Главная страница
Навигация по странице:

  • Продолжение прил. 2

  • эксперимент. введение. Учебное пособие Белгород 2020


    Скачать 0.95 Mb.
    НазваниеУчебное пособие Белгород 2020
    Анкорэксперимент
    Дата01.11.2021
    Размер0.95 Mb.
    Формат файлаpdf
    Имя файлавведение.pdf
    ТипУчебное пособие
    #261065
    страница4 из 7
    1   2   3   4   5   6   7
    Продолжение прил. 2
    Таблица 2
    Матрица плана первого порядка типа 2 2
    и результаты опытов
    № опыта x
    0
    x
    1
    x
    2
    Выходные параметры
    Производительность y
    Q
    , мм/мин
    Износ электрода y
    γ
    , %
    1
    +
    +
    +
    9 67 2
    +

    +
    21 59 3
    +
    +

    31 31 4
    +


    59 23
    Таблица 3
    Результаты опытов в центре плана
    № опыта x
    0
    x
    1
    x
    2
    y
    Q
    y
    γ
    1
    +
    0 0
    21,3 41,5 2
    +
    0 0
    23,5 38,2 3
    +
    0 0
    19,8 40,1 4
    +
    0 0
    16,4 43,3 5
    +
    0 0
    19 37
    Таблица 4
    Результаты опытов в «звёздных» точках плана
    № опыта x
    0
    x
    1
    x
    2
    x
    1 2 x
    2 2 y
    Q
    y
    γ
    1
    +
    +1,41 0
    2 0
    17,9 45,64 2
    +
    −1,41 0
    2 0
    46,1 34,36 3
    +
    0
    +1,41 0
    2 6,85 75,38 4
    +
    0
    −1,41 0
    2 49,15 24,62
    Для графоаналитических исследований поверхности отклика принять ограничительный параметр по износу электрода-инструмента 50%.
    Принять достоверность статистической оценки результатов эксперимента 95%.
    3. Задачи эксперимента и работы
    3.1. Обработать результаты эксперимента первого порядка типа 2 2
    для обеих выходных параметров Q и γ, в том числе: а) Вычислить коэффициенты линейного уравнения регрессии вида
    y=b
    0
    +b
    1
    x
    1
    + b
    2
    x
    2
    ; б) Определить значимость коэффициентов; в) Проверить адекватность математической модели.
    3.2. Обработать результаты опытов центрального композиционного рототабельного униформ-планирования второго порядка для выходных параметров, в т.ч.:

    43
    Продолжение прил. 2 а) составить полный план эксперимента и уравнение регрессии в общем виде; б) вычислить коэффициенты квадратичной математической модели; в) определить значимость коэффициентов уравнения регрессии и уточнить исходную модель; г) проверить адекватность математической модели; д) раскодировать уравнение регрессии.
    3.3. Используя графоаналитический метод двумерных совмещённых сечений поверхностей отклика [2], найти наибольшее и наименьшее значение производительности процесса электроэрозионной прошивки отверстий и соответствующие им режимы обработки, при которых износ электрода-инструмента составляет 50%.
    3.4. Используя компьютерную программу Math CAD и полученные квадратичные математические модели построить трёхмерные графики зависимости Q=F
    1
    (Э,f); γ=F
    2
    (Э,f). На графиках выделить факторное пространство. По виду графиков сделать выводы, в т.ч.: а) наличие экстремумов функций в факторном пространстве и за его пределами; б) выделить точки наибольших и наименьших значений выходных параметров в факторном пространстве в) выделить точки экстремумов на поверхности отклика

    44
    Продолжение прил. 2
    Основная часть
    1. Обработка результатов эксперимента первого порядка
    В соответствии с заданием на первом этапе исследования был поставлен полный факторный эксперимент типа 2 2
    . Уровни факторов и интервалы их варьирования даны в табл.1. Матрица плана эксперимента и результаты измерений выходных параметров y
    Q
    и y
    γ
    в соответствии с условиями задачи (табл.2) представлены ниже в табл.5.
    Таблица 5
    № опыта x
    0
    x
    1
    x
    2
    y
    Q
    y
    γ
    1
    +
    +
    +
    9 67 2
    +

    +
    21 59 3
    +
    +

    31 31 4
    +


    59 23
    В качестве математической модели выбираем линейное уравнение регрессии вида: y=b
    0
    +b
    1
    x
    1
    +b
    2
    x
    2
    Определяем коэффициенты уравнения регрессии для параметра y
    Q
    :
    𝑏
    0
    =
    1
    𝑁

    𝑦
    𝑗
    𝑁
    𝑗=1
    =
    1 4
    (9 + 21 + 31 + 59) = 30
    𝑏
    1
    =
    1
    𝑁

    𝑥
    1𝑗
    ∙ 𝑦
    𝑗
    𝑁
    𝑗=1
    =
    1 4
    (9 − 21 + 31 − 59) = −10
    𝑏
    2
    =
    1
    𝑁

    𝑥
    2𝑗
    ∙ 𝑦
    𝑗
    𝑁
    𝑗=1
    =
    1 4
    (9 + 21 − 31 − 59) = −15
    После подстановки значений коэффициентов уравнение регрессии y
    Q
    приобретает вид: y
    Q
    =30-10x
    1
    -15x
    2
    .
    Для определения значимости коэффициентов используем результаты пяти параллельных опытов в центре плана (см. табл.3 исходных данных).
    При этом необходимые расчеты производим в следующей последовательности:
    1) определяем среднеарифметическое значение параметра
    𝑦
    𝑄
    ̅̅̅ =
    1
    𝑛
    0

    𝑦
    𝑄
    𝑢
    𝑛
    0
    𝑢=1
    =
    1 5
    (21,3 + 23,5 + 19,8 + 16,4 + 19) = 20;
    Где n
    0
    =5 – число параллельных опытов в центре плана;
    𝑦
    𝑄
    𝑢
    - значение выходных параметров в u – том параллельном опыте.
    2) определяем дисперсию
    𝜎
    2
    {𝑦
    𝑄
    } выходного параметра y
    Q
    :
    𝜎
    2
    {𝑦
    𝑄
    } =
    1
    𝑛
    0
    −1

    (𝑦
    𝑄
    𝑢
    − 𝑦
    𝑄
    ̅̅̅)
    2
    𝑛
    0
    𝑢=1
    =
    =
    1 5 − 1
    [(21,3 − 20)
    2
    + (23,5 − 20)
    2
    + (19,8 − 20)
    2
    + (16,4 − 20)
    2
    + (19 − 20)
    2
    ] = 6,985 3) определяем среднеквадратичную ошибку в определении коэффициентов уравнения регрессии для y
    Q
    :
    𝜎{𝑏
    𝑖
    } = +√
    𝜎
    2
    {𝑦
    𝑄
    }
    𝑁
    = +√
    6,985 4
    = 1,32;

    45
    Продолжение прил. 2 где N=4 – число основных опытов (число строк матрицы ПФЭ 2 2
    - см. табл.2)
    4) Определяем доверительный интервал коэффициентов уравнения регрессии для y
    Q
    :
    ∆𝑏
    𝑖
    = ±𝑡 ∙ 𝜎{𝑏
    𝑖
    } = ±2,78 ∙ 1,32 = 3,67 где t=2,78 – табличное значение t – критерия Стьюдента при 5%- ном уровне значимости и числе степеней свободы, с которым определялась дисперсия выходного параметра y
    Q
    : f=n
    0
    -1=5-1=4;
    (см. прил.3)
    5) так как коэффициенты b
    0
    ,b
    1
    ,b
    2
    по абсолютной величине больше доверительного интервала
    ∆𝑏
    𝑖
    = 3,67, то все они являются статистически значимыми.
    Для проверки адекватности математической модели
    y
    Q
    =30-10x
    1
    -15x
    2
    находим дисперсию адекватности:
    𝜎
    ад
    2
    =

    (𝑦
    𝑄𝑗
    − 𝑦
    𝑄𝑗
    ̂ )
    2
    𝑁
    𝑗=1
    𝑓
    ,
    где
    𝑦
    𝑄𝑗
    - экспериментальные значения параметра
    𝑦
    𝑄
    в j-том опыте,
    𝑦
    𝑄𝑗
    ̂ – расчетное значение параметра, вычисленное по полученному уравнению регрессии; f – число степеней свободы: f=N-k

    =4-3=1, где k

    =3-число значимых коэффициентов уравнения регрессии.
    Для расчёта дисперсии адекватности составим вспомогательную табл. 6.
    Таблица 6
    № опыта x
    1
    x
    2
    Эксп.
    𝑦
    𝑄𝑗
    Расчёт
    𝑦
    𝑄𝑗
    ̂ = 30 − 10x
    1
    − 15x
    2
    (𝑦
    𝑄𝑗
    − 𝑦
    𝑄𝑗
    ̂ )
    2 1
    +
    +
    9
    𝑦
    𝑄1
    ̂ = 30 − 10(+1) − 15(+1) = 5 16 2

    +
    21
    𝑦
    𝑄2
    ̂ = 30 − 10(−1) − 15(+1) = 25 16 3
    +

    31
    𝑦
    𝑄3
    ̂ = 30 − 10(+1) − 15(−1) = 35 16 4


    59
    𝑦
    𝑄4
    ̂ = 30 − 10(−1) − 15(−1) = 55 16

    (𝑦
    𝑄𝑗
    − 𝑦
    𝑄𝑗
    ̂ )
    2 4
    𝑗=1
    = 64
    Тогда:
    𝜎
    ад
    2
    =

    (𝑦
    𝑄𝑗
    − 𝑦
    𝑄𝑗
    ̂ )
    2
    𝑁
    𝑗=1
    𝑓
    =
    64 1
    = 64
    Проверку гипотезы адекватности модели производим по F – критерию
    Фишера. Для этого находим расчётное значение критерия:
    𝐹
    р
    =
    𝜎
    ад
    2
    𝜎
    2
    {𝑦
    𝑄
    }
    =
    64 6,985
    = 9.16
    При 5% - ном уровне значимости и числах степеней свободы для числителя, имеющего большую дисперсию, f
    1
    =N-k

    =4-3=1 и для знаменателя с меньшей дисперсией – f
    2
    =n
    0
    -1=5-1=4, табличное значение критерия F
    т
    =7,7 (см. прил. 4). Так как F
    р
    > F
    т
    , то полученная модель в виде

    46
    Продолжение прил. 2 линейного полинома неадекватна и не может быть с достаточной точностью представлять исследуемую зависимость.
    Аналогичные расчёты производим для параметра
    y
    γ
    В соответствии с данными табл.5 определяем коэффициенты уравнения регрессии для параметра
    y
    γ
    :
    𝑏
    0
    =
    1
    𝑁

    𝑦
    𝑗
    𝑁
    𝑗=1
    =
    1 4
    (67 + 59 + 31 + 23) = 45
    𝑏
    1
    =
    1
    𝑁

    𝑥
    1𝑗
    ∙ 𝑦
    𝑗
    𝑁
    𝑗=1
    =
    1 4
    (67 − 59 + 31 − 23) = 4
    𝑏
    2
    =
    1
    𝑁

    𝑥
    2𝑗
    ∙ 𝑦
    𝑗
    𝑁
    𝑗=1
    =
    1 4
    (67 + 59 − 31 − 23) = 18
    Откуда уравнение регрессии для y
    γ
    будет иметь вид:
    y
    γ
    =45+4x
    1
    +18x
    2
    .
    По n
    0
    =5 параллельным опытам в центре плана (табл.3) определяем среднеарифметическое значение параметра:
    𝑦
    𝛾
    ̅̅̅ =
    1
    𝑛
    0

    𝑦
    𝛾
    𝑢
    𝑛
    0
    𝑢=1
    =
    1 5
    (41,5 + 38,2 + 40,1 + 43,3 + 37) = 40;
    Определяем дисперсию
    𝜎
    2
    {𝑦
    𝛾
    } параметра 𝑦
    𝛾
    :
    𝜎
    2
    {𝑦
    𝛾
    } =
    1
    𝑛
    0
    −1

    (𝑦
    𝛾
    𝑢
    − 𝑦
    𝛾
    ̅̅̅)
    2
    𝑛
    0
    𝑢=1
    =
    =
    1 5 − 1
    [(41,5 − 40)
    2
    + (38,2 − 40)
    2
    + (40,1 − 40)
    2
    + (43,3 − 40)
    2
    + (37 − 40)
    2
    ] = 6,3475
    Определяем среднеквадратичную ошибку в определении коэффициентов уравнения регрессии для y
    γ
    :
    𝜎{𝑏
    𝑖
    } = +√
    𝜎
    2
    {𝑦
    𝛾
    }
    𝑁
    = +√
    6,3475 4
    = 1,26;
    Определяем доверительный интервал коэффициентов уравнения регрессии для y
    γ
    :
    ∆𝑏
    𝑖
    = ±𝑡 ∙ 𝜎{𝑏
    𝑖
    } = ±2.78 ∙ 1,26 = 3,5
    Все коэффициенты b
    0
    ,b
    1
    ,b
    2
    больше доверительного интервала, следовательно их можно признать статистически значимыми.
    Для расчёта дисперсии адекватности для
    𝑦
    𝛾
    составим вспомогательную табл. 7.
    Таблица 7
    № опыта x
    1
    x
    2
    Эксп.
    𝑦
    𝛾𝑗
    Расчёт
    𝑦
    𝛾𝑗
    ̂ = 45 + 4x
    1
    + 18x
    2
    (𝑦
    𝛾𝑗
    − 𝑦
    𝛾𝑗
    ̂ )
    2 1
    +
    +
    67
    𝑦
    𝛾1
    ̂ = 45 + 4(+1) + 18(+1) = 67 0
    2
    -
    +
    59
    𝑦
    𝛾2
    ̂ = 45 + 4(−1) + 18(+1) = 59 0
    3
    +
    -
    31
    𝑦
    𝛾3
    ̂ = 45 + 4(+1) + 18(−1) = 31 0
    4
    -
    -
    23
    𝑦
    𝛾4
    ̂ = 45 + 4(−1) + 18(−1) = 23 0
    Следовательно, дисперсия адекватности
    𝜎
    ад
    2
    =

    (𝑦
    𝛾𝑗
    −𝑦
    𝛾𝑗
    ̂ )
    2
    𝑁
    𝑗=1
    𝑁−𝑘

    =
    0 4−3
    = 0
    Соответственно расчётное значение F – критерия Фишера:

    47
    Продолжение прил. 2
    𝐹
    р
    =
    𝜎
    ад
    2
    𝜎
    2
    {𝑦
    𝛾
    }
    =
    0 6,3475
    = 0.
    При 5%-ном уровне значимости и числах степеней свободы для большей дисперсии (знаменатель) f
    1
    =n
    0
    -1=5-1=4 и для меньшей дисперсии
    (числитель) f
    2
    =N-k

    =4-3=1, табличное значение критерия F
    т
    =224,6 (см. прил. 4). Так как F
    р
    << F
    т
    , то полученная модель адекватна. Для проверки точности модели в других точках факторного пространства используем центр плана: x
    1
    =x
    2
    =0. Расчётное значение выходного параметра в центре плана:
    𝑦
    𝛾
    0
    ̅̅̅̅ = 45 + 4 ∙ 0 + 18 ∙ 0 = 45 = 𝑏
    0
    Экспериментальное значение параметра
    𝑦
    𝛾
    в центре плана равно среднеарифметическому значению параметра по результатам пяти параллельных опытов в центре плана
    𝑦
    𝛾
    0
    = 𝑦
    𝛾
    ̅̅̅ = 40. Тогда разность между
    b
    0
    и значением
    𝑦
    𝛾
    в центре плана:
    𝑏
    0
    − 𝑦
    𝛾
    ̅̅̅ = 5 > 𝜎{𝑦
    𝛾
    } = 2,52, то есть полученная модель не высокой точности. Таким образом, для параметра
    𝑦
    𝛾
    получили адекватную по F – критерию математическую модель, но не высокой точности в точках факторного пространства близких к центру плана.
    2.
    Обработка результатов опытов центрального композиционного рототабельного униформ-планирования второго порядка.
    Для получения адекватных моделей высокой точности во всех точках факторного пространства функции отклика
    𝑦
    𝑄
    и
    𝑦
    𝛾
    аппроксимируем полиномами второго порядка вида: y=b
    0
    +b
    1
    x
    1
    + b
    2
    x
    2
    +b
    12
    x
    1
    x
    2
    + b
    11
    x
    1
    2
    + b
    22
    x
    2
    2
    С этой целью поставили эксперимент по программе центрального композиционного рототабельного плана второго порядка. Величина
    «звёздного» плеча для числа факторов k=2 равна α=1,414. Реализованные 4 опыта ПФЭ типа 2 2
    были дополнены четырьмя опытами в «звёздных» точках n
    α
    =2k=2·2=4 (см. табл. 4 задания) и пятью опытами в центре плана
    (табл. 3 задания). Тогда матрица рототабельного униформ-планирования будет иметь следующий вид:
    Таблица 8
    № опыта x
    0
    x
    1
    x
    2
    x
    1
    x
    2
    x
    1 2
    x
    2 2
    y
    Q
    y
    γ
    Содержание плана
    1 2
    3 4
    +
    +
    +
    +
    +

    +

    +
    +


    +


    +
    +
    +
    +
    +
    +
    +
    +
    +
    9 21 31 59 67 59 31 23
    Ядро плана-
    -ПФЭ 2 2
    5 6
    7 8
    +
    +
    +
    +
    +1,414
    −1,414 0
    0 0
    0
    +1,414
    −1,414 0
    0 0
    0 2
    2 0
    0 0
    0 2
    2 17,9 46,1 6,85 49,15 45,64 34,36 75,38 24,62
    Опыт в «звёздных» точках с плечом
    α=1,414 9
    10 11 12 13
    +
    +
    +
    +
    +
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 0
    0 21,3 23,5 19,8 16,4 19 41,5 38,2 40,1 43,3 37
    Опыт в нулевой точке (в центре плана)

    48
    Продолжение прил. 2
    2.1. Вычисления для параметра
    𝑦
    𝑄
    - производительность процесса
    Определяем коэффициенты квадратичного полинома b
    0
    , b
    1
    , b
    2,
    b
    12
    , b
    11
    ,
    b
    22
    :
    Свободный член уравнения регрессии:
    𝑏
    0
    =
    𝐴
    𝑁
    [2𝜆
    2
    (𝑘 + 2) ∑
    𝑦
    𝑄𝑗
    𝑁
    𝑗=1
    − 2𝜆с ∑

    𝑥
    𝑖𝑗
    2
    𝑦
    𝑄𝑗
    𝑁
    𝑗=1
    𝐾
    𝑖=1
    ]
    Здесь A, λ, с – константы, табличные значения которых для k=2 и «ядра» плана в виде ПФЭ 2 2
    имеют значения: А=0,492; λ=0,8125; с=1,625 [2]. N=13
    – общее число опытов;
    𝑦
    𝑄𝑖
    - экспериментальные значения параметра
    𝑦
    𝑄
    по всем 13 опытам;
    𝑥
    𝑖𝑗
    2
    - значения элементов столбцов x
    1 2
    и x
    2 2
    . После подстановки числовых значений имеем:
    𝑏
    0
    =
    0,492 13

    [2·0,8125
    2
    ·4·(9+21+31+59+17,9+46,1+6,85+49,15+21,3+23,5+19,8+16,4+
    +19)-2·0,8125·1,625·(9+21+31+59+2·17,9+2·46,1+9+21+31+59+
    +2·6,85+2·49,15)]=19,9875
    Коэффициенты при линейных членах:
    𝑏
    1
    =
    𝐶
    𝑁

    𝑥
    1𝑗
    𝑦
    𝑄𝑗
    =
    1,625 13
    (9 − 21 + 31 − 59 + 1,41 ∙ 17,9 − 1,41 ∙ 46,1)
    𝑁=13
    𝑗=1
    = −9,97
    𝑏
    2
    =
    𝐶
    𝑁

    𝑥
    2𝑗
    𝑦
    𝑄𝑗
    =
    1,625 13
    (9 + 21 − 31 − 59 + 1,41 ∙ 6,85 − 1,41 ∙ 49,15)
    𝑁=13
    𝑗=1
    = −14,95
    Коэффициенты при парных взаимодействиях:
    𝑏
    12
    =
    𝐶
    2
    𝑁𝜆

    𝑥
    1𝑗
    𝑥
    2𝑗
    𝑦
    𝑄𝑗
    =
    1,625 2
    13∗0,8125
    (9 − 21 − 31 + 59)
    𝑁=13
    𝑗=1
    = 4
    Коэффициенты при квадратичных членах:
    𝑏
    11
    =
    𝐴
    𝑁
    {C
    2
    [(k+2)λ-k]
    𝑥
    1𝑗
    2
    𝑦
    𝑄𝑗
    𝑁=13
    𝑗=1
    + C
    2
    (1-λ)

    𝑥
    𝑖𝑗
    2
    𝑁=13
    𝑗=1
    𝑘=2
    𝑖=1
    𝑦
    𝑄𝑗
    -2λC·
    ∙ ∑
    𝑦
    𝑄𝑗
    𝑁=13
    𝑗=1
    }=
    0.492 13
    {1,625
    2
    [(2+2)·0,8125-2]·(9+21+31+59+2·17,9+2·46,1)+
    +1,625
    2
    ·(1-0,8125)·
    ·(9+21+31+59+2·17,9+2·46,1+9+21+31+59+2·6,85+2·49,15)-
    -2·0,8125·1,625·
    ·(9+21+31+59+17,9+46,1+6,85+49,15+21,3+23,5+19,8+16,4+19)}=5,996
    𝑏
    22
    =
    𝐴
    𝑁
    {C
    2
    [(k+2)λ-k]
    𝑥
    2𝑗
    2
    𝑦
    𝑄𝑗
    𝑁=13
    𝑗=1
    + C
    2
    (1-λ)

    𝑥
    𝑖𝑗
    2
    𝑁=13
    𝑗=1
    𝑘=2
    𝑖=1
    𝑦
    𝑄𝑗
    -2λC·
    ∙ ∑
    𝑦
    𝑄𝑗
    𝑁=13
    𝑗=1
    }=
    0,492 13
    {1,625
    2
    [(2+2)·0,8125-2]·(9+21+31+59+2·6,85+2·49,15)+
    +1,625
    2
    ·(1-0,8125)·
    ·(9+21+31+59+2*17,9+2·46,1+9+21+31+59+2·6,85+2·49,15)-
    -2·0,8125·1,625·
    ·(9+21+31+59+17,9+46,1+6,85+49,15+21,3+23,5+19,8+16,4+19)}=3,9975
    Дисперсия
    𝜎
    2
    {𝑦
    𝑄
    } выходного параметра 𝑦
    𝑄
    была определена по результатам 5 опытов N№ 9…13 в центре плана и составила
    𝜎
    2
    {𝑦
    𝑄
    }=6,985
    (см. подраздел 1). Определяем дисперсии коэффициентов уравнения регрессии для параметра
    𝑦
    𝑄
    :

    49
    Продолжение прил. 2
    Дисперсия свободного члена:
    𝜎
    2
    {𝑏
    0
    } =
    2𝐴𝜆
    2
    (𝑘 + 2)
    𝑁
    𝜎
    2
    {𝑦
    𝑄
    } =
    2 ∙ 0,492 ∙ 0,8125 2
    (2 + 2)
    13
    ∙ 6,985 = 1,396
    Дисперсия коэффициентов при линейных членах:
    𝜎
    2
    {𝑏
    𝑖
    } =
    𝐶
    𝑁
    𝜎
    2
    {𝑦
    𝑄
    } =
    1,625 13
    ∙ 6,985 = 0,873
    Дисперсия коэффициентов при парных взаимодействиях:
    𝜎
    2
    {𝑏
    𝑖𝑙
    } =
    𝐶
    2
    𝜆𝑁
    𝜎
    2
    {𝑦
    𝑄
    } =
    1,625 2
    13 ∗ 0,8125
    ∙ 6,985 = 1,746
    Дисперсия коэффициентов при квадратичных членах:
    𝜎
    2
    {𝑏
    𝑖𝑖
    } =
    𝐴𝐶
    2
    [(𝑘+1)𝜆−(𝑘−1)]
    𝑁
    𝜎
    2
    {𝑦
    𝑄
    } =
    0,492∗1,625 2
    [(2+1)0,8125−(2−1)]
    13 6,985=1,003
    Среднеквадратичные ошибки в определении коэффициентов уравнения регрессии для
    𝑦
    𝑄
    :
    𝜎{𝑏
    0
    } = √𝜎
    2
    {𝑏
    0
    } = √1,396 = 1,1815;
    𝜎{𝑏
    𝑖
    } = √0,873 = 0,9343;
    𝜎{𝑏
    𝑖𝑙
    } = √1,746 = 1,3214;
    𝜎{𝑏
    𝑖𝑖
    } = √1,003 = 1,0015;
    Определяем доверительные интервалы для коэффициентов:
    ∆𝑏
    0
    = 𝑡𝜎{𝑏
    0
    } = 2,78 ∙ 1,1815 = 3,2846;
    ∆𝑏
    𝑖
    = 𝑡𝜎{𝑏
    𝑖
    } = 2,78 ∙ 0,9343 = 2,597;
    ∆𝑏
    𝑖𝑙
    = 𝑡𝜎{𝑏
    𝑖𝑙
    } = 2,78 ∙ 1,3214 = 3,673;
    ∆𝑏
    𝑖𝑖
    = 𝑡𝜎{𝑏
    𝑖𝑖
    } = 2,78 ∙ 1,0015 = 2,784; где t=2,78 – табличное значение - критерия Стьюдента при 5%-ном уровне значимости и числе степеней свободы f=n
    0
    -1=5-1=4 [2]. Так как все коэффициенты уравнения регрессии по абсолютной величине больше своих доверительных интервалов:
    𝑏
    0
    = 19,9875 > ∆𝑏
    0
    = 3,2846;
    |𝑏
    1
    | = 9,97 > ∆𝑏
    𝑖
    = 2,597;
    |𝑏
    2
    | = 14,95 > ∆𝑏
    𝑖
    = 2,597;
    𝑏
    12
    = 4 > ∆𝑏
    𝑖𝑙
    = 3,673;
    𝑏
    11
    = 5,996 > ∆𝑏
    𝑖𝑖
    = 2,784;
    𝑏
    22
    = 3,9975 > ∆𝑏
    𝑖𝑖
    = 2,784, то они значимы и уравнение регрессии, полученное в результате рототабельного планирования второго порядка примет вид:
    𝑦
    𝑄
    = 199875 − 9,97𝑥
    1
    − 14,95𝑥
    2
    + 4𝑥
    1
    𝑥
    2
    + 5,996𝑥
    1 2
    + 3,9975𝑥
    2 2
    Адекватность полученной модели проверяем с помощью F-критерия:
    𝐹
    р
    =
    𝜎
    ад
    2
    𝜎
    2
    {𝑦
    𝑄
    }
    , где
    𝜎
    ад
    2
    -дисперсия адекватности;
    𝜎
    2
    {𝑦
    𝑄
    } = 6,985
    - дисперсия выходного параметра
    𝑦
    𝑄
    (см. подраздел 1)

    50
    1   2   3   4   5   6   7


    написать администратору сайта