Планування експерименту Тернопільський національний технічний університет Можна Олена Олегівна © 2013
Планування експерименту
Тернопільський національний технічний університет
Можна Олена Олегівна © 2013
Статистичний дисперсійний аналіз
Статистичний дисперсійний аналіз – один з методів виявлення впливу окремих факторів на показник біологічного або технологічного процесу (параметр оптимізації).
Дисперсійний аналіз був створений спочатку для статистичної обробки агрономічних дослідів. В наш час його також використовують в економічних, технічних та соціальних експериментах.
В будь-якому експерименті середні значення досліджуваних величин змінюються у зв’язку зі зміною основних факторів (кількісних та якісних), що визначають умови досліду, а також і випадкових факторів. Дослідження впливу тих чи інших факторів на мінливість середніх є задачею дисперсійного аналізу.
В основі дисперсійного аналізу є такий принцип: якщо на випадкову величину діють взаємно незалежні фактори A, B, …, то загальна дисперсія дорівнює сумі дисперсій, зумовлених дією окремо кожного з факторів:
2
Однофакторний дисперсійний аналіз Розглядається дія одиничного фактору А (кількісного чи якісного), котрий приймає k різних значень (рівнів фактора). Найпростіші розрахунки виходять при рівній кількості дослідів на кожному рівні фактора А.
Дисперсійний аналіз можна провести за наступним алгоритмом:
Облислюється:
Сума за стовпцями:
Сума квадратів усіх дослідів:
Суму квадратів сум за стовпцями, поділену на число дослідів в стовпці:
Квадрат загальної суми, поділений на число всіх дослідів (коректуючий член):
Суму квадратів для стовпчика:
Загальна сума квадратів , рівна різниці між сумою квадратів всіж дослідів та коректуючим членом:
Залишкову суму квадратів для оцінки помилки експеримнту:
дисперсію:
дисперсію:
3
Результати розрахунків однофакторного дисперсійного аналізу
Результати розрахунків представити у вигляді таблиці дисперсного аналізу:
Якщо то вплив фактора А слід вважати незначним. При цьому
загальна дисперсія пов’язана тільки з фактором випадковості і може служити
оцінкою для дисперсії відтворення. Така оцінка краща від , бо має більше
число степенів вільності. Якщо ж справедлива нерівність
Де та різниця між дисперсіями та значна і, відповідно, значний вплив фактора А.
4
Двофакторний дисперсійний аналіз Вивчаючи вплив на процес одночасно двох факторів А та В. Фактор А вивчається на рівнях а1, а,…,аk, фактор В – на рівнях b1, b2,…, bm. При проведенні дисперсійного аналізу в умовах лінійної моделі зручно використовувати наступний алгоритм розрахунку. Знаходимо:
Суми по стовпцях
Суми по стрічках
Суму квадратів всіх дослідів ;
Суму квадратів сум по стовпцях, поділену на число дослідів в стовпцю ;
Суму квадратів сум по стрічках, поділену на число дослідів в стрічці ;
Квадрат загальної суми, поділений на число всіх дослідів
(коректуючий член) ;
Суму квадратів для стовпця SSA=SS2-SS4
Суму квадратів для стрічки SSB=SS3-SS4
Загальну суму квадратів, рівну різниці між сумою квадратів всіх дослідів та коректуючим членом SSзаг.=SS1-SS4;
Залишкову суму квадратів SSзал.=SSзаг.-SSA-SSB=SS1-SS2-SS3+SS4;
Дисперсію ;
Дисперсію ;
Дисперсію .
5
Результати розрахунків двофакторного дисперсійного аналізу
Результати розрахунків представити у вигляді таблиці дисперсного аналізу:
Встановивши за допомогою дисперсійного аналізу значення впливу даного фактора, виясняють потім за допомогою критерію Стьюдента чи рангового критерію Дункана, які саме середні значення у різняться.
Лінійна модель справедлива, коли між факторами А та В немає взаємодії. В протилежному випадку цій взаємодії як фактору присутня своя дисперсія s2
АВ. Взаємодія АВ, s2
АВ є мірою того, наскільки вплив фактора А залежить від рівня фактора В, та навпаки, наскільки вплив фактора В залежить від рівня А. В наведено вище алгоритмі при наявності взаємодії між факторами s2
АВ, як складова частина, входить в дисперсію s2
пом. Виділити s2АВ можна тільки при наявності паралельних дослідів.
6
Приклад розрахунку двофакторного дисперсійного аналізу Розрахуємо двофакторний дисперсійний аналіз для того, щоб дослідити вплив фактора А (розтягування еспандер), та вплив фактора В (присідання) одночасно на частоту пульсу. Для його проведення в якості досліджуваних даних використаємо дані з таблиці 4.
Для перевірки значимості впливу фактора А на апарметр порівнюємо обчислене значення статистики FA=46.3365 з табличним занченням F0.95(3.80)=2.76:
FA>F0.95(3.80)
Робимо висновок що фактор А впливає на параметр, що досліджується.
Для визначення степені впливу фактора В на параметр порівнюємо обчисоене значення статистики FB=1391.0256 табличним значенням F0.95(4.80)=2.53:
FB>F0.95(4.80)
Робимо висновок що фактор В теж впливає на параметр, що досліджується, проте, порівнюючи різниці між статистикою та табличним значенням критерію Фішера при дослідженні факторів А і В, можем з впевненістю стверджувати, що вплив фактора В (присідання) набагато суттєвіший.
Для перевірки наявності взаємодії між факторами А і В порівняємо обраховане значення статистики FAB=3.2286 з табличним значенням F0.95(12.80)=1.92:
FAB>F0.95(12.80)
З отриманих результатів можна зробити висновок про слабку взаємодію двох факторів.
7
Досліджувані дані для розрахунку двофакторного дисперсійного аналізу
Фактор В
Фактор А
Рівні фактора В (присідання)
0 10 20 30 40
Пульс В.м. Н.м Пульс В.м Н.м Пульс В.м Н.м Пульс В.м Н.м Пульс В.м Н.м
Рів
ні ф
акто
ра
А (
Ле
гке
ро
зтяг
уван
ня
екс
пан
де
ра)
0 1 70 100 50 98 110 60 118 110 60 142 115 50 154 120 45
2 78 90 55 102 110 65 118 110 60 134 115 45 150 120 50
3 67 100 65 100 115 65 112 105 60 142 115 50 156 125 45
4 74 95 50 96 110 65 120 115 55 140 110 55 152 120 50
5 72 100 55 104 115 70 116 110 60 134 115 55 154 125 45
10 1 75 100 70 103 105 60 134 115 55 144 120 50 159 125 40
2 89 100 70 107 105 60 125 120 55 143 125 45 154 145 40
3 85 95 60 105 110 60 132 115 55 140 120 50 150 157 35
4 77 105 65 103 105 65 128 115 60 147 120 50 152 125 45
5 75 100 60 103 110 55 129 110 60 148 115 50 160 135 40
20 1 75 100 60 100 110 55 130 115 55 152 120 45 161 155 45
2 79 105 65 108 115 50 132 120 60 150 120 45 156 150 45
3 90 110 75 106 115 50 132 120 50 150 125 40 160 150 40
4 86 100 70 98 110 60 120 115 55 148 120 45 157 145 45
5 81 105 65 100 110 50 120 115 50 152 125 45 161 150 40
30 1 87 105 65 105 115 60 134 125 55 152 125 35 157 160 35
2 92 110 60 107 120 55 126 130 40 154 130 35 160 155 40
3 89 105 60 103 120 55 136 125 45 151 130 35 160 155 40
4 94 115 75 105 115 50 132 125 50 150 130 40 161 155 35
5 95 120 70 109 115 50 134 130 40 154 130 35 160 155 35
8
Латинські квадрати
Число дослідів можна значно скоротити, якщо скористатись двофакторним експериментом по схемі латинського квадрату, використаного вперше Фішером. Латинський квадрат n x n – це квадратна таблиця, складена з n елементів (чисел чи букв) таким чином, що кожний елемент повторюється в кожній стрічці і кожному стовпчику тільки один раз.
9
Греко-латинські квадрати
Планування за латинським квадратом дозволяє ввести в дослідження три фактора. Для чотирьох факторів хороші властивості має план експерименту по схемі греко-латинського квадрату. Число рівнів для всіх факторів повинно бути однакове.
10
Перелік використаних джерел
1. Вікіпедія [Електронний ресурс] Метематична статистика – Режим
доступу: URL: http://uk.wikipedia.org/wiki/Диспрсійний_аналіз -
Загол. з екрану;
2. ТНТУ Wiki [Електронний ресурс] Дисперсійний аналіз – Режим
доступу: URL: http://wiki.tntu.edu.ua/Дисперсійний_аналіз - Загол. з
екрану;
3. Дисперсійний аналіз [Електронний ресурс] Двофакторний
дисперсійний аналіз – Режим доступу: URL:
http://old.lp.edu.ua/fileadmin/ICCT/top/pub/Chaykivskyy/lek/da/da03
.html - Загол. з екрану;
4. Дисперсійний аналіз [Електронний ресурс] Латинські і греко-
латинські квадрати - Режим доступу: URL:
http://old.lp.edu.ua/fileadmin/ICCT/top/pub/Chaykivskyy/mm/da.pdf.
11