Лабораторна робота № 1
Відбір зразків, проб і вибірок для дослідження властивостей текстиль них матеріалів, методи оцінки нерівності текстильних матеріалів
Мета роботи
1.Изучить принципи і методи відбору зразків, проб і вибірок при дослідженні властивостей текстильних матеріалів.
2.Ізучіть способи обчислення основних статистичних характеристик.
Зміст роботи
1.Изучить принципи відбору зразків, проб і вибірок. Основні поняття і визначення.
2.Результати дослідження властивостей текстильних матеріалів.
3.Расчет статистичних характеристик результатів вимірювань класичним способом.
4.Расчет статистичних характеристик спрощеними способами.
5.Аналіз результатів роботи, формулювання висновків.
Посібники та інструменти: зразки текстильних матеріалів, мікрокалькулятор.
Загальні відомості
Контроль якості продукції здійснюють суцільним і вибірковим способами. У легкій промисловості і побутовому обслуговуванні найбільш часто застосовується вибірковий контроль якості продукції. При цьому партію продукції розглядають як генеральну сукупність одиниць будь-якої продукції, а її досліджувану частину називають однаково - вибіркою.
Щоб вибірка відображала властивості партії продукції і дозволяла прогнозувати їх, вибірку необхідно відбирати за певними правилами.
Обсяг вибірки визначається нерівномірністю продукції і величиною довірчих меж або інтервалу, в межах яких має знаходитися шукане значення показника властивостей всієї партії продукції. Чим більше нерівномірність матеріалу (неоднорідність) і чим більше задається величина довірчого інтервалу, тим більшим має бути обсяг вибірки. По можливості обсяг вибірки приймають мінімальним для прискорення випробувань. Вибіркові значення характеристик розподілу ймовірностей у генеральній сукупності називають оцінками або статистиками. До основних статистикам відносяться середнє, дисперсія, середньоквадратичне відхилення, коефіцієнт варіації.
Вибірковою сукупністю або просто вибіркою називають сукупність випадково відібраних об'єктів.
Генеральною сукупністю називають сукупність об'єктів, з яких виробляється вибірка.
Зразок - частина об'єкта випробування, який безпосередньо піддається випробуванню.
Методи відбору проб:
На практиці застосовуються різні методи відбору проб. Принципово їх можна підрозділити на два види:
1. Відбір, що не вимагає розчленування генеральної сукупності на частини:
а) простий випадковий бесповторного відбір;
б) простий випадковий повторний відбір.
2. Відбір, при якому генеральна сукупність розбивається на частини:
а) типовий відбір;
б) механічний відбір;
в) серійний відбір.
Простим випадковим називають такий відбір, при якому об'єкти видаляють по одному з усієї генеральної сукупності.
Типовим називають відбір, при якому об'єкти відбираються не з усієї генеральної сукупності, а з кожної її «типової» частини.
Механічним називають відбір, при якому генеральну сукупність «механічно» ділять на стільки груп, скільки об'єктів повинно увійти у вибірку, а з кожної групи відбирають один об'єкт.
Серійним називають відбір, при якому об'єкти відбирають з генеральної сукупності не по одному, а «серіями», які піддаються суцільного обстеження.
Підкреслимо, що на практиці часто застосовується комбінований відбір, при якому поєднуються зазначені вище способи.
Виконання роботи
1. Результати вимірювань випробування даної вибірки і результати розрахунку статистик, заносяться в табл. 1.
Таблиця 1
2. Обробляє отримані результати класичним способом.
2.1. Середній результат спостережуваного ознаки визначають за формулою:
2.2. Відхилення кожного спостереження в досвіді від середнього:
2.3. Определяут дисперсію теоретичного распредел е ня:
2.4. Вибіркове середньоквадратичне відхилення визначають за формулою:
3.5. Вибіркове значення коефіцієнта варіації С В (%), що є мірою відносної мінливості спостерігається випадкової величини, обчислюють за формулою:
При великому числі випробувань використовують спрощені способи обчислень статистик (творів, сум).
3. Обчислення статистичних характеристик способом творів.
Результати вимірювань товщини шкіри в мм:
При числі випробувань n = 40 застосовуємо спрощений спосіб підрахунку середнього арифметичного, середнього арифметичного відхилення і коефіцієнта варіації, результати первинних спостережень розбиваємо на розряди з певним інтервалом і визначаємо частоту зустрічальності результатів спостережень у кожному розділі.
По таблиці 2 визначаємо кількість класів, тому що n = 40, то вибираємо 10 класів.
Таблиця 2
Визначаємо розмах результатів випробувань R. Для цього з усієї сукупності результатів вибирає найбільшу Х max і найменшу Х min величини і визначаємо різницю між ними:
Далі визначаємо інтервал класу (розряду):
Після визначення інтервалу класу первинні результати групують за розрядами і визначають частоту n i (табл. 3).
Таблиця 3
Визначаємо умовне середнє значення x 0 як полусумму значень нижньої межі класу:
Середнє арифметичне результатів випробувань:
Визначаємо суму квадратів відхилень :
Обчислюємо середньоквадратичне відхилення:
Далі визначаємо коефіцієнт варіації:
Висновки: в процесі виконання лабораторної роботи були вивчені принципи і методи відбору зразків, проб і вибірок при дослідженні властивостей текстильних матеріалів, способи обчислення основних статистичних характеристик.
Були визначені структурні характеристики, поверхнева щільність і товщина шкіри класичним і спрощеним методом. При оцінці товщини шкіри спрощеним методом отримали високий показник коефіцієнта варіації С В. Це можна пояснити тим, що при вимірюванні товщини був великий розмах результатів випробувань R. При цьому в процесі статистичної обробки були видалені випадкові і грубі помилки, які могли з'явитися в результаті неуважного зняття і записи свідчень товщиноміра, наявності погрішності у вимірюванні приладу, неровноти товщини шкіри.
Лабораторна робота № 2.
Тема: Однофакторний експеримент. Визначення лінійного рівняння регресії першого порядку
Мета роботи
Освоєння методів математичної обробки результатів дослідження властивостей текстильних матеріалів; визначення рівняння регресії за даними однофакторного експерименту.
Посібники та інструменти: таблиці значень критеріїв Кочрена, Стьюдента, Фішера; мікрокалькулятор.
Зміст роботи
1. Статистична обробка первинних результатів експерименту.
2. Розрахунок критерію Кочрена і перевірка однорідності дисперсії в дослідах матриці.
3. Визначення середньої дисперсії вихідного параметра в дослідах матриці.
4. Визначення коефіцієнтів регресії і складання рівняння регресії.
5. Визначення адекватності рівняння регресії. Розрахунок критерію Фішера.
6. Оцінка значущості коефіцієнтів регресії.
7. Визначення довірчих інтервалів середніх та індивідуальних значень вихідного параметра.
8. Побудова графіка отриманого рівняння регресії.
9. Аналіз результатів роботи. Формулювання висновків.
Загальні відомості
В даний час при дослідженні властивостей текстильних матеріалів та інших видів продукції широке застосування отримали математико-статистичні методи планування експериментів.
У завдання планування експерименту входять: вибір необхідних для експерименту дослідів, тобто побудова матриці планування, вибір методів математичної обробки результатів експерименту.
Існує два види планування активного експерименту: традиційне (класичне) однофакторні і багатофакторне (факторне).
У традиційному однофакторного плануванні вивчається вплив на вихідний параметр одного вхідного параметра (фактора).
У результаті обробки експериментальних даних визначають взаємозв'язок між вихідним параметром (Y) і варійованих на декількох рівнях фактором (X). Математична модель у загальному вигляді описується функцією відгуку:
y = f (x) (1)
При існуванні лінійного зв'язку між вхідними і вихідними параметрами рівняння регресії має наступний вигляд:
y = d o + d 1 (xx), (2)
де d 0, d 1 - коефіцієнти рівняння регресії.
Адекватність рівняння регресії перевіряється за критерієм Фішера [1,4]. Якщо розрахункове значення критерію Фішера (F p) менше табличного (F m), то гіпотеза про адекватність лінійної моделі не відкидається.
Виконання роботи
1. Статистична обробка первинних результатів експерименту
Отримані значення статистичних характеристик заносимо у відповідні графи табл. 1.
Таблиця 1
Розрахунки статистичних характеристик
2. Розрахунок критерію Кочрена і перевірка однорідності дисперсії в дослідах матриці Відбір зразків, проб і вибірок для дослідження властивостей текстиль них матеріалів, методи оцінки нерівності текстильних матеріалів
Мета роботи
1.Изучить принципи і методи відбору зразків, проб і вибірок при дослідженні властивостей текстильних матеріалів.
2.Ізучіть способи обчислення основних статистичних характеристик.
Зміст роботи
1.Изучить принципи відбору зразків, проб і вибірок. Основні поняття і визначення.
2.Результати дослідження властивостей текстильних матеріалів.
3.Расчет статистичних характеристик результатів вимірювань класичним способом.
4.Расчет статистичних характеристик спрощеними способами.
5.Аналіз результатів роботи, формулювання висновків.
Посібники та інструменти: зразки текстильних матеріалів, мікрокалькулятор.
Загальні відомості
Контроль якості продукції здійснюють суцільним і вибірковим способами. У легкій промисловості і побутовому обслуговуванні найбільш часто застосовується вибірковий контроль якості продукції. При цьому партію продукції розглядають як генеральну сукупність одиниць будь-якої продукції, а її досліджувану частину називають однаково - вибіркою.
Щоб вибірка відображала властивості партії продукції і дозволяла прогнозувати їх, вибірку необхідно відбирати за певними правилами.
Обсяг вибірки визначається нерівномірністю продукції і величиною довірчих меж або інтервалу, в межах яких має знаходитися шукане значення показника властивостей всієї партії продукції. Чим більше нерівномірність матеріалу (неоднорідність) і чим більше задається величина довірчого інтервалу, тим більшим має бути обсяг вибірки. По можливості обсяг вибірки приймають мінімальним для прискорення випробувань. Вибіркові значення характеристик розподілу ймовірностей у генеральній сукупності називають оцінками або статистиками. До основних статистикам відносяться середнє, дисперсія, середньоквадратичне відхилення, коефіцієнт варіації.
Вибірковою сукупністю або просто вибіркою називають сукупність випадково відібраних об'єктів.
Генеральною сукупністю називають сукупність об'єктів, з яких виробляється вибірка.
Зразок - частина об'єкта випробування, який безпосередньо піддається випробуванню.
Методи відбору проб:
На практиці застосовуються різні методи відбору проб. Принципово їх можна підрозділити на два види:
1. Відбір, що не вимагає розчленування генеральної сукупності на частини:
а) простий випадковий бесповторного відбір;
б) простий випадковий повторний відбір.
2. Відбір, при якому генеральна сукупність розбивається на частини:
а) типовий відбір;
б) механічний відбір;
в) серійний відбір.
Простим випадковим називають такий відбір, при якому об'єкти видаляють по одному з усієї генеральної сукупності.
Типовим називають відбір, при якому об'єкти відбираються не з усієї генеральної сукупності, а з кожної її «типової» частини.
Механічним називають відбір, при якому генеральну сукупність «механічно» ділять на стільки груп, скільки об'єктів повинно увійти у вибірку, а з кожної групи відбирають один об'єкт.
Серійним називають відбір, при якому об'єкти відбирають з генеральної сукупності не по одному, а «серіями», які піддаються суцільного обстеження.
Підкреслимо, що на практиці часто застосовується комбінований відбір, при якому поєднуються зазначені вище способи.
Виконання роботи
1. Результати вимірювань випробування даної вибірки і результати розрахунку статистик, заносяться в табл. 1.
Таблиця 1
№ п.п. | Первинні результати вимірювань Xi, г / м ² | Відхилення первинного результату від середнього (Xi-X) | Квадратичне відхилення (Х i - Х) 2 |
1 | 552,8 | 6,7 | 44,89 |
2 | 548,7 | 2,6 | 6,76 |
3 | 537,3 | -8,8 | 77,44 |
4 | 545,0 | -1,1 | 1,21 |
5 | 542,4 | -3,7 | 13,69 |
6 | 550,2 | 4,1 | 16,81 |
ΣX i | Σ (X i-X) | Σ (X i-X) 2 | |
3276,4 | -0,2 | 160,8 |
2. Обробляє отримані результати класичним способом.
2.1. Середній результат спостережуваного ознаки визначають за формулою:
2.2. Відхилення кожного спостереження в досвіді від середнього:
2.3. Определяут дисперсію теоретичного распредел е ня:
2.4. Вибіркове середньоквадратичне відхилення визначають за формулою:
3.5. Вибіркове значення коефіцієнта варіації С В (%), що є мірою відносної мінливості спостерігається випадкової величини, обчислюють за формулою:
При великому числі випробувань використовують спрощені способи обчислень статистик (творів, сум).
3. Обчислення статистичних характеристик способом творів.
Результати вимірювань товщини шкіри в мм:
1.23 | 1.23 | 1.28 | 1.26 |
1.22 | 1.25 | 1.24 | 1.24 |
1.26 | 1.24 | 1.21 | 1.22 |
1.20 | 1.25 | 1.23 | 1.25 |
1.21 | 1.27 | 1.25 | 1.21 |
1.25 | 1.24 | 1.24 | 1.27 |
1.28 | 1.22 | 1.20 | 1.24 |
1.24 | 1.23 | 1.24 | 1.26 |
1.26 | 1.24 | 1.27 | 1.24 |
1.24 | 1.26 | 1.25 | 1.24 |
По таблиці 2 визначаємо кількість класів, тому що n = 40, то вибираємо 10 класів.
Таблиця 2
Число випробувань | 25 | 50 | 100 | 200 | 500 | більше 500 |
Кількість класів | 7 ... 11 | 8 ... 13 | 9 ... 14 | 10 ... 16 | 12 ... 18 | 14 ... 20 |
Далі визначаємо інтервал класу (розряду):
Після визначення інтервалу класу первинні результати групують за розрядами і визначають частоту n i (табл. 3).
Таблиця 3
Номер розрядів | Межі розрядів | Частота | Умовне відхилення | Сума S 1 | Сума S 2 |
1 | 1.20 ... 1.208 | 2 | -5 | -10 | 50 |
2 | 1.208 ... 1.216 | 3 | -4 | -12 | 48 |
3 | 1.216 ... 1.224 | 3 | -3 | -9 | 27 |
4 | 1.224 ... 1.232 | 4 | -2 | -8 | 16 |
5 | 1.232 ... 1.240 | 4 | -1 | -4 | 4 |
6 | 1.240 ... 1.248 | 8 | 0 | 0 | 0 |
7 | 1.248 ... 1.256 | 6 | +1 | 6 | 6 |
8 | 1.256 ... 1.264 | 5 | +2 | 10 | 20 |
9 | 1.264 ... 1.272 | 3 | +3 | 9 | 27 |
10 | 1.272 ... 1.280 | 2 | +4 | 8 | 32 |
10 | 40 | 10 | 230 |
Середнє арифметичне результатів випробувань:
Визначаємо суму квадратів відхилень
Обчислюємо середньоквадратичне відхилення:
Далі визначаємо коефіцієнт варіації:
Висновки: в процесі виконання лабораторної роботи були вивчені принципи і методи відбору зразків, проб і вибірок при дослідженні властивостей текстильних матеріалів, способи обчислення основних статистичних характеристик.
Були визначені структурні характеристики, поверхнева щільність і товщина шкіри класичним і спрощеним методом. При оцінці товщини шкіри спрощеним методом отримали високий показник коефіцієнта варіації С В. Це можна пояснити тим, що при вимірюванні товщини був великий розмах результатів випробувань R. При цьому в процесі статистичної обробки були видалені випадкові і грубі помилки, які могли з'явитися в результаті неуважного зняття і записи свідчень товщиноміра, наявності погрішності у вимірюванні приладу, неровноти товщини шкіри.
Лабораторна робота № 2.
Тема: Однофакторний експеримент. Визначення лінійного рівняння регресії першого порядку
Мета роботи
Освоєння методів математичної обробки результатів дослідження властивостей текстильних матеріалів; визначення рівняння регресії за даними однофакторного експерименту.
Посібники та інструменти: таблиці значень критеріїв Кочрена, Стьюдента, Фішера; мікрокалькулятор.
Зміст роботи
1. Статистична обробка первинних результатів експерименту.
2. Розрахунок критерію Кочрена і перевірка однорідності дисперсії в дослідах матриці.
3. Визначення середньої дисперсії вихідного параметра в дослідах матриці.
4. Визначення коефіцієнтів регресії і складання рівняння регресії.
5. Визначення адекватності рівняння регресії. Розрахунок критерію Фішера.
6. Оцінка значущості коефіцієнтів регресії.
7. Визначення довірчих інтервалів середніх та індивідуальних значень вихідного параметра.
8. Побудова графіка отриманого рівняння регресії.
9. Аналіз результатів роботи. Формулювання висновків.
Загальні відомості
В даний час при дослідженні властивостей текстильних матеріалів та інших видів продукції широке застосування отримали математико-статистичні методи планування експериментів.
У завдання планування експерименту входять: вибір необхідних для експерименту дослідів, тобто побудова матриці планування, вибір методів математичної обробки результатів експерименту.
Існує два види планування активного експерименту: традиційне (класичне) однофакторні і багатофакторне (факторне).
У традиційному однофакторного плануванні вивчається вплив на вихідний параметр одного вхідного параметра (фактора).
У результаті обробки експериментальних даних визначають взаємозв'язок між вихідним параметром (Y) і варійованих на декількох рівнях фактором (X). Математична модель у загальному вигляді описується функцією відгуку:
y = f (x) (1)
При існуванні лінійного зв'язку між вхідними і вихідними параметрами рівняння регресії має наступний вигляд:
y = d o + d 1 (xx), (2)
де d 0, d 1 - коефіцієнти рівняння регресії.
Адекватність рівняння регресії перевіряється за критерієм Фішера [1,4]. Якщо розрахункове значення критерію Фішера (F p) менше табличного (F m), то гіпотеза про адекватність лінійної моделі не відкидається.
Виконання роботи
1. Статистична обробка первинних результатів експерименту
Отримані значення статистичних характеристик заносимо у відповідні графи табл. 1.
Таблиця 1
Розрахунки статистичних характеристик
№ досвіду | Фактор Х | Значення параметра, Y | Y | S 2 | S | З в | |
1 | 2 | ||||||
1. 1 | 4 | 9.93 | 9.47 | 9.70 | 0.106 | 0.325 | 3.353 |
2. 2 | 12 | 9.81 | 9.32 | 9.56 | 0.120 | 0.346 | 3.622 |
3. 3 | 20 | 9.76 | 9.21 | 9.48 | 0.151 | 0.389 | 4.1 |
4. 4 | 27 | 9.74 | 9.16 | 9.45 | 0.168 | 0.41 | 4.34 |
5. | 35 | 9.73 | 9.12 | 9.42 | 0.186 | 0.431 | 4.577 |
6. | 43 | 9.68 | 9.10 | 9.39 | 0.168 | 0.41 | 4.368 |
7. | 50 | 9.67 | 9.07 | 9.37 | 0.180 | 0.424 | 4.528 |
8. | 58 | 9.64 | 9.04 | 9.34 | 0.180 | 0.424 | 4.542 |
9. | 66 | 9.63 | 9.01 | 9.32 | 0.192 | 0.438 | 4.704 |
10. | 73 | 9.62 | 9.00 | 9.32 | 0.192 | 0.438 | 4.709 |
11. | 81 | 9.61 | 8.99 | 9.30 | 0.192 | 0.438 | 4.714 |
12. | 88 | 9.62 | 8.97 | 9.29 | 0.212 | 0.46 | 4.945 |
13. | 96 | 9.60 | 8.95 | 9.27 | 0.212 | 0.46 | 4.955 |
14. | 104 | 9.58 | 8.94 | 9.26 | 0.205 | 0.453 | 4.887 |
15. | 111 | 9.57 | 8.92 | 9.24 | 0.212 | 0.46 | 4.972 |
16. | 119 | 9.54 | 8.92 | 9.23 | 0.192 | 0.438 | 4.75 |
17. | 126 | 9.55 | 8.93 | 9.22 | 0.192 | 0.438 | 4.745 |
18. | 134 | 9.53 | 8.90 | 9.21 | 0.198 | 0.445 | 4.834 |
19. | 141 | 9.53 | 8.89 | 9.21 | 0.205 | 0.453 | 4.914 |
20. | 149 | 9.52 | 8.88 | 9.20 | 0.205 | 0.453 | 4.919 |
21. | 156 | 9.51 | 8.86 | 9.18 | 0.212 | 0.46 | 5.004 |
22. | 164 | 9.49 | 8.88 | 9.18 | 0.186 | 0.431 | 4.696 |
23. | 171 | 9.49 | 8.85 | 9.17 | 0.205 | 0.453 | 4.935 |
24. | 179 | 9.49 | 8.82 | 9.15 | 0.225 | 0.474 | 5.175 |
25. | 186 | 9.47 | 8.82 | 9.14 | 0.212 | 0.46 | 5.026 |
26. | 194 | 9.46 | 8.82 | 9.14 | 0.205 | 0.453 | 4.951 |
27. | 201 | 9.45 | 8.82 | 9.13 | 0.225 | 0.474 | 5.175 |
28. | 209 | 9.47 | 8.80 | 9.13 | 0.212 | 0.46 | 5.026 |
29. | 216 | 9.46 | 8.80 | 9.13 | 0.218 | 0.467 | 5.112 |
30. | 224 | 9.45 | 8.79 | 9.12 | 0.218 | 0.467 | 5.117 |
Для перевірки однорідності дисперсії і відтворюваності експерименту при однаковій повторності (m) всіх дослідів розраховуємо значення критерію Кочрена G p за формулою
де
Далі розрахункове значення G p порівнюємо з табличним значенням G T. Дисперсії однорідні і кількість повторних дослідів однаково, тому що G p <G T (0.039 <0.3632).
3. Визначення середньої дисперсії вихідного параметра в дослідах матриці
Оскільки в дослідах матриці дисперсії однорідні і кількість повторних дослідів однаково, то середню дисперсію визначають за формулою
Після цього визначаємо число ступенів свободи середньої дисперсії;
F (S 2 (1) {y}) = N (m-1) = 30 (5)
Середня дисперсія характеризує середній розкид значень вихідного параметра щодо його середніх значень, тобто помилку дослідів в експерименті.
4. Визначення коефіцієнтів регресії і складання рівняння регресії
Дисперсії вихідного параметра для кожного рівня фактора однорідні, следлвательно, застосовуємо метод найменших квадратів.
Коефіцієнти рівняння регресії визначаємо за формулами:
де
x u - значення фактора на певному u-рівні;
Для зручності всі проміжні розрахунки зводять в табл. 2.
Таблиця 2
Розрахунок коефіцієнтів рівняння регресії
№ досвіду u | Фактор x u | x u - x | (X u - x) 2 | Y u | (X u - x) Y u |
1. | 4 | -110.567 | 12225.06 | 9.70 | -1072.49 |
2. | 12 | -102.567 | 10519.99 | 9.56 | -980.54 |
3. | 20 | -94.567 | 8942.91 | 9.48 | -896.49 |
4. | 27 | -87.567 | 7667.98 | 9.45 | -827.51 |
5. | 35 | -79.567 | 6331.38 | 9.42 | -749.52 |
6. | 43 | -71.567 | 5121.84 | 9.39 | -672.01 |
7. | 50 | -64.567 | 4168.89 | 9.37 | -604.99 |
8. | 58 | -56.567 | 3199.83 | 9.34 | -528.34 |
9. | 66 | -48.567 | 2358.75 | 9.32 | -452.64 |
10. | 73 | -41.567 | 1727.82 | 9.32 | -387.40 |
11. | 81 | -33.567 | 1126.74 | 9.30 | -312.17 |
12. | 88 | -26.567 | 705.81 | 9.29 | -246.81 |
13. | 96 | -18.567 | 344.73 | 9.27 | -172.12 |
14. | 104 | -10.567 | 111.66 | 9.26 | -97.85 |
15. | 111 | -3.567 | 12.72 | 9.24 | -32.96 |
16. | 119 | 4.433 | 19.65 | 9.23 | 40.92 |
17. | 126 | 11.433 | 130.71 | 9.22 | 105.41 |
18. | 134 | 19.433 | 377.64 | 9.21 | 178.98 |
19. | 141 | 26.433 | 698.70 | 9.21 | 243.45 |
20. | 149 | 34.433 | 1185.63 | 9.20 | 316.78 |
21. | 156 | 41.433 | 1716.69 | 9.18 | 380.35 |
22. | 164 | 49.433 | 2443.62 | 9.18 | 453.79 |
23. | 171 | 56.433 | 3184.68 | 9.17 | 517.49 |
24. | 179 | 64.433 | 4151.61 | 9.15 | 589.56 |
25. | 186 | 71.433 | 5102.67 | 9.14 | 652.89 |
26. | 194 | 79.433 | 6309.60 | 9.14 | 726.60 |
27. | 201 | 86.433 | 7470.66 | 9.13 | 489.13 |
28. | 209 | 94.433 | 8917.59 | 9.13 | 862.17 |
29. | 216 | 101.433 | 10288.65 | 9.13 | 926.08 |
30. | 224 | 109.433 | 11975.58 | 9.12 | 998.02 |
y R = d o + d 1 (xx). (8)
5. Визначення адекватності рівняння регресії. Розрахунки критерію Фішера. Для визначення адекватності отриманого рівняння (8) використовують критерій Фішера, розрахункове значення якого визначаємо за формулою
де S 2 (1) - середня дисперсія або дисперсія відтворюваності, обумовлена за формулою (4);
S 2 (2) - дисперсія, що характеризує розсіювання середніх експериментальних значень у u відносно прямої лінії, яка визначається за формулою (8) (дисперсія адекватності).
Дисперсія S 2 (2) характеризує точність апроксимації залежності y = f (X) прямою лінією, її визначають за формулою
де
Після цього визначають число ступенів свободи дисперсії адекватності
F {S 2 (2)} = N-2 = 28 (11)
Далі підставляємо у формулу (9) значення дисперсії S 2 (1) {y} і S 2 (2) {y} розраховують критерій Фішера. F p порівнюємо з табличним значенням критерію Фішера F T, яке визначають з [1.4] при довірчій ймовірності α = 0,95 і число ступенів свободи f {S 2 (2)} і f {S 2 (1)}
F T = 2.38, а Fр = 0.029
Fр <F T
Оскільки Fр <F T, то лінійне рівняння адекватно.
Розрахунок суми у формулі (10) зводимо в табл. 3. Розрахункові значення вихідного параметра
Таблиця 3
Розрахунок дисперсії адекватності
u | x u | d 1 x u | Y Ru | y u | y u - Y Ru | (Y u - Y Ru) 2 |
1. | 4 | -7.864 × 10 -3 | 9.492 | 9.70 | 0.208 | 0.043 |
2. | 12 | -0.024 | 9.477 | 9.56 | 0.083 | 6.950 × 10 -3 |
3. | 20 | -0.039 | 9.461 | 9.48 | 0.019 | 3.645 × 10 -4 |
4. | 27 | -0.053 | 9.447 | 9.45 | 2.853 × 10 -3 | 8.140 × 10 -6 |
5. | 35 | -0.069 | 9.431 | 9.42 | -0.011 | 1.304 × 10 -4 |
6. | 43 | -0.085 | 9.416 | 9.39 | -0.026 | 6.601 × 10 -4 |
7. | 50 | -0.098 | 9.402 | 9.37 | -0.032 | 1.020 × 10 -3 |
8. | 58 | -0.114 | 9.386 | 9.34 | -0.046 | 2.135 × 10 -3 |
9. | 66 | -0.130 | 9.370 | 9.32 | -0.050 | 2.548 × 10 -3 |
10. | 73 | -0.144 | 9.357 | 9.32 | -0.037 | 1.348 × 10 -3 |
11. | 81 | -0.159 | 9.341 | 9.30 | -0.041 | 1.680 × 10 -3 |
12. | 88 | -0.173 | 9.327 | 9.29 | -0.037 | 1.386 × 10 -3 |
13. | 96 | -0.189 | 9.312 | 9.27 | -0.042 | 1.722 × 10 -3 |
14. | 104 | -0.204 | 9.296 | 9.26 | -0.036 | 1.280 × 10 -3 |
15. | 111 | -0.218 | 9.282 | 9.24 | -0.042 | 1.765 × 10 -3 |
16. | 119 | -0.234 | 9.266 | 9.23 | -0.036 | 1.317 × 10 -3 |
17. | 126 | -0.248 | 9.253 | 9.22 | -0.033 | 1.058 × 10 -3 |
18. | 134 | -0.263 | 9.237 | 9.21 | -0.027 | 7.180 × 10 -4 |
19. | 141 | -0.277 | 9.223 | 9.21 | -0.013 | 1.699 × 10 -4 |
20. | 149 | -0.293 | 9.207 | 9.20 | -7.308 × 10 -3 | 5.340 × 10 -5 |
21. | 156 | -0.307 | 9.194 | 9.18 | -0.014 | 1.835 × 10 -4 |
22. | 164 | -0.322 | 9.178 | 9.18 | 2.181 × 10 -3 | 4.756 × 10 -6 |
23. | 171 | -0.336 | 9.164 | 9.17 | 5.942 × 10 -3 | 3.531 × 10 -5 |
24. | 179 | -0.352 | 9.148 | 9.15 | 1.669 × 10 -3 | 2.786 × 10 -6 |
25. | 186 | -0.366 | 9.135 | 9.14 | 5.430 × 10 -3 | 2.949 × 10 -5 |
26. | 194 | -0.381 | 9.119 | 9.14 | 0.021 | 4.476 × 10 -4 |
27. | 201 | -0.395 | 9.105 | 9.13 | 0.025 | 6.210 × 10 -4 |
28. | 209 | -0.411 | 9.089 | 9.13 | 0.041 | 1.652 × 10 -3 |
29. | 216 | -0.425 | 9.076 | 9.13 | 0.054 | 2.960 × 10 -3 |
30. | 224 | -0.440 | 9.060 | 9.12 | 0.060 | 3.616 × 10 -3 |
Для визначення значимості отриманих коефіцієнтів d 0 і d 1 рівняння (8) використовується критерій Стьюдента [1], розрахункове значення якого визначаємо за формулою
t p = | d i | / S {d i} = 3,114 (12)
де S {d i} - оцінка середньоквадратичного відхилення коефіцієнта регресії d i.
Дисперсію коефіцієнтів регресії S 2 {do} і S 2 {d 1} розраховуємо за формулами:
У формули (13) і (14) входить дисперсія S 2 {y}, яка є зведеної оцінкою дисперсії випадкової величини Y u вихідного параметра за умови лінійного зв'язку. Цю дисперсію визначаємо за формулою
далі визначають число ступенів свободи цієї дисперсії:
f {S 2} = mN-2 = 58 (16)
Порівнюємо табличне і розрахункове значення критерію Стьюдента. Якщо t p> t т, то коефіцієнти рівняння регресії значимі і, отже, зв'язок між Y і Х значима.
У нашому випадку tр = 3,114, а tt = 2,0. Отже, зв'язок між Y і Х значима.
Після цього визначаємо абсолютні помилки коефіцієнтів регресії ε {d i}:
ε {d i} = S {di} · t T [α, f {S 2}]. (17)
ε {d 0} = 2,314
ε {d 1} = 0,035
Тоді для істинних значень коефіцієнтів регресії δ 0 і δ 1 в лінійному рівнянні (8) довірчі інтервали визначаються нерівністю
d i-ε {d i} ≤ δ i ≤ d s + ε {d i}. (18)
6,961 ≤ δ 0 ≤ 5,289
-0,036967 ≤ δ 1 ≤ -0,033
7. Визначення довірчих інтервалів середніх та індивідуальних значень вихідного параметра
Щоб визначити ступінь відхилення розрахункових значень вихідного параметра Y Ru від істинного його значення при кожному рівні фактора X u, визначаємо довірчі помилки ε {Y Ru} розрахункового значення вихідного параметра і довірчі інтервали середніх та індивідуальних значень вихідного параметра.
Довірчі помилки розрахункових значень вихідного параметра для кожного рівня фактора розраховують за формулою
ε m {Y Ru} = S m {y Ru} · t T [α, f {S 2}] (19)
де S m {y Ru} - оцінка середньоквадратичного відхилення розрахункового значення вихідного параметраY Ru для кожного значення x u.
Оцінку середньоквадратичного відхилення розраховують за формулою
Розрахунки ε m {Y Ru} і S m {Y Ru} заносимо в табл.4.
Далі в таблицю заносять розрахункові значення y Ru, отримані за рівнянням регресії (8).
Знаючи помилки розрахункової величини, визначаємо довірчі інтервали для перевірених середніх значень вихідного параметра.
Нижній довірчий інтервал визначають:
Y m (н) = y Ru - ε m, (21)
верхній довірчий інтервал:
Y m (в) = y Ru + ε m, (22)
Значення верхніх і нижніх значень довірчих інтервалів для кожного досліду заносимо в табл. 4.
Таблиця 4
Довірчі інтервали середніх значень
u | x u | (X u - x) 2 | S m 2 | S m | ε m | Y Ru | Y m (н) | Y m (в) |
1. | 4 | 12225.06 | 4.871e | 0.070 | 8.096 | 9.492 | 1.397 | 17.588 |
2. | 12 | 10519.99 | 4.192e | 0.065 | 7.510 | 9.477 | 1.967 | 16.987 |
3. | 20 | 8942.91 | 3.563e | 0.060 | 6.924 | 9.461 | 2.537 | 16.385 |
4. | 27 | 7667.98 | 3.055e | 0.055 | 6.412 | 9.447 | 3.035 | 15.859 |
5. | 35 | 6331.38 | 2.523e | 0.050 | 5.826 | 9.431 | 3.605 | 15.258 |
6. | 43 | 5121.84 | 2.041e | 0.045 | 5.241 | 9.416 | 4.175 | 14.656 |
7. | 50 | 4168.89 | 1.661e | 0.041 | 4.728 | 9.402 | 4.674 | 14.130 |
8. | 58 | 3199.83 | 1.275e | 0.036 | 4.142 | 9.386 | 5.244 | 13.529 |
9. | 66 | 2358.75 | 9.401e | 0.031 | 3.557 | 9.370 | 5.814 | 12.927 |
10. | 73 | 1727.82 | 6.888e | 0.026 | 3.044 | 9.357 | 6.312 | 12.401 |
11. | 81 | 1126.74 | 4.493e | 0.021 | 2.459 | 9.341 | 6.882 | 11.800 |
12. | 88 | 705.81 | 2.816e | 0.017 | 1.947 | 9.327 | 7.381 | 11.274 |
13. | 96 | 344.73 | 1.377e | 0.012 | 1.361 | 9.312 | 7.950 | 10.673 |
14. | 104 | 111.66 | 4.488e | 0.0067 | 0.777 | 9.296 | 8.519 | 10.073 |
15. | 111 | 12.72 | 5.467e | 0.002338 | 0.271 | 9.282 | 9.011 | 9.553 |
16. | 119 | 19.65 | 8.228e | 0.002868 | 0.333 | 9.266 | 8.934 | 9.599 |
17. | 126 | 130.71 | 5.247e | 0.007244 | 0.840 | 9.253 | 8.412 | 10.093 |
18. | 134 | 377.64 | 1.509e | 0.012 | 1.425 | 9.237 | 7.812 | 10.662 |
19. | 141 | 698.70 | 2.788e | 0.017 | 1.937 | 9.223 | 7.286 | 11.160 |
20. | 149 | 1185.63 | 4.728e | 0.022 | 2.522 | 9.207 | 6.685 | 11.729 |
21. | 156 | 1716.69 | 6.843e | 0.026 | 3.035 | 9.194 | 6.159 | 12.228 |
22. | 164 | 2443.62 | 9.739e | 0.031 | 3.620 | 9.178 | 5.558 | 12.798 |
23. | 171 | 3184.68 | 1.269e | 0.036 | 4.133 | 9.164 | 5.031 | 13.297 |
24. | 179 | 4151.61 | 1.654e | 0.041 | 4.718 | 9.148 | 4.430 | 13.867 |
25. | 186 | 5102.67 | 2.033e | 0.045 | 5.231 | 9.135 | 3.904 | 14.365 |
26. | 194 | 6309.60 | 2.514e | 0.050 | 5.816 | 9.119 | 3.302 | 14.935 |
27. | 201 | 7470.66 | 2.977e | 0.055 | 6.329 | 9.105 | 2.776 | 15.434 |
28. | 209 | 8917.59 | 3.553e | 0.060 | 6.915 | 9.089 | 2.175 | 16.004 |
29. | 216 | 10288.65 | 4.099e | 0.064 | 7.427 | 9.076 | 1.648 | 16.503 |
30. | 224 | 11975.58 | 4.771e | 0.069 | 8.013 | 9.060 | 1.047 | 17.073 |
Верхня межа інтервалу:
y l (в) = y Ru + S l · t т [α, f {S 2}]. (23)
Нижня межа інтервалу:
y l (в) = y Ru-S l · t т [α, f {S 2}]. (23)
Попередньо визначаємо помилку:
Використовуючи значення S m з табл. 4 і раніше певні за рівнянням (15) значення S 2 {у} і критерій Стьюдента, визначаємо верхні та нижні межі шуканої зони за формулами (23) і (24), зводячи всі розрахунки в табл. 5,
Таблиця 5
u | x u | S m 2 | S l 2 | S l | Y Ru | t т · S l | Y l (н) | Y l (в) |
1. | 4 | 4.871e | 0.107 | 0.328 | 9.492 | 0.656 | 8.837 | 10.148 |
2. | 12 | 4.192e | 0.107 | 0.327 | 9.477 | 0.653 | 8.823 | 10.130 |
3. | 20 | 3.563e | 0.106 | 0.326 | 9.461 | 0.652 | 8.809 | 10.112 |
4. | 27 | 3.055e | 0.106 | 0.325 | 9.447 | 0.650 | 8.797 | 10.097 |
5. | 35 | 2.523e | 0.105 | 0.324 | 9.431 | 0.648 | 8.783 | 10.080 |
6. | 43 | 2.041e | 0.105 | 0.323 | 9.416 | 0.647 | 8.769 | 10.063 |
7. | 50 | 1.661e | 0.104 | 0.323 | 9.402 | 0.646 | 8.756 | 10.048 |
8. | 58 | 1.275e | 0.104 | 0.322 | 9.386 | 0.644 | 8.742 | 10.031 |
9. | 66 | 9.401e | 0.103 | 0.322 | 9.370 | 0.643 | 8.727 | 10.014 |
10. | 73 | 6.888e | 0.103 | 0.321 | 9.357 | 0.643 | 8.714 | 9.999 |
11. | 81 | 4.493e | 0.103 | 0.321 | 9.341 | 0.642 | 8.699 | 9.983 |
12. | 88 | 2.816e | 0.103 | 0.321 | 9.327 | 0.641 | 8.686 | 9.969 |
13. | 96 | 1.377e | 0.103 | 0.320 | 9.312 | 0.641 | 8.671 | 9.952 |
14. | 104 | 4.488e | 0.103 | 0.320 | 9.296 | 0.641 | 8.655 | 9.936 |
15. | 111 | 5.467e | 0.103 | 0.320 | 9.282 | 0.640 | 8.642 | 9.923 |
16. | 119 | 8.228e | 0.103 | 0.320 | 9.266 | 0.640 | 8.626 | 9.907 |
17. | 126 | 5.247e | 0.103 | 0.320 | 9.253 | 0.641 | 8.612 | 9.893 |
18. | 134 | 1.509e | 0.103 | 0.320 | 9.237 | 0.641 | 8.596 | 9.878 |
19. | 141 | 2.788e | 0.103 | 0.321 | 9.223 | 0.641 | 8.582 | 9.864 |
20. | 149 | 4.728e | 0.103 | 0.321 | 9.207 | 0.642 | 8.565 | 9.849 |
21. | 156 | 6.843e | 0.103 | 0.321 | 9.194 | 0.643 | 8.551 | 9.836 |
22. | 164 | 9.739e | 0.104 | 0.322 | 9.178 | 0.644 | 8.534 | 9.821 |
23. | 171 | 1.269e | 0.104 | 0.322 | 9.164 | 0.644 | 8.520 | 9.808 |
24. | 179 | 1.654e | 0.104 | 0.323 | 9.148 | 0.646 | 8.503 | 9.794 |
25. | 186 | 2.033e | 0.105 | 0.323 | 9.135 | 0.647 | 8.488 | 9.781 |
26. | 194 | 2.514e | 0.105 | 0.324 | 9.119 | 0.648 | 8.471 | 9.767 |
27. | 201 | 2.977e | 0.106 | 0.325 | 9.105 | 0.650 | 8.455 | 9.755 |
28. | 209 | 3.553e | 0.106 | 0.326 | 9.089 | 0.651 | 8.438 | 9.741 |
29. | 216 | 4.099e | 0.107 | 0.327 | 9.076 | 0.653 | 8.422 | 9.729 |
30. | 224 | 4.771e | 0.107 | 0.328 | 9.060 | 0.655 | 8.405 | 9.715 |
Лабораторна робота № 3 частина 1
Постановка повного факторного експерименту при дослідженні якості швейних виробів. Визначення багатофакторних регресійних моделей I і II порядків при дослідженні якості швейних виробів
Мета роботи:
Освоїти математичні методи планування повного факторного експерименту (ПФЕ); навчитися визначати математичні моделі I і II порядків при дослідженні якості швейних виробів
Зміст роботи
1. Планування повного факторного експерименту та обробка результатів.
2. Визначення лінійної моделі ПФЕ.
3. Перевірка адекватності рівняння I порядку.
4. Планування багатофакторного експерименту II порядку.
5. Визначення рівняння регресії II порядку.
6. Перевірка адекватності рівняння II порядку.
7. Аналіз результатів роботи. Формулювання висновків.
Посібники та інструменти: таблиці значень критеріїв Стьюдента, Фішера; мікрокалькулятор.
Варіант № 4
Визначали повітропроникність тканин з різними значеннями щільності ниток по основі (Х1) (П0 = 180), і коефіцієнтом ущільненості (Х2) (С0 = 0,7) з інтервалами зміни відповідно 50 і 0,2. Визначити рівні варіювання факторів, побудувати робочу матрицю планування. Провести обробку ПФЕ, знайти рівняння регресії, перевірити його адекватність, результати розрахунку представити графічно.
Матриця експерименту
Загальні відомості
Якість швейних виробів залежить від цілого ряду факторів (властивості використовуваних матеріалів, швейних ниток, якість з'єднань та ін.) Тому при дослідженні якості швейних виробів вирішують багатофакторну задачу, в якій досліджуване властивість об'єкта (Y) залежить від декількох факторів (Х 1, Х 2, Х 3, Х 4 і т.д.).
З тією метою проводиться повний факторний експеримент (ПФЕ), в якому реалізуються всі можливі комбінації розглянутих рівнянь факторів, а результати оцінюються за допомогою статистичного аналізу.
Планування ПФЕ пов'язане з побудовою лінійних моделей виду
де - Значення критерію;
b i - лінійні коефіцієнти;
b ij - коефіцієнти подвійного взаємодії факторів.
Багатофакторний експеримент являє собою складну задачу, тому дуже часто лінійна математична модель є неадекватною реальному процесу.
У даному випадку переходять до планування другого і більш високих порядків. Рівняння регресії при цьому представляє поліном другого або більш високого ступеня. Так, при плануванні другого порядку досліджуваний процес описується рівнянням другого порядку, загальний вигляд якого представлений нижче
Порядок статистичної обробки результатів експерименту при багатофакторному плануванні відповідає послідовності обробки при однофакторного плануванні.
Виконання роботи
1.1. Визначення коефіцієнтів рівняння регресії.
1.1.1. Вільний член рівняння регресії визначаємо за формулою:
де n - число дослідів;
- Середній результат в кожному досвіді.
1.1.2. Лінійні коефіцієнти визначають за формулою:
де х iu - кодоване значення i-го фактора в кожному окремому досвіді.
1.1.3. Коефіцієнти парної взаємодії.
1.2. Оцінка значущості коефіцієнтів рівняння регресії.
1.2.1 Визначення дисперсії результатів експерименту:
де - Сума середньоквадратичних відхилень результатів експерименту від середнього значення в кожному певному досвіді;
N - повторність дослідів.
1.2.2 Визначення дисперсії (помилки) коефіцієнтів рівняння регресії за формулою
1.2.3. Визначення довірчого інтервалу для коефіцієнтів рівняння.
де t T = 3,18-табличне значення критерію Стьюдента для n = 4.
Після визначення довірчого інтервалу порівнюємо його величину з коефіцієнтами регресії. Величина довірчого інтервалу менше (за модулем) величини коефіцієнта, отже, даний коефіцієнт рівняння значущий і не виключається з рівняння регресії.
1.3. Складання рівняння регресії
Після оцінки значущості коефіцієнтів студенти складають рівняння регресії у вигляді.
де -
1.4. Перевірка адекватності рівняння регресії
Адекватність отриманого рівняння регресії визначаємо за допомогою критерію Фішера. Для цього розраховують значення критерію за рівнянням регресії, підставляючи замість х u кодоване значення кожного фактора в даному досвіді. Після цього визначають квадрати відхилень між розрахунковими та експериментальними значеннями .
Результати заносимо в таблицю 1.
Таблиця 1.
Після цього визначаємо дисперсію адекватності за формулою:
де n-повторність досвіду;
k - кількість факторів.
Тоді розрахункове значення критерію Фішера:
Fт = 19,45
Fp> Fт
Визначивши розрахункове значення критерію Фішера і порівнюючи його з табличним, визначають адекватність рівняння регресії досліджуваному процесу. Якщо F p> F T, то гіпотеза про адекватність відкидається, і рівняння регресії не відповідає реальному процесу, тобто зв'язок між критерієм і факторами нелінійна.
Висновок: У даній лабораторній роботі освоїли математичні методи планування повного факторного експерименту (ПФЕ), навчилися визначати математичні моделі I порядку, при дослідженні якості виробів.
Вивчивши алгоритм виконання роботи і виконавши її, визначили, що адекватність відкидається (F p> F T) і рівняння регресії не відповідає реальному процесу, тобто зв'язок між критеріями і факторами нелінійна. Отже, рівняння буде мати ступеневу залежність. Переходимо до планування експерименту вищого порядку.
Лабораторна робота № 3 частина 2
Варіант № 4
Визначали повітропроникність тканин з різними значеннями щільності ниток по основі (Х1) (П0 = 180), і коефіцієнтом ущільненості (Х2) (С0 = 0,7) з інтервалами зміни відповідно 50 і 0,2. Визначити рівні варіювання факторів, побудувати робочу матрицю планування. Провести обробку ПФЕ, знайти рівняння регресії, перевірити його адекватність, результати розрахунку представити графічно.
2.1. Визначення коефіцієнтів рівняння регресії
2.1.1 Вільний член рівняння визначаємо за формулою:
де y u - Середнє експериментальне значення в кожному u-той досвід;
x - кодоване значення рівня k-го фактора в u-той досвід;
k - кількість факторів;
а 1, а 2 - числові константи, беруться з таблиці.
2.1.2 Лінійні коефіцієнти визначаємо за формулою:
2.1.3. Коефіцієнти парної взаємодії:
де x iu, x ju-кодовані значення рівнів i-го і j-го факторів відповідно і в u-том досвіді.
2.1.4 Коефіцієнти при квадратичних членах рівняння регресії визначають:
Після обчислення коефіцієнтів рівняння регресії переходять до оцінки їх значимості.
2.2. Оцінка значущості коефіцієнтів рівняння регресії.
2.2.1 Визначаємо дисперсію відтворюваності S 2 {y} по формулі (дублювання дослідів проводиться тільки в нульовій точці).
де n 0 = 5 - число дослідів в нульовій точці;
= 252 - середній результат у нульовій точці;
y 0 j - кожен окремий результат в нульовій точці.
2.2.2 Дисперсію (середньоквадратичної помилки) у визначенні коефіцієнтів визначають для вільного члена:
для лінійних коефіцієнтів:
для коефіцієнтів парної взаємодії:
для квадратичних коефіцієнтів:
Формули для підрахунку постійних С, А, λ наведені нижче:
де N - загальне число дослідів;
k - число факторів в експерименті.
2.2.2 Визначення довірчих інтервалів для оцінки значущості коефіцієнтів рівняння.
Довірчі інтервали для b 0, b i, b ji і b ii відповідно визначають за формулами:
Перевіряємо значимість коефіцієнтів рівняння, порівнюємо відповідний довірчий інтервал з величиною коефіцієнта. | B i | <| Δb i |. Отже, коефіцієнти парної взаємодії незначущі, тому що їх числові значення менше за модулем їх довірчого інтервалу, отже, ці коефіцієнти виключаються з рівняння регресії. А всі інші коефіцієнти значимі, тому що їх числові значення більше по модулю їх довірчого інтервалу.
2.3. Складання рівняння регресії.
Адекватність рівняння перевіряємо за критерієм Фішера:
де дисперсію адекватності визначаємо за формулою:
де - Середнє експериментальне значення критерію в кожному досвіді;
- Розрахункове значення критерію;
y 0 j - Значення критерію в кожній нульовій точці;
- Середнє значення критерію в нульовій точці.
F p <F T
Визначивши розрахункове значення критерію Фішера і порівнявши його з табличним, визначили адекватність рівняння регресії досліджуваному процесу. Розрахункове значення критерію Фішера менше табличного F p <F T, отже, гіпотеза про адекватність не відкидається, і рівняння регресії відповідає реальному процесу, тобто зв'язок між критерієм (y) і чинниками (x) лінійна.
Висновок: У даній роботі за результатами експериментальних даних, що містяться в 1 частини завдання, ми добудували робочу матрицю експерименту, і перейшли до планування багатофакторного експерименту другого порядку. Рівняння регресії при цьому представляє поліном другого ступеня. Отримали наступне рівняння регресії:
5. Визначення рівняння регресії II порядку.
6. Перевірка адекватності рівняння II порядку.
7. Аналіз результатів роботи. Формулювання висновків.
Посібники та інструменти: таблиці значень критеріїв Стьюдента, Фішера; мікрокалькулятор.
Варіант № 4
Визначали повітропроникність тканин з різними значеннями щільності ниток по основі (Х1) (П0 = 180), і коефіцієнтом ущільненості (Х2) (С0 = 0,7) з інтервалами зміни відповідно 50 і 0,2. Визначити рівні варіювання факторів, побудувати робочу матрицю планування. Провести обробку ПФЕ, знайти рівняння регресії, перевірити його адекватність, результати розрахунку представити графічно.
Матриця експерименту
№ досвіду | Х0 | Х1 | Х2 | Х1Х2 | Y дм / м · с |
1 2 3 4 | + + + + | + - + - | - - + + | - + + - | 200 380 150 300 |
Якість швейних виробів залежить від цілого ряду факторів (властивості використовуваних матеріалів, швейних ниток, якість з'єднань та ін.) Тому при дослідженні якості швейних виробів вирішують багатофакторну задачу, в якій досліджуване властивість об'єкта (Y) залежить від декількох факторів (Х 1, Х 2, Х 3, Х 4 і т.д.).
З тією метою проводиться повний факторний експеримент (ПФЕ), в якому реалізуються всі можливі комбінації розглянутих рівнянь факторів, а результати оцінюються за допомогою статистичного аналізу.
Планування ПФЕ пов'язане з побудовою лінійних моделей виду
де
b i - лінійні коефіцієнти;
b ij - коефіцієнти подвійного взаємодії факторів.
Багатофакторний експеримент являє собою складну задачу, тому дуже часто лінійна математична модель є неадекватною реальному процесу.
У даному випадку переходять до планування другого і більш високих порядків. Рівняння регресії при цьому представляє поліном другого або більш високого ступеня. Так, при плануванні другого порядку досліджуваний процес описується рівнянням другого порядку, загальний вигляд якого представлений нижче
Порядок статистичної обробки результатів експерименту при багатофакторному плануванні відповідає послідовності обробки при однофакторного плануванні.
Виконання роботи
1.1. Визначення коефіцієнтів рівняння регресії.
1.1.1. Вільний член рівняння регресії визначаємо за формулою:
де n - число дослідів;
1.1.2. Лінійні коефіцієнти визначають за формулою:
де х iu - кодоване значення i-го фактора в кожному окремому досвіді.
1.1.3. Коефіцієнти парної взаємодії.
1.2. Оцінка значущості коефіцієнтів рівняння регресії.
1.2.1 Визначення дисперсії результатів експерименту:
де
N - повторність дослідів.
1.2.2 Визначення дисперсії (помилки) коефіцієнтів рівняння регресії за формулою
1.2.3. Визначення довірчого інтервалу для коефіцієнтів рівняння.
де t T = 3,18-табличне значення критерію Стьюдента для n = 4.
Після визначення довірчого інтервалу порівнюємо його величину з коефіцієнтами регресії. Величина довірчого інтервалу менше (за модулем) величини коефіцієнта, отже, даний коефіцієнт рівняння значущий і не виключається з рівняння регресії.
1.3. Складання рівняння регресії
Після оцінки значущості коефіцієнтів студенти складають рівняння регресії у вигляді.
де -
1.4. Перевірка адекватності рівняння регресії
Адекватність отриманого рівняння регресії визначаємо за допомогою критерію Фішера. Для цього розраховують значення критерію за рівнянням регресії, підставляючи замість х u кодоване значення кожного фактора в даному досвіді. Після цього визначають квадрати відхилень між розрахунковими та експериментальними значеннями
Результати заносимо в таблицю 1.
Таблиця 1.
№ досвіду | Результат експерименту | Розрахункове значення | ||
1 2 3 4 | 200 380 150 300 | 142.5 307.5 142.5 307.5 | -7.5 7.5 7.5 -7.5 | 56.25 56.25 56.25 56.25 |
де n-повторність досвіду;
k - кількість факторів.
Тоді розрахункове значення критерію Фішера:
Fт = 19,45
Fp> Fт
Визначивши розрахункове значення критерію Фішера і порівнюючи його з табличним, визначають адекватність рівняння регресії досліджуваному процесу. Якщо F p> F T, то гіпотеза про адекватність відкидається, і рівняння регресії не відповідає реальному процесу, тобто зв'язок між критерієм і факторами нелінійна.
Висновок: У даній лабораторній роботі освоїли математичні методи планування повного факторного експерименту (ПФЕ), навчилися визначати математичні моделі I порядку, при дослідженні якості виробів.
Вивчивши алгоритм виконання роботи і виконавши її, визначили, що адекватність відкидається (F p> F T) і рівняння регресії не відповідає реальному процесу, тобто зв'язок між критеріями і факторами нелінійна. Отже, рівняння буде мати ступеневу залежність. Переходимо до планування експерименту вищого порядку.
Лабораторна робота № 3 частина 2
Варіант № 4
Визначали повітропроникність тканин з різними значеннями щільності ниток по основі (Х1) (П0 = 180), і коефіцієнтом ущільненості (Х2) (С0 = 0,7) з інтервалами зміни відповідно 50 і 0,2. Визначити рівні варіювання факторів, побудувати робочу матрицю планування. Провести обробку ПФЕ, знайти рівняння регресії, перевірити його адекватність, результати розрахунку представити графічно.
№ досвіду | Х0 | Х1 | Х2 | Х1Х2 | X ² 11 | X ² 22 | Y дм / м · с |
ядро 1 2 3 4 | + + + + | + - + - | - - + + | - + + - | + + + + | + + + + | 200 380 150 300 |
зоряні 5 6 7 8 | + + + + | -1,414 1,414 0 0 | 0 0 -1,414 1,414 | 0 0 0 0 | 2,0 2,0 0 0 | 0 0 2,0 2,0 | 270 340 180 330 |
центральні 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 | 190 200 230 180 220 |
2.1.1 Вільний член рівняння визначаємо за формулою:
де y u - Середнє експериментальне значення в кожному u-той досвід;
x - кодоване значення рівня k-го фактора в u-той досвід;
k - кількість факторів;
а 1, а 2 - числові константи, беруться з таблиці.
Число факторів (k) | Число дослідів | Коефіцієнти | ||||||
а 1 | а 2 | а 3 | а 4 | а 5 | а 6 | а 7 | ||
2 | 13 | 0,200 | 0,100 | 0,125 | 0,250 | 0,125 | 0,0187 | 0,100 |
3 | 20 | 0,1663 | 0,0568 | 0,0732 | 0,1250 | 0,0625 | 0,0069 | 0,0568 |
4 | 31 | 0,1428 | 0,0357 | 0,0417 | 0,0625 | 0,0312 | 0,0037 | 0,0357 |
5 | 32 | 0,1591 | 0,0341 | 0,0417 | 0,0625 | 0,0312 | 0,0028 | 0,0341 |
2.1.3. Коефіцієнти парної взаємодії:
де x iu, x ju-кодовані значення рівнів i-го і j-го факторів відповідно і в u-том досвіді.
2.1.4 Коефіцієнти при квадратичних членах рівняння регресії визначають:
Після обчислення коефіцієнтів рівняння регресії переходять до оцінки їх значимості.
2.2. Оцінка значущості коефіцієнтів рівняння регресії.
2.2.1 Визначаємо дисперсію відтворюваності S 2 {y} по формулі (дублювання дослідів проводиться тільки в нульовій точці).
де n 0 = 5 - число дослідів в нульовій точці;
y 0 j - кожен окремий результат в нульовій точці.
2.2.2 Дисперсію (середньоквадратичної помилки) у визначенні коефіцієнтів визначають для вільного члена:
для лінійних коефіцієнтів:
для коефіцієнтів парної взаємодії:
для квадратичних коефіцієнтів:
Формули для підрахунку постійних С, А, λ наведені нижче:
де N - загальне число дослідів;
k - число факторів в експерименті.
2.2.2 Визначення довірчих інтервалів для оцінки значущості коефіцієнтів рівняння.
Довірчі інтервали для b 0, b i, b ji і b ii відповідно визначають за формулами:
Перевіряємо значимість коефіцієнтів рівняння, порівнюємо відповідний довірчий інтервал з величиною коефіцієнта. | B i | <| Δb i |. Отже, коефіцієнти парної взаємодії незначущі, тому що їх числові значення менше за модулем їх довірчого інтервалу, отже, ці коефіцієнти виключаються з рівняння регресії. А всі інші коефіцієнти значимі, тому що їх числові значення більше по модулю їх довірчого інтервалу.
2.3. Складання рівняння регресії.
Адекватність рівняння перевіряємо за критерієм Фішера:
де дисперсію адекватності визначаємо за формулою:
де
y 0 j - Значення критерію в кожній нульовій точці;
№ досвіду | Результат експерименту | Розрахункове значення | ||
1 2 3 4 5 6 7 8 9 10 11 12 13 | 200 380 150 300 270 340 180 330 240 255 260 245 260 | 204.497 311.743 225.021 332.267 217.547 369.192 228.874 257.895 252.062 252.062 252.062 252.062 252.062 | -4.497 68.257 -75.021 -32.267 52.453 -29.192 -48.874 72.105 -12.062 2.938 7.938 -7.062 7.938 | - - - - - - - - 144 9 64 49 64 |
F p <F T
Визначивши розрахункове значення критерію Фішера і порівнявши його з табличним, визначили адекватність рівняння регресії досліджуваному процесу. Розрахункове значення критерію Фішера менше табличного F p <F T, отже, гіпотеза про адекватність не відкидається, і рівняння регресії відповідає реальному процесу, тобто зв'язок між критерієм (y) і чинниками (x) лінійна.
Висновок: У даній роботі за результатами експериментальних даних, що містяться в 1 частини завдання, ми добудували робочу матрицю експерименту, і перейшли до планування багатофакторного експерименту другого порядку. Рівняння регресії при цьому представляє поліном другого ступеня. Отримали наступне рівняння регресії: