Методы обработки ЭД. Методы обработки экспериментальных данных
 Скачать 5.37 Mb.
|
Адаптивное управление при априорной неопределенностиАдаптацией природа наделила все живое. Она представляет собой приспособление к различным изменениям. Эти изменения происходят как внутри живого организма, так и во внешней среде. Свойством адаптации человек наделил и созданные им устройства. Управление в этих устройствах осуществляется таким образом, чтобы как можно быстрее и лучше нейтрализовать влияние непредвиденных изменений или приспособиться к ним. ВОПРОСЫ ?ДИСПЕРСИОННЫЙ АНАЛИЗПостановка проблемыДисперсионный анализ является статистическим методом анализа результатов наблюдений, зависящих от различных одновременно действующих факторов, с целью выбора наиболее значимых факторов и оценки их влияния на исследуемый процесс. Методами дисперсионного анализа устанавливается наличие влияния заданного фактора на изучаемый процесс (на выходную переменную процесса) за счёт статистической обработки наблюдаемой совокупности выборочных данных. Предположим, что анализируется влияние на случайную величину X фактора A, изучаемого на k уровнях (A1, A2,…, Ak). На каждом уровне Ai проведены n наблюдений (xi1, xi2,…,xin) случайной величины X.
Расположим эксперимен-тальные данные в виде таблицы Рассмотрим оценки различных дисперсий, возникающие при анализе таблицы результатов наблюдений. Для оценки дисперсии, характеризующей изменение данных на уровне Ai (по строкам таблицы), имеем: Из предпосылок дисперсионного анализа следует, что должно иметь место равенство всех дисперсий. При выполнении этого условия находим оценку дисперсии, характеризующей рассеяние значений xij вне влияния фактора A, по формуле: Если , то влияние A – значимо. Сравниваем и устанавливаем наличие влияния фактора A. Для упрощения вычислений приведем алгоритм их выполнения. Вычисляем последовательно суммы: Рассмотренный ранее однофакторный дисперси-онный анализ обладает информативностью, не большей, чем методы множественного сравнения средних. Информативность дисперсионного анализа возрастает при одновременном изучении влияния нескольких факторов. Рассмотрим случай, когда анализируется влияние одновременно двух факторов A и B. Пусть результаты эксперимента представлены таблицей:
Если , то влияние фактора A признается значимым. Дисперсионный анализ для двухфакторных таблиц проводится в следующей последовательности. Вычисляются суммы: Далее находятся оценки дисперсий: Если , то влияние фактора B признается значимым. Для оценки влияния взаимодействия факторов AB вычисляем дополнительную сумму: Приведенный анализ предполагает независимость факторов A и B. Если они зависимы, то взаимодействие факторов C=AB также является фактором, которому соответствует своя дисперсия. Для того чтобы выделить такое взаимодействие, необходимы параллельные наблюдения в каждой клетке таблицы, т.е. при каждом сочетании факторов A и B на уровнях Ai и Bj соответственно необходимо не одно наблюдение, а серия наблюдений. Далее анализ проводится, как и ранее, с той лишь разницей, что в клетках таблицы вместо отдельных значений используется их средние значения. Вычисляется оценка дисперсии и проверяется значимость взаимодействия факторов: Дисперсионный анализ тесно связан с соответствующим планированием эксперимента. Удачно спланированный эксперимент, выявляя все необходимые эффекты, оказывается всегда либо более точным, либо менее трудоемким по сравнению с непродуманным экспериментом. Если на результат эксперимента действуют одновременно несколько факторов, то наилучший эффект дает одновременный дисперсионный анализ всех этих факторов (многофакторный анализ). Методы дисперсионного анализа позволяют исследовать и такой случай, когда некоторые сочетания уровней пропущены. Такой эксперимент называется дробным факторным экспериментом (ДФЭ). Планирование при ДФЭ приобретает особо важную роль, ибо пропущенные сочетания уровней не так-то просто нейтрализовать. Такие способы планирования существуют и притом не единственные; согласно Фишеру их называют латинскими квадратами. Эти расположения приводятся в специальных справочниках; для примера приведен один вид такого квадрата:
Схема расчетов для латинского квадрата очень похожа на обычный двухфакторный анализ: Находим сумму квадратов по столбцам, деленную на число наблюдений в столбце: Находим сумму квадратов итогов по строкам, деленную на число наблюдений в строке: Находим квадрат общего итога, деленный на число всех наблюдений: Находим сумму квадратов итогов по уровням фактора C, деленную на число уровней: Перейдем теперь к вычислению и оценке значимости дисперсий: Если отличие будет значимым, то Если отличие будет значимым, то |