Любой план эксперимента должен быть представлен в виде четко очерченых точек факторного пространства.

Если взять и разделить нашу область по средним,то полу- чим зону перекрытия (очень большая).

Преимущества:

1 Зона неопределенности остается в центре.

2 Каждую зону можно рассматривать как точку.

Напоминает ПФЭ (переносим центр 0 в 0’).Получаем псевдофаккторный эксперимент. Следовательно,автоматически переходим в ортогональное пространство=>в одном цикле работ отсеиваем все незначимые факторы.

Но,следовательно теряем часть информации и,имея область(принятую за точку),будем иметь некоторую ошибку.

Делим кривую таким образом,чтобы число попаданий

в каждую область было бы одним и тем же.То есть,площади каждого сегмента одинаковы.

Будем считать все кривые симметричными:

В довольно широком диапазоне отклонений кривой от симметричного вида можно,все равно,пользоваться формулой для симметричного распределения.При этом,чем дальше отстаят и от (в разумных пределах),тем точнее получаем модель.Т.е.мы можем при помощи данных формул перекодировать наши данные в ортогональную систему координат.

I.Этап:

Перекодируем таблицу исходных данных:

j			…		…
1	—	—		—		+	61.2
2	0	—		—		0	14.2
…	…	…	…	…	…	…	…
J	+	+		+		—	51.9
…	…	…	…	…	…	…	…
N	—	+		+		—	27.1

Вспомогательная таблица

	-1	+1
…	…	…

Получили план эксперимента (псевдоактивного или квазиактивного).

На I этапе можем попытаться отсеить все лишнее(n вели- ко).

1.Способ:

Ищем коэффициенты и парные взаимодействия:

дисперсия

Если выполняется,то незначим(=?) и его в модель не включаем.

Большинство факторов при этом уходит в шум эксперимен- та.

Параметр

Если,сравнивая и ,получим,что для некоторого фактора и отличаются более,чем на порядок,то имеем грубый промах.Все незначащие факторы удаляются из таблицы.

2 Способ:

Переписываем перекодированную таблицу в прядке убывания Y.Но переписываем только первые и последние 5 строк по возрастанию,а остальные оставляем без изменения.Т.о. отбрасываем много парных взаимодействий. И также,как и в 1 способе.

II.Этап:

Получаем строчные выборки.Это приводит к тому,что у нас появились 2 возможности:

1) Проверить точность полученных исходных данных.При этом дисперсии строчных выборок не должны отличаться (критерий Бартлета).При этом находим средневзвешен- ную дисперсию эксперимента и ее число степеней свободы.

2) Если Бартлет сказал “нет”,то в одной из строчек таблицы есть грубый промах.

Заново находим и (повторям I этап).Полученные числа и войдут в модель.

j
1	—	+	0	0	61.2	58.4	56.1
2	0	—	—	0	14.2	22.4	28.3
3	—	0	—		41.6	48.2	51.9
…	…	…	…	…
J	…	…	…	…
…	…	…	…	…
N	—	+	+	+

Получаем большую дисперсию Бартлет сказал нет промах будет 14,2 необходимо его удалить и пересчитать

Если затрудняемся в нахождении грубого промаха,то находим модель.При этом если (почти все числа совпали),то все нормально,просто в данной строчной выборке нехватило данных.Если же ,то смотрим в какую сторону ушло и заново пересчитываем ,удалив при этом грубый промах.

;

Если выполняется,то модель адекватна.

Неадекватность модели не означает ее неправильность.

ММСБП-метод обработки пассивных данных эксперимента, который дает возможность проверить адекватность модели.