Примечание.
Приложение 2. Практические занятия.
Требования к качеству экспериментов для возможности их планирования.
Приложение 1.
Таблица 4. Критерий Пирсона (согласия) c2: значения,соответствующие значениям Р(c2) и числам степеней свободы N.
Таблица 2. Критерий Стьюдента t: Значения t при данном числе степеней свободы N и данной величине вероятности (уровне значимости) Р.
ПРИЛОЖЕНИЯ
х
Таблица 1. Функция Лапласа Ф(х)=[1(2p)1/2 ]òехр(-х2/2) dх
o
х | Ф(х) | х | Ф(х) | х | Ф(х) | х | Ф(х) |
0,00 | 0,70 | 0,2580 | 1,40 | 0,4192 | 2,10 | 0,4821 | |
0,05 | 0,0199 | 0,75 | 0,2734 | 1,45 | 0,4265 | 2,20 | 0,4861 |
0,10 | 0,0398 | 0,80 | 0,2481 | 1,50 | 0,4332 | 2,30 | 0,4893 |
0,15 | 0,0596 | 0,85 | 0,3023 | 1,55 | 0,4394 | 2,40 | 0,4918 |
0,20 | 0,0793 | 0,90 | 0,3159 | 1,60 | 0,4452 | 2,50 | 0,4938 |
0,25 | 0,0987 | 0,95 | 0,3289 | 1,65 | 0,4505 | 2,60 | 0,4953 |
0,30 | 0,1179 | 1,00 | 0,3413 | 1,70 | 0,4554 | 2,70 | 0,4965 |
0,35 | 0,1368 | 1,05 | 0,3531 | 1,75 | 0,4599 | 2,80 | 0,4974 |
0,40 | 0,1554 | 1,10 | 0,3643 | 1,80 | 0,4641 | 2,90 | 0,4981 |
0,45 | 0,1736 | 1,15 | 0,3749 | 1,85 | 0,4678 | 3,00 | 0,49865 |
0,50 | 0,1915 | 1,20 | 0,3849 | 1,90 | 0,4713 | 3,20 | 0,49931 |
0,55 | 0,2088 | 1,25 | 0,3944 | 1,95 | 0,4744 | 3,40 | 0,49966 |
0,60 | 0,2257 | 1,30 | 0,4032 | 2,00 | 0,4783 | 3,60 | 0,49984 |
0,65 | 0,2422 | 1,35 | 0,4115 | 2,06 | 0,4803 | 4,00 | 0,499968 |
N | Р= 0,10 | P= =0,05 | P= =0,02 | Р= 0,01 | N | Р= 0,10 | P= =0,05 | P= =0,02 | Р= =0,01 |
6,31 | 12,704 | 31,821 | 63,7 | 1,80 | 2,201 | 2,718 | 3,11 | ||
2,92 | 4,303 | 6,965 | 9,93 | 1,78 | 2,179 | 2,681 | 3,06 | ||
2,35 | 3,182 | 4,541 | 5,84 | 1,77 | 2,160 | 2,650 | 3,01 | ||
2,13 | 2,778 | 3,747 | 4,60 | 1,76 | 2,145 | 2,624 | 2,98 | ||
2,02 | 2,571 | 3,365 | 4,03 | 1,75 | 2,131 | 2,602 | 2,95 | ||
1,94 | 2,447 | 3,143 | 3,71 | 1,75 | 2,120 | 2,583 | 2,92 | ||
1,90 | 2,365 | 2,998 | 3,50 | 1,74 | 2,110 | 2,567 | 2,90 | ||
1,86 | 2,306 | 2,896 | 3,36 | 1,73 | 2,086 | 2,528 | 2,85 | ||
1,83 | 2,262 | 2,821 | 3,25 | 1,71 | 2,060 | 2,485 | 2,79 | ||
1,81 | 2,288 | 2,764 | 3,17 | 1,70 | 2,042 | 2,457 | 2,75 |
- 31 -
|
|
Таблица 3.Критерий Фишера: значения F=S12/S22 при Р=0,05 N1- число степеней свободы (для числителя); N2- число степней свободы для знаменателя.
N2 | N1=1 | N1=3 | N1=5 | N1=20 |
161,4 | 215,70 | 230,2 | ||
18,51 | 19,16 | 19,30 | 19,4 | |
10,13 | 9,28 | 9,01 | 8,66 | |
7,71 | 6,59 | 6,26 | 5,80 | |
6,61 | 5,41 | 5,05 | 4,56 | |
5,59 | 4,35 | 3,97 | 3,44 | |
5,32 | 4,07 | 3,69 | 3,15 | |
5,12 | 3,86 | 3,48 | 2,94 | |
4,96 | 3,71 | 3,33 | 2,77 | |
3,49 | 3,00 | 2,54 |
N | Р=0,95 | P=0,05 | P=0,02 | N | Р=0,95 | P=0,05 | P=0,02 |
0,0039 | 3,841 | 5,412 | 3,32 | 16,919 | 19,679 | ||
0,103 | 5,991 | 7,824 | 3,94 | 18,307 | 21,161 | ||
0,352 | 7,815 | 9,837 | 7,3 | 24,996 | 28,259 | ||
0,71 | 9,488 | 11,668 | 10,9 | 31,410 | 35,020 | ||
1,14 | 11,070 | 13,388 | 14,6 | 37,652 | 41,566 | ||
2,17 | 14,067 | 16,622 | 18,5 | 43,773 | 47,962 |
Литература
1. Ахназарова С.Л., Кафаров В.В. Методы оптимизации эксперимента в химической технологии.М.,Высщая школа, 1985 г.
2. Кафаров В.В. Методы кибернетики в химии и химической технологии.М.,Химия,1976 г.
3.Глудкин О.П. и др. Статистические методы в технологии производства РЭА, М.,Энергия,1977 г.
4. Джонсон Н.,Лион Ф. Статистика и планирование эксперимента в технике и науке. Методы планирования эксперимента.М.,Мир,1981 г.
5.Адлер Ю.П., Маркова Е.В., Грановский Ю.В., Планирование эксперимента при поиске оптимальных условий.М.,Наука,1976 г.
|
|
Успешное применение методов планирования экспериментов возможно только тогда, когда опыты являются воспроизводимыми, а выборочные дисперсии однородными. Чтобы в этом убедиться, необходимо:
1. Определить среднее по результатам параллельных измерений
Y =SYij/m; i=1,2,..n и j=1,2,..m
2. Определить выборочные дисперсии
Si2 =S(Ycpij -Yicp)2 /(m-1)
3.Найти сумму выборочных дисперсий S2сум =SSi2
4. Составить отношение G=S2max/S2сум, в числителе - максимальное значение выборочной дисперсии. G-расчетное значение критерия Кохрена.
Если рассчитанное
G<Gтабл. (N,f), (*)
то можно с вероятностью 1-a принять гипотезу о воспроизводимости опытов и об однородности дисперсий.
Обычно берут a=0,05. При m=3 и n=10 Gтабл =0,445.
Если условие (*) не выполняется, то, возможно, что опыт, имеющий
максимальную дисперсию, поставлен неправильно и его надо переделать.
5. Если выборочные дисперсии однородны, то рассчитывают оценку
воспроизводимости Sвос2 =SSi /N
6. Находят среднеквадратичную оценку дисперсии
воспроизводимости S=(Sвос2)1/2.
Практическое занятие 3
Оценка расхождений между средними значениями
Проверим гипотезу, что две независимые частичные совокупности n1 и n2 взяты из одной и той же нормально распределенной общей совокупности, имеющей среднее значение X0 и дисперсию s2.
Пусть оценки дисперсии S1 и S2 и пусть проверяемая гипотеза верна. Основой проверки является разность Xcp1 и Xcp2, дисперсия которой равна
s12/n1+s22/n2 = (n1 + n2)s2 /n1n2
Так как оценки S12 и S22 дисперсии s2 имеют вес n1 -1 и n2 -1, то полная оценка дисперсии s2 будет равна
S2 =[(n1 -1)S12 +(n2 -1)S22]/[(n1 -1)+(n2 -1)] =
= [S(X-Xcp)2 +S(X-Xcp)2]/(n1 +n2 -2)
В результате получаем
t = [(Xср2 -Xcp1)/S][n1n2 /(n1 +n2)]^0.5
Для оценки значимости расхождения между двумя средними можно воспользоваться таблицей t с числом степеней свободы n1+n2 -2.
В вышеприведенном примере t=2,8, а табличное t=2,567 при n=18 P=0,02. Т.о. вероятность случайных значений t, которые по абсолютной величине не меньше наблюдаемого t ничтожно мала. Следовательно, наблюдаемое расхождение не является случайным.
Практическое занятие 4
Расчет доверительных границ. Оценка брака.
Рассчитаем по результатам выборки контрольных параметров, какой ожидается процент изделий не соответствующих заданным параметрам – процент брака. В соответствии с техническими условиями показатель качества должен быть x±z (например, 25±5).
Задача формулируется следующим образом: Найти вероятность того, что абсолютное отклонение Δх=Х-Хср не превзойдет заданного числа z (5). Чтобы от естественных значений х перейти к нормализованным Х, нужно использовать табличные значения Ф(Х), требуется провести нормализацию
Х=(х-хср)/Sx..
По результатам 15 испытаний рассчитаем S и Хср.
Вероятность противного события Р(Δх<=5)=2Ф(5/σ)=Y. Поэтому Р(Δх>=5)=1-Y.
2Ф(5/2,36)=2*0,482=0,964 Р=1-0,964=0,036 или Р=3,6%
Практическое занятие 5.
Оценка дисперсий. Критерий Фишера.
Пусть есть две независимых совокупности со средними значениями Х1 и Х2.Оценки дисперсий S1 и S2. Необходимо оценить, являются ли эти совокупности существенно различными или эти данные взяты из общей совокупности с дисперсией σ.
Для этого используют критерий Фишера F=S12/S22. По Таблице критериев F Фишера находим отношение. Eсли рассчитанное значение F меньше табличного, то нет основания считать, что разница в разбросе данных (в совокупностях) существенна.
Первое задание посвящено сравнительному анализу дисперсий. Существенная разница дисперсий говорит о плохих методиках измерений, в результате которых были получены экспериментальные данные, или о плохой квалификации лаборантов, которые эти данные получили, или о несовершенстве технологий получения образцов (либо изделий), с помощью которых эти образцы были получены.
|
|
Второе задание посвящено сравнительному анализу самих результатов. Существенная разница между результатами Х указывает на то, что химический состав образцов (изделий) разный, либо говорит о разных технологиях их изготовлений.
Соответствующую оценку проводят, используя критерий Стьюдента t.
Сначала рассчитывают суммарную среднеквадратичную погрешность S2
S2 =[(n1 -1)S12 +(n2 -1)S22]/[(n1 -1)+(n2 -1)] =
= [S(X-Xcp)2 +S(X-Xcp)2]/(n1 +n2 -2)
а затем рассчитывают значение критерия t.
В результате получаем
t = [(Xср2 -Xcp1)/S][n1n2 /(n1 +n2)]1/2
Если значение t превышает допустимое табличное, значит расхождение существенное.
Табличное значение F при вероятности 5% и при количестве результатов испытаний n1=n2=12 составляет F=2,54.
Табличное значение t при вероятности 5% и при количестве результатов испытаний n1=n2=12 составляет t=2,201.
Пример задания: Два столбца цифр – результаты проведения двух серий испытаний. Следует рассчитать средние значения Хср1 и Хср2, затем среднеквадратичные погрешности S1 и S2 и далее провести расчеты F и t как указано выше.
Практическое занятие 6.
Оценка воспроизводимости. Выявление и исключение грубых ошибок.
Перед тем, как сравнивать серии результатов экспериментов, следует установить, нет ли среди результатов грубых ошибок.
Для этого полезно расположить все результаты в порядке возрастания и выделить результат существенно отличающийся от всех остальных.
Затем для резко выделяющегося результата Хв рассчитывают значение
Q=(Хв-Х)/R гдн Х – соседнее значение и R- размах варьирования R=Хмах-Хмин
Если рассчитанное Q больше табличного для выбранного уровня значимости при числе параллельных наблюдений n, то значение Хв может быть отнесено к анормальному, его следует либо перемерить, либо исключить из ряда экспериментальных данных.
Таблица. Значения Q для оценки резко выделяющихся наблюдений при различных уровнях значимости α
Число наблюдений n | α=0,01 | Α=0,05 | α =0,1 |
0,99 | 0,94 | 0,89 | |
0,76 | 0,64 | 0,56 | |
0,58 | 0,48 | 0,40 |
Перед тем, как перейти к планированию экспериментов следует оценить качество методик, по которым будут проводиться эксперименты.
|
|
Для этого следует оценить однородность дисперсий результатов. (См. Практическог занятие 5) и провести оценку воспроизводимости.
Для этого следует провести n независимых серий экспериментов, в каждой серии содержится m опытов. Для каждой серии следует рассчитать средние значения
Хср= ΣXi/m
рассчитать выборочные дисперсии
Si2=Σ(Xcp-Xi)2/(m-1)
Рассчитать суммарную величину дисперсий по результатам n серий
Scум2= Σ Si2
Найти отношение максимальной дисперсии из n серий к сумме дисперсий из числа всех серий
G=Simax2/Scум2
И сравнить полученное экспериментальное значение критерия Кохрена G с табличным G при m сериях по n экспериментов в каждой серии.
Если экспериментальное значение G меньше табличного (при вероятности 0,05) Gэксп<Gтаб, то это значит, что эксперименты удовлетворительно воспроизводятся и это заключение верно с вероятностью 95%.
Пример. Имеются три серии экспериментальных результатов
Корреляция. Расчет уравнения регрессии.
Методом наименьших квадратов найти уравнение вида Y=bо +b1X, наилучшим образом описывающую положительную регрессионную зависимость Y от X.
Для этого составляем систему уравнений:
Syi - S(b +b1X) = 0 ¶Ф/¶b0 = S(yi -(b0+b1xi)) = 0
Sxiyi - S(b0+b1xi) =0 ¶Ф/¶b1 = S(yi -(b0+b1xi)xi ) = 0
После преобразований находим
b = [SxiSyi - NSxiyi ]/[ (Sxi)2-NSxi2]
b0 =Ycp-b1Xcp
Коэффициент корреляции рассчитываем по формуле
R = [S(xi -xcp)(yi -ycp)]/(n-1)SxSy -1£R£+1
или
R=b1Sx/Sy = b1{[nSxi2 -(Sxi)2 ]/[nSyi2 -(Syi)2 ]}1/2
Проверку вычислений проводят по формуле:
S(xi+yi)2 = Sxi2 + 2Sxiyi + Syi2
Качество аппроксимации оценивают, сравнивая S2ост и дисперсию относительно среднего
Sу2 = [S(yi-Ycp)2]/(n-1)
S2ост = [SS(yin -Yicp)2]/(Smi -L)
где L - число коэффициентов в уравнении регрессии.
Пример
Получены экспериментальные точки зависимости Y(X)
Х | Y | x*y | x*x | y*y |
11,5 | 132,25 | |||
Sum=42 | 64,5 | 753,25 |
После расчетов получили
Y=4,3+0,9214*X
R=b1*((nSxi^2-(Sxi)^2)/(nSyi^2-(Syi)^2))^0,5 | ||||
R=0,9214*((6*364-42^2)/(6*753,25-64,5^2))^0,5 | ||||
R=0,996264 | ||||
R^2=0.99254