Планирование и организация эксперимента
Проведение регрессионного анализа опытных данных в среде Excel. Построение графиков полиномиальной зависимости и обобщенной функции желательности Харрингтона. Определение дисперсии коэффициентов регрессии. Оценка частных откликов по шкале желательности.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 21.01.2014 |
Размер файла | 375,6 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Государственное Образовательное Учреждение Высшего Профессионального Образования
Уфимский Государственный Авиационный Технический Университет
Кафедра Стандартизации и Сертификации
Контрольная работа
«Планирование и организация эксперимента»
Студента Хабирьянова Г.Р.
Преподаватель Сафина А.Ф.
Уфа 2012
1. Задание
Давление в системе у в мегапаскалях в зависимости от времени выдержки х в минутах может быть аппроксимировано несколькими зависимостями. Определить эти зависимости, оценить их параметры и выяснить, какая из них лучше отображает результаты наблюдений, если получены опытные данные:
х |
у |
|
1,7 |
0,06 |
|
2,1 |
0,11 |
|
2,8 |
0,23 |
|
3,5 |
0,3 |
|
3,9 |
0,41 |
|
4,5 |
0,48 |
Проводим регрессионный анализ опытных данных в среде Excel. Получаем следующие:
Строим графики зависимости
Вывод: полиномиальная зависимость отображает наилучшую аппроксимацию, так как коэффициент детерминации близок к единице.
2. Задание
Построить модель для экспериментальных данных, заданных в таблице и проверить ее адекватность.
№ опыта |
х1 |
х2 |
х3 |
x1x2 |
x1x3 |
x2x3 |
у' |
у" |
у''' |
|
1 |
-1 |
-1 |
-1 |
1 |
1 |
1 |
6,8 |
7,2 |
- |
|
2 |
1 |
-1 |
-1 |
-1 |
-1 |
1 |
38,2 |
40,2 |
- |
|
3 |
-1 |
1 |
-1 |
-1 |
1 |
-1 |
15,2 |
14,6 |
- |
|
4 |
1 |
1 |
-1 |
1 |
-1 |
-1 |
62,1 |
- |
61,4 |
|
5 |
-1 |
-1 |
1 |
1 |
-1 |
-1 |
8,9 |
8,9 |
8,5 |
|
6 |
1 |
-1 |
1 |
-1 |
1 |
-1 |
11,1 |
12 |
- |
|
7 |
-1 |
1 |
1 |
-1 |
1 |
1 |
18,5 |
18,9 |
18,7 |
|
8 |
1 |
1 |
1 |
1 |
1 |
1 |
52,9 |
- |
52,4 |
Произведем статистический анализ результатов данных: найдем построчную дисперсию, оценим ее однородность, найдем дисперсию воспроизводимости и оценим адекватность модели.
Таблица
Уср |
(у'-Уср)^2 |
(у"-Уср) 2 |
(у'''-Уср) 2 |
S^2 |
дисп.воспроиз. |
|
7 |
0,04 |
0,04 |
- |
0,08 |
0,32216667 |
|
39,2 |
1 |
1 |
- |
2 |
||
14,9 |
0,09 |
0,09 |
- |
0,18 |
||
61,75 |
0,1225 |
- |
0,1225 |
0,245 |
||
8,766667 |
0,017778 |
0,017777778 |
0,071111111 |
0,05333333 |
||
11,55 |
0,2025 |
0,2025 |
- |
0,405 |
||
18,7 |
0,04 |
0,04 |
0 |
0,04 |
||
52,65 |
0,0625 |
- |
0,0625 |
0,125 |
Проверяем однородность дисперсии.
Для каждой горизонтальной строки матрицы планирования вычисляем построчную дисперсию ( S^2). Вычисляем значение выражения:
По таблице критерия Фишера выбираем Fтабл для уровня значимости б и чисел степеней свободы:
f1=n1-1 - для той строки, где было максимальное значение
f2=n2-1- для той строки, где было минимальное значение
Fтабл=161
Fэкмперим <Fтабл , а следовательно, дисперсия однородная.
Так как, дисперсия однородная можем найти дисперсию воспроизводимости:
Sвоспроизв.= (?Si*fi)/ N(n-1) = 0,32216667
Осуществляем проверку значимости коэффициентов:
Таблица
b1 |
b2 |
b3 |
b12 |
b13 |
b23 |
Дисп.коэф. регрессии |
Дb |
b0 |
||
1 |
-7 |
-7 |
-7 |
7 |
7 |
7 |
0,020135 |
0,046432 |
26,81458 |
|
2 |
39,2 |
-39,2 |
-39,2 |
-39,2 |
-39,2 |
39,2 |
0,020135 |
0,046432 |
||
3 |
-14,9 |
14,9 |
-14,9 |
-14,9 |
14,9 |
-14,9 |
0,020135 |
0,046432 |
||
4 |
61,75 |
61,75 |
-61,75 |
61,75 |
-61,75 |
-61,75 |
0,020135 |
0,046432 |
||
5 |
-8,77 |
-8,76667 |
8,766667 |
8,766667 |
-8,76667 |
-8,76667 |
0,013424 |
0,030955 |
||
6 |
11,55 |
-11,55 |
11,55 |
-11,55 |
11,55 |
-11,55 |
0,020135 |
0,046432 |
||
7 |
-0,04 |
0,04 |
0,04 |
-0,04 |
0,04 |
0,04 |
0,013424 |
0,030955 |
||
8 |
52,65 |
52,65 |
52,65 |
52,65 |
52,65 |
52,65 |
0,020135 |
0,046432 |
||
16,81 |
7,852917 |
-6,23042 |
8,059583 |
-2,94708 |
0,240417 |
|||||
все коэффициенты значимые |
Сначала определяем дисперсию коэффициентов регрессии для каждой строки: в 5 и 7 опыте производим 3 параллельных опыта и поэтому,
S коэф.регрес.= S воспроизв./ N*n
Sкоэф.регрес.= Sвоспроизв./ N*n = 0,32216667/8*3 = 0,013424
в остальных опытах 2 параллельных опыта,
Sкоэф.регрес.= Sвоспроизв./ N*n = 0,32216667/8*2= 0,020135
Строим доверительный интервал:
Дbj = ± t* Sкоэф.регрес
t по таблице Стьюдента равен 2,3060
Дbj = ± t* Sкоэф.регрес=2,3060*0,013424 = 0,030955
Дbj = ± t* Sкоэф.регрес=2,3060*0,020135=0,046432
Выполняется условие: ¦bj¦> Дbj
А значит все коэффициенты являются значимыми. Проверка адекватности модели. Найдем дисперсию адекватности:
Fэксперим.=Sад/Sвоспроизв=/0,32216667=10
Определяем Fтабличное для уровня значимости б и чисел степеней свободы f1=N-l=8-7=1
f1=?fi=10
Fтабличное=4.96
А следовательно, модель неадекватная.
Вывод: проведя статистическую обработку данных, выяснили, что приведенная модель
регрессионный зависимость дисперсия желательность
y=b0+b1*x1+ b2*x2+ b3*x3+ b12*x12+ b13*x13+ b23*x23
является неадекватной. Необходимо принять какие-то дополнительные меры по ее совершенствованию ( усложнить модель, осуществить нелинейное преобразование факторов) с тем, чтобы в конечном итоге получить модель, адекватно отражающую свойства исследуемого объекта. Для повышения надежности модели также ставят дополнительную серию параллельных опытов.
3. Задача
При проведении эксперимента по получению некоторого материала были рассмотрены несколько частных откликов, приведенные в таблице.
№ опыта |
Натуральные значения откликов |
|||||
у1 |
у2 |
у3 |
у4 |
у5 |
||
1 |
10 |
135 |
341 |
181 |
2 |
|
2 |
12 |
147 |
332 |
173 |
3 |
|
3 |
16 |
136 |
341 |
162 |
6 |
|
4 |
13 |
143 |
364 |
188 |
4 |
|
5 |
14 |
122 |
323 |
169 |
5 |
|
6 |
23 |
116 |
339 |
173 |
6 |
Частные отклики по шкале желательности имеют следующие оценки:
Отметка на шкале желательности |
у1 |
у2 |
у3 |
у4 |
у5 |
|
1,00-1,80 |
10 |
140 |
360 |
200 |
1 |
|
0,80-0,63 |
13 |
130 |
355 |
190 |
3 |
|
0,63-0,37 |
17 |
125 |
340 |
180 |
7 |
|
0,37-0,20 |
21 |
110 |
335 |
175 |
9 |
|
0,20-0,00 |
30 |
100 |
300 |
170 |
11 |
Необходимо построить обобщенную функцию желательности Харрингтона и сделать заключение о качестве полученных материалов.
№опыта |
d1 |
d2 |
d3 |
d4 |
d5 |
D1 |
ф-ция Харрингтона |
|
1 |
0,68 |
0,89 |
0,69 |
0,67 |
0,62 |
0,704438 |
хорошо |
|
2 |
0,76 |
0,69 |
0,18 |
0,29 |
0,8 |
0,465677 |
удовлетворительно |
|
3 |
0,87 |
0,91 |
0,69 |
0,025 |
0,87 |
0,412073 |
удовлетворительно |
|
4 |
0,8 |
0,69 |
0,69 |
0,77 |
0,83 |
0,753826 |
хорошо |
|
5 |
0,83 |
0,6 |
0,43 |
0,16 |
0,85 |
0,493 |
удовлетворительно |
|
6 |
0,42 |
0,49 |
0,6 |
0,29 |
0,87 |
0,499692 |
удовлетворительно |
Качество полученных материалов среднее, так как в оценке экспериментальных данных по функции Харрингтона присутствуют и хорошие и удовлетворительные значения.
Размещено на Allbest.ru
Подобные документы
Статистический анализ по выборке. Проведение регрессионного анализа исходных данных и выбор аналитической формы записи производственной функции. Выполнение экономического анализа в выбранной регрессионной модели на основе коэффициентов эластичности.
курсовая работа [2,2 M], добавлен 22.07.2015Построение регрессионных моделей. Смысл регрессионного анализа. Выборочная дисперсия. Характеристики генеральной совокупности. Проверка статистической значимости уравнения регрессии. Оценка коэффициентов уравнения регрессии. Дисперсии случайных остатков.
реферат [57,4 K], добавлен 25.01.2009- Построение неполной квадратичной регрессионной модели по результатам полного факторного эксперимента
Принципы решения многофакторных оптимизационных задач методом крутого восхождения. Схема многофакторного эксперимента по взвешиванию образцов с равномерным и неравномерным дублированием: предпосылки регрессионного анализа, расчет дисперсии и регрессии.
курсовая работа [195,9 K], добавлен 22.03.2011 Получение функции отклика показателя качества Y2 и формирование выборки объемом 15 и более 60. Зависимость выбранного Y от одного из факторов Х. Дисперсионный анализ и планирование эксперимента. Проведение корреляционного и регрессионного анализа.
курсовая работа [827,2 K], добавлен 19.06.2012Алгоритм построения полиномиальной функции регрессии с оценкой степени полинома по заданному набору точек. Разработка программы, моделирующей выборку случайных пар чисел и выявление стохастической зависимости между ними при помощи уравнения регрессии.
контрольная работа [114,3 K], добавлен 19.02.2014Понятие регрессии. Оценка параметров модели. Показатели качества регрессии. Проверка статистической значимости в парной линейной регрессии. Реализация регрессионного анализа в программе MS Excel. Условия Гаусса-Маркова. Свойства коэффициента детерминации.
курсовая работа [233,1 K], добавлен 21.03.2015Определение воспроизводимости эксперимента по критерию Кохрина и коэффициентов линейной модели. Проверка адекватности модели при помощи критерия Фишера. Значимость коэффициентов регрессии и расчеты в автоматическом режиме в программе Statgraphics plus.
лабораторная работа [474,1 K], добавлен 16.06.2010Определение методом регрессионного и корреляционного анализа линейных и нелинейных связей между показателями макроэкономического развития. Расчет среднего арифметического по столбцам таблицы. Определение коэффициента корреляции и уравнения регрессии.
контрольная работа [4,2 M], добавлен 14.06.2014Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.
контрольная работа [110,4 K], добавлен 28.07.2012Построение математической модели выбранного экономического явления методами регрессионного анализа. Линейная регрессионная модель. Выборочный коэффициент корреляции. Метод наименьших квадратов для модели множественной регрессии, статистические гипотезы.
курсовая работа [1,1 M], добавлен 22.05.2015