Cтраница 1
Незначимые факторы стабилизируются на любом уровне в интервале 1.1. Если нет специальных соображений, то выбирают нулевой уровень - В движении по градиенту эти факторы не участвуют. [1]
Процедуру отсеивания незначимых факторов рассмотрим далее более подробно. [2]
Отсеивающие эксперименты позволяют исключить незначимые факторы в начальной стадии экспериментального исследования и тем самым упростить описание поверхности отклика и сократить йбщий объем экспериментальных работ. [3]
Используется процедура последовательного исключения незначимых факторов: фактор, для которого f, оказывается наименьшим, исключается, и расчет повторяется. Исключение факторов производится до тех пор, пока уменьшается остаточная дисперсия. При этом улучшаются интерполяционные свойства уравнения регрессии, однако полученные коэффициенты оказываются смещенными оценками для соответствующих генеральных коэффициентов. При большом числе факторов для расчета множественной регрессии необходимо использовать ЦВМ. [4]
Предлагается процедура последовательного исключения незначимых факторов: фактор, для которого tj оказывается наименьшим, исключается и расчет повторяется. Исключение факторов производится до тех пор, пока уменьшается остаточная дисперсия. При этом улучшаются интерполяционные свойства уравнения регрессии, однако полученные коэффициенты оказываются смещенными оценками для соответствующих генеральных коэффициентов. [5]
Предлагается 27 процедура последовательного исключения незначимых факторов: фактор, для которого t / оказывался наименьшим, исключается и расчет повторяется. Исключение факторов производится до тех пор, пока уменьшается остаточная дисперсия. При этом улучшаются интерполяционные свойства уравнения регрессии, однако полученные коэффициенты отказываются смещенными оценками для соответствующих генеральных коэффициентов. [6]
Предлагается 27 процедура последовательного исключения незначимых факторов: фактор, для которого tj оказывался наименьшим, исключается и расчет повторяется. При этом улучшаются интерполяционные свойства уравнения регрессии, однако полученные коэффициенты отказываются смещенными оценками для соответствующих генеральных коэффициентов. [7]
Предлагается 27 процедура последовательного исключения незначимых факторов: фактор, для которого t / оказывался наименьшим, исключается и расчет повторяется. Исключение факторов производится до тех пор, пока уменьшается остаточная дисперсия. При этом улучшаются интерполяционные свойства уравнения регрессии, однако полученные коэффициенты отказываются смещенными оценками для соответствующих генеральных коэффициентов. [8]
Методом регрессионного анализа ( после отбрасывания незначимых факторов) получены соответствующие уравнения для конкретной равновесной системы. [9]
При выборе варьируемых факторов нужно произвести предварительное отсеивание незначимых факторов, с тем чтобы ограничиться минимумом числа факторов. Это требует предварительной информации, определенных знаний о процессе или объекте. [10]
Для проверки первой гипотезы следует расширить интервал варьирования для незначимых факторов и поставить новую серию опытов. При этом иногда выгодно перенести центр эксперимента в точку факторного пространства, соответствующую наилучшим результатам предыдущего эксперимента. Если и в этом случае проверяемые факторы останутся статистически незначимыми, то: а) принимается вторая гипотеза и они исключаются из дальнейших экспериментов; б) при более осторожной тактике производится достройка плана с целью проверки четвертой гипотезы. [11]
Таким образом, необходимо сделать вывод, что температура является незначимым фактором в процессе, или ой отсутствии параметрической чувствительности процесса к температуре. Поэтому необходимо установить причины параметрической нечувствительности модели к температуре. [12]
Выбор большей величины лага по сравнению с ее реальным значением будет означать включение в модель статистически незначимого фактора и снижение эффективности полученных оценок, однако эти оценки все же будут несмещенными. [13]
Если, например, выдвинута первая гипотеза, то возможно такое решение: расширение интервалов варьирования по незначимым факторам и постановка новой серии опытов. Изменение интервалов варьирования иногда сочетают с переносом центра эксперимента в точку, соответствующую условиям наилучшего опыта. Невлияющие факторы стабилизируются и исключаются из дальнейшего рассмотрения. [14]
При помощи второй группы модулей определяются расчетные значения результативного и факторного признаков и различные оценки уравнения, осуществляется отсев незначимых факторов, проводятся ретроспективные расчеты для проверки прогнозных свойств модели, делается обоснованный выбор формы связи при математико-статистическом анализе динамических рядов. [15]