 .
.
Количество опытов:

Составим матрицу:
Таблица 2.3
| № | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 1 | 100 | 2 | 10 | -1 | -1 | -1 | 2 | 
| 2 | 200 | 2 | 10 | +1 | -1 | -1 | 6 | 
| 3 | 100 | 4 | 10 | -1 | +1 | -1 | 4 | 
| 4 | 200 | 4 | 10 | +1 | +1 | -1 | 8 | 
| 5 | 100 | 2 | 30 | -1 | -1 | +1 | 10 | 
| 6 | 200 | 2 | 30 | +1 | -1 | +1 | 18 | 
| 7 | 100 | 4 | 30 | -1 | +1 | +1 | 8 | 
| 8 | 200 | 4 | 30 | +1 | +1 | +1 | 12 | 
Перепишем Таблицу 2.3, введя  в неё столбец фиксированной
переменной  .
.  
Таблица 2.4
| № | 
 | 
 | 
 | 
 | 
 | 
| 1 | +1 | -1 | -1 | -1 | 2 | 
| 2 | +1 | +1 | -1 | -1 | 6 | 
| 3 | +1 | -1 | +1 | -1 | 4 | 
| 4 | +1 | +1 | +1 | -1 | 8 | 
| 5 | +1 | -1 | -1 | +1 | 10 | 
| 6 | +1 | +1 | -1 | +1 | 18 | 
| 7 | +1 | -1 | +1 | +1 | 8 | 
| 8 | +1 | +1 | +1 | +1 | 12 | 

где уравнение 3. Представляет собой сумму скалярных произведений двух любых векторов-столбцов матрицы ПФЭ равных 0. Данное свойство называется свойством ортогональности.
По плану ПФЭ можно получить следующие уравнения регрессии:

В данном уравнении максимальный эффект взаимодействия равен числу переменных.
Коэффициенты уравнения 2.7.32 определяются по методу наименьших квадратов:

 (см. формулу 2.7.16) с учетом свойств
 (см. формулу 2.7.16) с учетом свойств  примет вид:
 примет вид:








Пример:


Вычисленный алгоритм методом ПФЭ содержит три обязательных проверки:
1) На воспроизводительность опытов эксперимента;
2) 
На значимость коэффициентов  ,
, ,
,   ;
;
3) На адекватность уравнения вида 2.7.32 на экстремальных данных.
1. 
 Каждый опыт повторяется -раз  ; по результатам  опытов вычисляется
среднее значение :
; по результатам  опытов вычисляется
среднее значение :


Составляется следующие соотношение:

где   — максимальная дисперсия, рассчитанная по формуле
2.7.36.
 — максимальная дисперсия, рассчитанная по формуле
2.7.36.

где   — табличное значение критерия Кохрена, которое
выбирается из таблиц распределения Кохрена
 — табличное значение критерия Кохрена, которое
выбирается из таблиц распределения Кохрена   и
 и  — числа степеней свободы
 — числа степеней свободы  и
 и  .
.
Если 2.7.38
выполняется, то ПФЭ считается воспроизводимым и его данные считаются
достоверными. Причина невоспроводимости может быть малое число опытов  . Если ПФЭ
воспроизводим, то можно определить дисперсию вопроизводимости:
. Если ПФЭ
воспроизводим, то можно определить дисперсию вопроизводимости:

2. 
Проверка на значимость  ,
, ,
,  
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.