- •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.
4. Насыщенное и ненасыщенное планирование.
Определение 1. Пусть матрица планирования X имеет ранг, равный числу p неизвестных параметров в функции отклика. Факторный план называется насыщенным, если p N, и ненасыщенным, если p < N.
Ненасыщенность плана полного факторного эксперимента означает, что имеется избыточность опытов, необходимых для нахождения МНК-оценок параметров в функции .
Пример 1. Пусть и планируется полный факторный эксперимент типа 22. Тогда планирование будет насыщенным, т. к. ранг матрицы планирования X равен 4 и при этом число наблюдений N и число неизвестных параметров p также равны 4.
Пример 2. Если и имеется полный факторный эксперимент типа 22, то планирование будет ненасыщенным, т. к. ранг матрицы планирования
равен 3, а .
Определение 2. Пусть n – число точек спектра факторного плана с повторными наблюдениями кратности m (N mn) и r – ранг матрицы планирования X. Тогда план называется насыщенным, если , и ненасыщенным, если .
5. Проверка гипотезы адекватности. Рассмотрим факторный эксперимент с кратными повторными наблюдениями yls (l 1, 2, ..., n; s 1, 2, ..., m). Проверим гипотезу H0 адекватности модели
, (4)
где – известные функции, задаваемые равенствами вида (1 m i1 < i2 < ... < iq m k), а – неизвестные параметры. Функции отклика (4) и матрице (i 1, 2, ..., k; u 1, 2, ..., N; N mn) полного факторного плана соответствует матрица планирования ( j 1, 2, ..., p0; u 1, 2, ..., N). Столбцы матрицы X0 должны удовлетворять условиям:
( j = 2, 3, …, p); (5)
( j = 1, 2, …, p); (6)
. (7)
Будем предполагать, что наблюдения yls являются нормальными и некоррелированными, причем , где – вектор-столбец наблюдений; – неизвестный параметр.
Гипотеза состоит в том, что My X0β0, где . Эта гипотеза проверяется при альтернативной гипотезе : My X0β0.
Для проверки гипотезы нужно вычислить отношение . Величина представляет собой несмещенную оценку для . Полагая в формуле (6) § 2 m1 m2 ... mi m, получаем
.
Таким образом,
. (8)
Оценка (5) § 2 дисперсии , связанная с неадекватностью модели, есть , где r – ранг матрицы X0.
Пусть r , тогда, учитывая (5) – (7), получаем
, (9)
где , j = 1, 2, ..., p0.
Далее вычисляем и по таблице распределения Фишера по уровню значимости a и степеням свободы n – r и N – n находим .
Если , то гипотеза H0 принимается.
Если , то гипотеза H0 отклоняется.
Пример. Предположим, что зависимость прочности бетона R от двух факторов – расхода цемента X1 и расхода воды X2 – имеет вид: . Полный двухфакторный эксперимент проводится на двух уровнях:
Уровень |
Расход цемента X1 |
Расход воды X2 |
Нижний |
270 |
155 |
Верхний |
370 |
185 |
Результаты исследований представлены таблицей.
i |
|
|
|
|
1 |
28,6 |
31,1 |
29,5 |
29,7 |
2 |
44,3 |
47,8 |
46,2 |
46,1 |
3 |
22,9 |
24,6 |
21,9 |
23,1 |
4 |
38,7 |
38,7 |
35,3 |
36,7 |
МНК-оценки параметров ортогонального планирования находятся так же, как в примере 1 п. 3: ; ; , отсюда оценка функции отклика – , или, переходя к исходным переменным, .
Проверим, является ли полученная модель адекватной. Имеем N 12, n 4, m 3, r 3. По формулам (8) и (9)
,
.
Следовательно, . Далее по таблице критических точек распределения Фишера по уровню значимости a 0,05 и степеням свободы n – r 1 и N – n 8 находим . Так как , то гипотеза, утверждающая, что модель адекватна, принимается.