3.3.2.2. «Двухфакторный дисперсионный анализ без повторений»
Например, исследуется влияние используемых в производстве станков и инструментов на процент брака, получаемого при обработке (см. файл «Дисперс 2-фактор без повторений»). Два фактора варьируются каждый на нескольких уровнях, но при каждом сочетании факторов эксперимент не повторяется, В этом случае пользуются инструментом анализа «Двухфакторный дисперсионный анализ без повторений» (рис. 3.3).
Рис. 3.3. Диалоговое окно инструмента анализа «Двухфакторный дисперсионный анализ без повторений»
Во «Входной интервал» вводят «матрицу наблюдений» без заголовков (если не установлена галочка в графе «Метки»). Как и в предыдущем случае, программа создаёт две таблицы: «ИТОГИ» и «Дисперсионный анализ».
В таблице «ИТОГИ» приводятся результаты расчётов средних и дисперсий по каждой строке и столбцу «матрицы наблюдений».
В таблице «Дисперсионный анализ» для каждого фактора, расположенного в строках и в столбцах, а также для случайных и неучтённых факторов («Погрешность») подсчитываются составляющие общей дисперсии (SS), число степеней свободы (df), дисперсии, приходящейся на одну степень свободы (MS).
Кроме того, для каждого фактора, изменяющегося по строкам или столбцам «матрицы наблюдений», выводятся расчётное и критическое значения F-критерия, а также «P-Значение» вероятности. Как и в случае однофакторного дисперсионного анализа (см. выше), при F больше «F критическое» наблюдается «P-Значение» вероятности меньшее α. И наоборот, при F, меньшем, чем «F критическое», наблюдается «P-Значение» больше α. Поэтому, изменяя значения α, т.е. доверительной вероятности, можно получать разные результаты по значимости влияния конкретного фактора. (Вместе с тем, следует иметь в виду, что обычно в большинстве отраслей промышленности и по умолчанию в программе MS EXCEL принимается α = 0,05.)
- Методология исследования, моделирования и совершенствования производственных процессов
- Оглавление
- Глава 1 Общие сведения о методологии научного познания……………….6
- Глава 2 Моделирование как метод научного познания………………………11
- Глава 3 Исследование взаимосвязи случайных величин…………….22
- Глава 4 Способы экспериментальных исследований…………………88
- Глава 5 Некоторые современные достижения интеллектуальных информационных систем и программных средств в области анализа связи величин
- Введение
- Глава 1. Общие сведения о методологии научного познания
- 3. Статистический.
- 7. Экспериментальный.
- Глава 2 Моделирование как метод научного познания
- 2.1 Этапы построения, свойства, цели и классификация моделей
- 2.2 Концепции и инструменты оптимизации математических моделей
- 2.3 Принципы анализа математических моделей
- Глава 3. Исследование взаимосвязи случайных величин
- 3.1 Основные представления о корреляционном, дисперсионном и регрессионном анализах
- 3.2 Корреляционный анализ
- 3.2.1 Обзор характеристик «тесноты» связи
- 3.2.2. Формулы расчёта основных характеристик связи
- 3.2.3. Области определения и способы оценки достоверности коэффициентов связи случайных величин
- 3.2.4 Методы корреляции порядковых (ординальных) и номинальных (категориальных) переменных
- 3.2.5 Функции и инструменты ms excel, предназначенные для расчёта коэффициентов ковариации, корреляции и детерминации
- 3.3 Дисперсионный анализ
- 3.3.1. Виды классического дисперсионного анализа
- 3.3.2. Инструменты программы ms excel, предназначенные для дисперсионного анализа
- 3.3.2.1. «Однофакторный дисперсионный анализ»
- 3.3.2.2. «Двухфакторный дисперсионный анализ без повторений»
- 3.3.2.3. «Двухфакторный дисперсионный анализ с повторениями»
- 3.3.3. Представление о ступенчатом дисперсионном анализе
- 3.4 К установлению математической модели связи случайных величин
- 3.4.1. Виды регрессионных моделей
- 3.4.2. Способы, принципы и признаки оптимизации регрессии
- 3.4.3 Опции программы ms excel, предназначенные для регрессионного анализа
- 3.4.3.1 Использование инструмента анализа «Регрессия»
- 3.4.3.2 Функции excel, связанные с инструментом «Регрессия»
- 3.4.3.3 Возможности использования графических опций программы ms excel для решения задач регрессионного анализа
- Глава 4 Способы экспериментальных исследований
- 4.1 Пассивный эксперимент
- 4.1.1 Методы анализа результатов пассивного эксперимента
- 4.1.2. Информативность результатов пассивного производственного эксперимента
- 4.2 Планирование эксперимента и методы оптимизации параметров процесса
- 4.2.1 Методология планирования эксперимента
- 4.2.2 Полный факторный эксперимент
- 4.2.3 Дробный факторный эксперимент
- 4.2.4. Центральные композиционные планы
- 4.3 Оптимизация работы объекта управления для одного и нескольких параметров оптимизации для одно- и многоэкстремальной поверхности отклика
- 4. 4 Алгоритмы решения задач установления функциональных зависимостей и оптимизации
- Глава 6
- Глава 7
- Глава 8
- Глава 9 Современные достижения в области промышленной статистики и новые программные средства их реализации.