Минимизация числа опытов

Дробный факторный эксперимент

Количество опытов в полном факторном эксперименте значительно превосходит число определяемых коэффициентов линейной модели. Другими словами, полный факторный эксперимент обладает большой избыточностью опытов. Было бы заманчивым сократить их число за счет той информации, которая не очень существенна при построении линейных моделей. При этом нужно стремиться, чтобы матрица планирования не лишилась своих оптимальных свойств. Сделать это не так просто, но все же возможно. Итак, начнем поиск путей минимизации опытов.

Начнем с самого простого – полного факторного эксперимента 2 ^k. Запишем еще раз матрицу планирования

Пользуясь таким планированием, можно вычислить четыре коэффициента и представить результаты эксперт в виде неполного квадратного уравнения

Если имеются основания считать, что в выбранных интервалах варьирования процесс может быть описан ли­нейной моделью, то достаточно определить три коэффи­циента: b ₀, b ₁и b ₂. Остается одна степень свободы. Упот­ребим ее для минимизации числа опытов. При линейном приближении и вектор-столбец x ₁ x ₂можно использовать для нового фактора x ₃. Поставим этот фактор в скобках над взаимодействием x ₁ x ₂ и посмотрим, каковы будут оценки коэффициентов. Здесь уже не будет тех раздельных оценок, которые мы имели в полном факторном эксперименте 2 ^k. Оценки смешаются следующим образом:

, , .

Но нас это не должно огорчать. Ведь мы постулируем линейную модель, и, следовательно, все парные взаимодей­ствия незначимы. Главное, мы нашли средство минимизировать число опытов: вместо 8 опытов для изучения трех факторов оказывается можно поставить четыре! При этом матрица планирования не теряет своих оптимальных свойств (ортогональность, ротатабельность и т.п.). Найденное правило можно сформулировать так: чтобы сократить число опытов, нужно новому фактору присвоить вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренеб­речь. Тогда значение нового фактора в условиях опытов определяется знаками этого столбца.