1.В качестве основы для расчета выбирается не медиана, а среднее арифметическое.
2. В ПФЭ величина
— вклад, деленный на два. Деление на два появилось из-за симметричности метода ПФЭ. Для ММСБА использовать коэфф 1/2, скорее всего не правильно. Возьмем коэфф. для каждого
.
стоит обратить внимание на гетеростерастичность – принципиальную не одинаковость выборочных дисперсий. В ПФЭ одинаковость дисперсий задана в условии, а здесь принципиально нарушена.
Сейчас для активного эксперимента некоторые индексы k не нужны, но в пассивном те же формулы, там они нам потребуются. ![]()
Пренебрегаем зависимостью м/у последовательностью выбора факторов. Мы в одном цикле получаем все значимые коэфф., да это не правильно, но ошибок входит в ошибку экспер. Для проверки на адекватность по Стьюденту необходимо найти дисперсии
. (
). Величина Y распределена по нормальному или » нормальному закону. Знаменатель
.
если нер-во выполняется, то включаем в модель, иначе выбрасываем как незначимую на фоне ошибки экспер.
В модель построчно подставляем знаки, и значения модели заносим в колонку. Проверка на адекватность. Если нер-во верно то модель адекватна.
Реализация плана такова, что
найдем позже, когда будут строчные выборки, и оттуда найдем НЮ знаменателя.
План экспер делается, как и в МСБ. Соблюдаем 2 правила: 1.в группе 3-5 факторов. 2.внутри группы по возможности синергизм.
Таб. 7.1.
|
J |
X1 |
X2 |
… |
Xk |
… |
Xn |
X1 X2 |
… |
Xn-1 Xn |
Y |
|
1 |
— |
+ |
+ |
— |
— |
+ |
36.1 |
|||
|
2 |
— |
— |
+ |
— |
+ |
+ |
42.8 |
|||
|
… |
— |
— |
+ |
+ |
+ |
— |
51.6 |
|||
|
I |
+ |
— |
— |
+ |
— |
+ |
31.1 ? |
|||
|
… |
+ |
+ |
— |
— |
+ |
— |
… |
|||
|
N |
+ |
— |
— |
+ |
— |
+ |
77.6 ? |
а). Таблица как бы разделяется на две части 1- активная, управляемая 2- пассивная. Делаем таблицу только первой части. Никакого значения в порядке реализации плана нет.
б). Если четко предполагаем, что из 100 факторов и парных взаимодействий в модель войдет штук 5, тогда одной реализации плана достаточно, иначе желательно сделать еще 1-2 цикла экспер для получения строчных выборок.
|
X1 |
… |
Хn |
Хi Хf |
|
|
N1k |
17 |
|||
|
m1k |
39,2 |
|||
|
D1k |
146,8 |
|||
|
N2k |
31 |
|||
|
m2k |
71,1 |
|||
|
D2k |
245,6 |
|||
|
Mk |
56,8 |
|||
|
Bk |
-15,7 |
|||
|
Dk |
13,6 |
|||
|
Tk |
4,81 |
|||
|
Tтабл |
2,14 |
Обработку желательно вести в 2 этапа. Считаем все коэфф при n делаем вспомогательную таблицу Таб. 7.2. можно попробовать на этом этапе парные взаимодействия. Найдем самое большое и самое маленькое число Y в Таб. 7.1. — > 77.6 и 31.1. смотрим знаки по столбцам при одинаковых знаках выбрасываем, а при разных вводим в таблицу. Можно повторить для выбранных взяв ближайшие к мин и к мах. Наличие парного взаимодействия предупреждает о том, что приближаемся к оптимуму. Часто сами факторы не входит в модель, а их взаимодействия входят. Незначимые колонки в Таб. 7.1 вычеркиваем, когда вычеркнуто ? — одинаковые объединяем и у нас получается строчная выборка. Теперь переписав таблицу мы ее уменьшим в длину и в ширину. Проблемы новой выборки: число попаданий в строчные выборки не одинаково; нам необходим критерий, показывающий правильно ли мы объединили выборки (Бартлетта и Кохрена). Они дают дисперсию адекватности нужно заново пересчитать Таб. 7.2 возможно несколько факторов вылетит, тогда еще раз. Если все осталось, то просто увеличили точность значений.
