АЛФАВИТНЫЙ УКАЗАТЕЛЬ

Адекватность модели

34

Адекватность модели математической

34

Анализ дисперсионный

69

Анализ регрессионный

68

Баланс случайный

64

Блок плана

36

Генератор плана

51

Дисперсия оценки функции отклика

21

Дрейф временной

27

Интервал варьирования фактора

11

Квадрат латинский

57

Композиционность плана

62

Коэффициент регрессии

35

Критерий оптимальности плана

59

Куб латинский

58

Куб латинский первого порядка

58

Матрица базисных функций модели

45

Матрица базисных функций модели усеченная

46

Матрица дублирования

44

Матрица плана информационная

48

Матрица моментов плана

47

Матрица плана

42

Матрица спектра плана

43

Метод ковариационного анализа

70

Метод крутого восхождения

65

Метод последовательный симплексный

67

Метод случайного баланса

64

Модель дисперсионного анализа

33

Модель квадратичная

32

Модель линейная

31

Модель линейная

29

Модель полиномиальная

30

Модель регрессионная

28

Модель регрессионного анализа

28

Модель регрессионного анализа второго порядка

32

Модель регрессионного анализа, линейная по параметрам

29

Модель регрессионного анализа первого порядка

31

Модель регрессионного анализа полиномиальная

30

Насыщенность плана

63

Нормализация факторов

8

Область оптимума

24

Область планирования

14

Область экспериментирования

14

Опыт

2

Опыты параллельные

26

Отклик

18

Ортогональность плана

60

Оценка функции отклика

20

Параметр

5, 18

План взвешивания

53

План эксперимента второго порядка

55

План дисперсионного анализа

56

План линейный

52

План факторный дробный

50

План факторный полный

49

План эксперимента

3

План эксперимента первого порядка

52

Планирование эволюционное

66

Планирование эксперимента

4

Плечо звездное

40

Поверхность отклика

22

Поверхность регрессии

22

Поверхность уровня функции отклика

23

Пространство факторное

13

ПСМ

67

Размах варьирования фактора

10

Рандомизация плана

25

Ранжирование факторов априорное

9

Реакция

18

Реплика полного факторного плана дробная

50

Ротатабельность плана

61

Симплекс-план

54

Спектр плана

41

Точка плана

37

Точка плана звездная

39

Точка плана центральная

38

Уровень фактора

6

Уровень фактора основной

7

Фактор

5

Функция отклика

19

Центр плана

38

эвоп

66

Эксперимент

1

Эксперимент активный

15

Эксперимент пассивный

16

Эксперимент последовательный

17

Эксперимент шаговый

17

Эффект взаимодействия факторов

12

ПРИЛОЖЕНИЕ

Справочное

ПОЯСНЕНИЯ К ТЕРМИНАМ

К термину «Эксперимент» (п. 1)

В теории планирования эксперимента часто определяют эксперимент как совокупность условий и результатов проведения серий опытов.

К термину «План эксперимента» (п. 3)

Формально план часто можно представить в виде последовательности векторов , и=1, 2, . . . , n, где n - число опытов в плане, а компоненты определяют условия каждого опыта.

К термину «Планирование эксперимента» (п. 4)

В широком смысле слова планирование эксперимента - научная дисциплина, занимающаяся разработкой и изучением оптимальных программ проведения экспериментальных исследований.

К термину «Фактор» (п. 5)

В большинстве моделей, используемых в планировании эксперимента, предполагается, что факторы могут рассматриваться как детерминированные переменные. Обычно факторы выражаются в безразмерных единицах масштаба и обозначаются буквами xi, i = 1, 2, . . ., k. Совокупность факторов изображается вектором = . Здесь и далее векторы обозначаются малыми полужирными буквами, матрицы - большими полужирными.

1 Символ «Т» обозначает операцию транспортирования.

К термину «Уровень фактора» (п. 6)

Факторы могут различаться по числу уровней, на которых возможно их фиксировать в данной задаче. Фактор, варьируемый на р уровнях, называют р-уровневым фактором.

К термину «Основной уровень фактора» (п. 7)

Основной уровень фактора, обозначаемый , где индекс i относится к номеру фактора, служит для фиксирования в области планирования таких условий эксперимента, которые представляют наибольший интерес для исследователя в данный момент, и относится к определенному плану эксперимента.

К термину «Нормализация факторов» (п. 8)

За единицу масштаба безразмерной системы координат принимается некоторый интервал в натуральных единицах. При нормализации фактора наряду с изменениями масштаба изменяется начало отсчета. Значение i-го фактора в безразмерной системе связано со значением этого фактора в натуральной системе (в именованных единицах) формулой

где - основной уровень фактора, принимаемый за начало отсчета;

- интервал в натуральных единицах масштаба, соответствующий одной единице масштаба в безразмерных переменных.

С геометрической точки зрения нормализация факторов равноценна линейному преобразованию пространства факторов, при котором производится перенос начала координат в точку, отвечающую основным уровням, и сжатие-растяжение пространства в направлении координатных осей.

К термину «Априорное ранжирование факторов» (п. 9)

Метод основан на упорядочении экспертами множества факторов по убыванию (или возрастанию) их важности, суммирование рангов факторов и выборе факторов путем рассмотрения суммарного ранжирования.

К термину «Размах варьирования фактора» (п. 10)

Указывает границы области варьирования данного фактора в данном эксперименте.

К термину «Интервал варьирования фактора» (п. 11)

Интервал или шаг варьирования фактора, обозначаемый , для фактора с номером i служит для перехода от натурального масштаба к безразмерному. Вместе с основным уровнем он задает область действия для данного плана, т. е. область действия есть ± или иначе

(+;-).

К термину «Эффект взаимодействия факторов» (п. 12)

В полиномиальном уравнении регрессии эффект взаимодействия выражается параметром при членах, включающих произведения факторов. Различаются парные взаимодействия вида хiхj, тройные вида хiхjxk и более высокого порядка.

К термину «Факторное пространство» (п. 13)

Размерность факторного пространства равна числу факторов k. Каждой точке факторного пространства соответствует вектор

= .

К термину «Область экспериментирования» (п. 14)

Если область планирования задается интервалами возможного изменения факторов, она представляет собой гиперпараллелепипед (в частном случае куб). Иногда область планирования задается гиперсферой.

К термину «Функция отклика» (п. 19)

Функция отклика выражается соотношением

или

.

Функция отклика связывает между собой математическое ожидание отклика , совокупность факторов, выражаемую вектором , и совокупность параметров модели, определяемую вектором

.

Параметры модели априори неизвестны и подлежат определению из эксперимента.

На функцию отклика могут переноситься определения, связанные с моделью, например, линейная (по параметрам), полиномиальная, квадратичная и т. д.

К термину «Поверхность отклика» (п. 22)

Поверхность отклика имеет размерность k и размещена в (k+1)-мерном пространстве.

К термину «Параллельные опыты» (п. 26)

Параллельные опыты служат для получения выборочной оценки дисперсии воспроизводимости результатов эксперимента.

К термину «Временной дрейф» (п. 27)

Дрейф обычно связывают с изменением во времени каких-либо характеристик функции отклика (параметров, положения экстремальной точки и т. п.). Различают детерминированный и случайный дрейфы. В первом случае процесс изменения параметров (или иных характеристик функции отклика) описывается детерминированной (обычно степенной) функцией времени. Во втором случае изменение параметров - случайный процесс. Если дрейф аддитивный, то поверхность отклика смещается во времени, не деформируясь (при этом дрейфует только свободный член функции отклика, т. е. член, не зависящий от значений факторов). При неаддитивном дрейфе поверхность отклика во времени деформируется. Цель планирования в условиях аддитивного дрейфа исключить влияние дрейфа на оценки эффектов факторов. При дискретном дрейфе это удается сделать путем разбиения эксперимента на блоки. При непрерывном дрейфе используют планы эксперимента, ортогональные к дрейфу, описываемому степенной функцией известного вида.

В задачах экспериментальной оптимизации в условиях дрейфа функции отклика применяют методы адаптационной оптимизации, к которым относятся метод эволюционного планирования и последовательный симплексный метод.

К термину «Модель регрессионного анализа» (п. 28)

Модель регрессионного анализа выражается соотношением

,

где - случайная ошибка. Для некоторого и-го наблюдения имеем

,

Наиболее простые предположения о случайных величинах eи состоят в том, что их математические ожидания равны нулю

E{eи}=0,

дисперсии постоянны

,

а ковариации равны нулю

E{eи ev}=0, и¹v.

Последние условия соответствуют равноточности и некоррелированности наблюдений.

К термину «Модель регрессионного анализа, линейная по параметрам» (п. 29)

Линейная по параметрам модель регрессионного анализа представима в форме

где b1 - параметры модели, i = l, 2, . . . , т;

- известные базисные функции переменных (факторов), не зависящие от параметров модели.

Линейная модель может быть записана более лаконично

или

где -вектор-строка базисных функций (базисная вектор-функция)

,

b - вектор параметров модели