- •С. Б. Волкова математическая статистика и планирование эксперимента
- •§ 2. Интервальные оценки . . . . . . . . . . . . . . . . . . . . . . . . . 50
- •§ 3. Проверка статистических гипотез . . . . . . . . . . . . . . . . 58
- •§ 2. Доверительные интервалы для параметров
- •§ 3. Полные факторные эксперименты типа 2k.
- •§ 4. Оптимизация планов. Поиск экстремума
- •Предисловие
- •Введение
- •§ 1. Математическая модель статистического эксперимента
- •§ 2. Случайные величины
- •Глава 1. Элементы математической статистики
- •§ 1. Выборочный метод. Точечные оценки
- •§ 2. Интервальные оценки
- •§ 3. Проверка статистических гипотез
- •2. Проверка гипотезы о равенстве дисперсий двух нормально распределенных случайных величин.
- •§ 4. Однофакторный дисперсионный анализ
- •§ 5. Элементы теории корреляции
- •Глава 2. Планирование эксперимента
- •§ 1. Пассивный эксперимент
- •7. Оценивание функции отклика и ее параметров.
- •§ 2. Доверительные интервалы для параметров функции отклика и гипотеза адекватности
- •§ 3. Полные факторные эксперименты типа 2k . Анализ факторных экспериментов
- •4. Насыщенное и ненасыщенное планирование.
- •§ 4. Оптимизация планов. Поиск экстремума функции отклика
- •Для распределения 2 с n степенями свободы
- •Критические точки критерия 2:
- •Критические точки критерия 2:
- •Литература для дополнительного чтения
- •Светлана Борисовна Волкова математическая статистика и планирование эксперимента
- •162600, Г. Череповец, пр. Луначарского, 5.
7. Оценивание функции отклика и ее параметров.
Пусть – одномерная функция отклика. Ее оценка в любой точке имеет вид:
. (15)
Если – МНК-оценка вектор-столбца неизвестных параметров β (1 2 ... p)T, полученная по наблюдениям в точках x1, x2, ..., xN, и ранг матрицы планирования X равен p, то оценка (15) является несмещенной и при заданной матрице плана (12) в классе линейных несмещенных оценок имеет минимальную дисперсию.
Пример 1. Пусть ; тогда оценка будет иметь вид .
Если столбцы матрицы планирования попарно ортогональны, т. е. при i j (i, j 1, 2, ..., p) выполняются равенства
fi(x1) fj(x1) fi(x2) fj(x2) ... fi(xN) fj(xN) (16)
то говорят, что имеет место ортогональное планирование.
Обозначим Xj ( fj(x1), fj(x2), ..., fj(xN)), тогда имеем
fi(x1)2 fi(x2)2 ... fi(xN)2 | Xj |2 . (17)
Заметим, что вектор Xj, рассматриваемый как вектор‑столбец, совпадает с j-м столбцом матрицы X, поэтому из (16) и (17) следует
,
откуда и по формуле (9)
.
Отсюда при всех j 1, 2, ..., p следует
. (18)
Равенство (10) показывает, что МНК-оценки (18) некоррелированы и при этом .
Пример 2. Пусть , и . Тогда f0(x) 1, f1(x) x,
,
причем , так что имеет место ортогональное планирование. Поскольку
|X1|2 12 + 12 + + 12 + 12 4,
,
то по формуле (18) получаем
,
.
Если планирование не является ортогональным, но матрицу X можно разбить на подматрицы: X = (X1 X2 ... Xl) так, что будет (i < j; i, j 1, 2, ..., l; O – нулевая матрица), то для оценок можно получить формулу, обобщающую формулу (18). Например, пусть имеет место случай l 2, т. е.
,
где . Пусть β = (1 2 ... p)T, β1 (1 2 ... q)T и β2 (q1 q2 ... p)T, тогда .
В п. 3 было доказано, что МНК-оценка вектора удовлетворяет нормальному уравнению (8), поэтому имеем , или, поскольку ,
.
Отсюда следует , , и, таким образом, получаем формулы
, . (18´)
Пример 3. Пусть заданы , и вектор-столбец наблюдений .
Тогда fj(x) xj ( j 1, 2, 3, 4), следовательно, . Полагая , где , , имеем , , .
По формулам (18´) находим
,
.
8. Оценивание параметров модели при повторных наблюдениях. Пусть задана функция отклика, определенная в области G: . Введем в рассмотрение вектор-функцию f ( f1, f2, ..., fp) (отождествляемую, как обычно, с одностолбцовой матрицей ( f1 f2 ... fp)T ). Тогда функцию отклика можно записать в матричном виде
.
Пусть также задан план, спектр которого m1, m2, ..., mn (mi – число наблюдений в точке xi).
Наблюдения в одной точке называют повторными. Матрица плана при наличии повторных наблюдений имеет вид , где каждый блок – матрица размера , имеющая одинаковых строк. Вектор-столбец наблюдений можно записать в виде , где блок соответствует матрице .
Матрица планирования также может быть записана в блочном виде: , где – матрица размера (i 1, 2, ..., n). Отсюда где
,
так что и, следовательно,
. (19)
Определим теперь матрицы
, .
Матрица состоит из строк матрицы , отвечающих различным точкам плана.
Легко убедиться, что . Отсюда и из (19) следует матричное равенство
. (20)
Обозначим (среднее значение повторных наблюдений в точке , i 1, 2, ..., n), тогда получаем
,
где обозначено .
Используя этот результат и формулы (9) и (20), получаем .
Если, в частности, , при всех i 1, 2, ..., n, то и тогда имеем .
Пример. Пусть даны функция отклика и матрица плана
.
Знаком « » указаны наблюдения в соответствующих точках плана. Здесь , а значит, .
Имеем , , , где ; . Следовательно, .