正交飽和設(shè)計(jì)中檢驗(yàn)功效的比較研究.pdf_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、在效應(yīng)稀疏原理成立的前提下,對2水平正交飽和設(shè)計(jì)的統(tǒng)計(jì)分析已有不少很成熟的解決方法;但效應(yīng)稀疏原理不總是成立的,因此尋找一些能夠有效解決一般的飽和設(shè)計(jì)的統(tǒng)計(jì)方法就非常必要.本文在零效應(yīng)搜索法的基礎(chǔ)上,對幾種典型的統(tǒng)計(jì)分析方法進(jìn)行了比較研究.并將零效應(yīng)搜索法推廣到t分布.
  論文主要由五章組成.
  第一章是引言,對飽和設(shè)計(jì)的一般模型進(jìn)行了描述,簡單介紹了已有的三種有代表性的分析飽和設(shè)計(jì)的統(tǒng)計(jì)方法:Lenth法,MaxUr法

2、,零效應(yīng)搜索法.指出了每種方法的應(yīng)用范圍及其優(yōu)點(diǎn)和局限性.
  第二章對零效應(yīng)搜索法作了進(jìn)一步的研究,本章利用次序統(tǒng)計(jì)量的期望的另一個(gè)性質(zhì),用零效應(yīng)搜索法的思想構(gòu)造出了相應(yīng)的檢驗(yàn)統(tǒng)計(jì)量,對此統(tǒng)計(jì)量的性質(zhì)進(jìn)行了研究.模擬結(jié)果顯示,該檢驗(yàn)統(tǒng)計(jì)量也能很好的識別出飽和設(shè)計(jì)中的顯著因子,對誤差方差的估計(jì)效果也很好.
  第三章將零效應(yīng)搜索法進(jìn)行了推廣.一般假定,誤差是服從正態(tài)分布的.因?yàn)閠分布的密度函數(shù)也是對稱分布,所以零效應(yīng)搜索法對

3、t分布也適用.由于t分布的密度函數(shù)比較復(fù)雜,無法給出統(tǒng)計(jì)量的具體形式.但可通過模擬來實(shí)現(xiàn),通過對各種情況的模擬計(jì)算來說明零效應(yīng)搜索法對t分布也適用.本章選擇自由度為3的t分布做模擬,并且在此假定下,也能很好的識別飽和設(shè)計(jì)中的顯著因子,并且誤差方差的估計(jì)也很好.
  第四章對上述方法在不同條件下進(jìn)行了模擬比較研究.發(fā)現(xiàn)在效應(yīng)稀疏原理的假設(shè)下,Lenth法是較好的一種識別顯著因子的方法.而在顯著因子較多的情形下,零效應(yīng)搜索法是較好的一

4、種識別顯著因子的方法.
  第五章是結(jié)論.對本文介紹的三種分析飽和設(shè)計(jì)的方法進(jìn)行了模擬比較,發(fā)現(xiàn)在效應(yīng)稀疏原理的假定下,Lenth法是一種較好的識別顯著因子的方法,但對于σ2的估計(jì)效果較差;而在顯著因子較多的情況下,零效應(yīng)搜索法是一種很好的識別顯著因子的方法,且對誤差方差的估計(jì)效果也很好.用零效應(yīng)搜索法可以檢驗(yàn)顯著因子多達(dá)m-1(m為總因子數(shù))個(gè)的正交飽和模型.我們的目的是希望找到一種既能識別顯著因子,又能很好的估計(jì)σ2的一種分析

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論