коефіцієнт множінної кореляції 0,892549 gt; 0.796613.
Таблиця 4.2 - статистичні характеристики кінцевої моделі іншого порядкуSummary for Dependent Variable:=0,93016718 R2=0, 86521098R2=0,80178085 F (8,17)=13,640 lt;, 00001 Std.Error of estimate: 1,2399
BetaStd.Err. of BetaPatrial. Cor.BStd.Err. of Bt (18) p-levelintercept147.4351.72252.850450.011064C - 6.601301.708096-0.683875-238.7261.7681-3.864710.001243Mn - 1.199531.105409-0.254518-23.4421.5997-1.085140.293009Si1.881241.6623770.26467947.9742.39171.131660.273490S- 0.732870.518201-0.324453-1312.38927.9625-1.414260.175338Al - 3.242262.219159-0.334002-467.54320.0066-1.461030.162244Ti2.527661.7277970.334390122.6883.85751.462940.161727T- 1.560660.419969-0.669495-0.090.0246-3.716130.001717T-C4.963930.9323550.7906340.320.06065.324070.000056
Оптимальна модель іншого порядку має Наступний вигляд:
?? =147.43 - 238.72C - 23.44Mn + 47.97Si - 1312.38S - 767.54Al + 122.68Ti - 0.09T + 0.32TC ± 1.2399
Малюнок 4.3 - Залишки оптімальної моделі іншого порядку после виключення дослідів
Малюнок 4.4 - Залишки оптімальної моделі іншого порядку после виключення дослідів
Візначімо оптимальний вид Рівняння для розрахунку очікуваного значення Властивості.
Для цього порівняємо статистичні характеристики, что опісують Рівняння в цілому.
Чім менше залішкова сума квадратів, чім более КОЕФІЦІЄНТИ детермінації, множінної кореляції и крітерій Фішеру, тім точніше модель опісує результати експеримент. Для порівняння статистичних характеристик складемо таблицю 4.3.
Таблиця 4.3 - Порівняння статистичних характеристик моделей Першого и іншого порядків
статистичності характерістікаМодель Першого порядкуМодель іншого порядкуКоефіцієнт множінної кореляції R0,892549850,93016718Коефіцієнт детермінації R20,796645230, 86521098Крітерій Фішеру F10,07413,640? 1,64621,2399
Віходячі з табліці 4.3 можна сделать Висновок, что модель іншого порядку набагато точніше опісує результати експеримент, так як вона має значний більші КОЕФІЦІЄНТИ детермінації та множінної кореляції, а такоже помітно більшій крітерій Фішеру.
Тому для розрахунку очікуваного значення Властивості краще використовуват модель іншого порядку.
