КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Некоторые общие положения дисперсионного анализа
Планирование эксперимента для применения дисперсионного анализа Окончательные выводы корреляционного анализа Совместный анализ поля корреляции и окончательного значения выборочного коэффициента парной линейной корреляции (r yx = 0,98) позволяет сделать следующие выводы: 1. Естьзависимость выхода нитробензола от времени его синтеза (в изученном диапазоне времени), т.е. время реакции оказывает влияние на выход нитробензола. 2. Данная зависимость с вероятностью 0,95 является корреляционной линейной. 3. Знак зависимости - положительный. 4. Зависимость является очень тесной.
5.1.3. Составление планов эксперимента с учетом возможности Корреляционный анализ не накладывает повышенных требований к планированию эксперимента. Единственным обязательным условием является выполнение соотношения mj > 2. Из рекомендаций по планированию эксперимента для проведения корреляционного анализа можно привести следующие. Желательно, чтобы план эксперимента предусматривал: 1) широкую область изменения значений факторов x j; 2) большое число mj значений (уровней) факторов x j, при этом разница между уровнями должна быть больше абсолютной погрешности их измерения; 3) повторные опыты для каждого значения факторов x j; 4) большое общее число измерений (N). Дисперсионный анализ - это метод математической статистики, который широко применяется в различных отраслях науки как самостоятельно, так и в сочетании с другими методами. Суть дисперсионного анализа заключается в сравнении между собой двух или более дисперсий и доказательстве нуль-гипотезы разности этих дисперсий. При установлении зависимости j дисперсионным анализом исходят из следующих соображений.
В эксперименте изменения средних арифметических значений свойства объекта (` y v) зависят не только от изменяемых факторов x j (с известными уровнями), но и от случайных факторов. Поэтому рассеивание (разброс)` y v относительно общего среднего арифметического значения (рис. 5), характеризуемое общей дисперсией (), разделяется на составляющие: рассеивание, обусловленное случайными факторами (, , ), и рассеивание, обусловленное известными факторами за счет изменения их значений, т.е. перехода с одного уровня на другие (, и др.). Попарное сравнение всех факторных дисперсий () с дисперсией, характеризующей действие случайных факторов, т.е. воспроизводимость эксперимента (), позволяет на основании закона распределения Фишера сделать следующие основные выводы дисперсионного анализа: Установить или опровергнуть влияние x j на y с заданной вероятностью ("влияет", "не влияет" и др.). Определить вероятность влияния x j на y. Рис. 5. Поле корреляции величин y и x
Так, например, после проведения эксперимента и математической обработки результатов измерений можно вычислить F-отношение (Fp): ; ; . Задав вероятность (Р) и вычислив по известным формулам числа степеней свободы для факторной дисперсии fфакт. (f1) и дисперсии воспроизводимости fвоспр. (f2), из справочных данных выбираем табличное значение квантиля распределения Фишера (Fт). При выполнении неравенства FP> Fт можно делать вывод, что данный фактор х с вероятностью Р влияет на свойство y, т.е. "значима" разность между влиянием на свойство y известного фактора х и случайных факторов. При невыполнении этого неравенства делается вывод об отсутствии влияния фактора х на свойство y, т.е. это влияние соизмеримо со случайными ошибками эксперимента. Дисперсионный анализ по сравнению с корреляционным анализом имеет существенные преимущества:
1. Позволяет делать однозначные и более точные выводы о влиянии фактора x j на свойство y. 2. Позволяет определить влияние на свойство y не только количественных, но и качественных факторов (например, типа растворителя, времени года и др.). 3. Позволяет оценить значение (уровень) фактора x j, при котором он начинает влиять с заданной вероятностью на свойство y. Планирование эксперимента для проведения дисперсионного анализа зависит от числа известных факторов, одновременно изменяемых в эксперименте. Различают планы экспериментов для проведения одно-, двух- и многофакторного (трех- и более) дисперсионного анализа.
Дата добавления: 2015-06-26; Просмотров: 468; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |