试验优化设计--第七章(2013).pptVIP

饱和性 D优良性（+1和-1），同时p=3，但试验次数是4， 正交性 旋转性，换成1后没有 第二行是该水平的重复试验次数 只需要根据定理判断出是否具有D最优性，取的是1和-1，对于P=2，他取的是3个点，那么就具有饱和最优性 第七章 D－最优回归设计 §1 D —优良性 一、问题的提出 1、最优方法： 同一个P 元问题 确定区域 给定模型 1）二次正交组合设计 2）二次连贯设计 3）二次旋转设计 4）二次正交旋转设计 5）二次通用旋转设计 6）完全正交多项式 7）部分正交多项式 工程实际需要 满足优良性 选以上任意方法即可 不同的试验方案，使同一回归模型的待估计参数间可能产生差异。 仅以统计检验准确即可 哪种方法最小，方法最优 2、同一方法，哪个方案最好 即使运用同一种回归设计方法，也可以设计出不同的试验方案。 U 中Z 上 1°N定，N=6，b=3，分布变 2°N 不定，b 定，分布变 这样就会使试验方案具有不同的优良性，也可能使由不同试验方案得到的各组回归系数间产生差异。 3、解决方法 1°传统方法 都是从优良性出发，根据实际需要，认为这种方法最好。然后用统一检验标准来检验求出最优方程，可实际上并不是最优方程。 2°最优回归设计理论 科研与生产发展的实际需要促使人们去研究，解决这一问题，出现了一个新的理论研究方向——最优回归设计理论，即在给定的因素空间中，对于给定的回归模型，比较各种试验方案，寻找最优方案，从而获得最优方程。 二、D－优良性 1°密集椭球体 式中 ——服从 的相互独立的随机变量。 ——因素空间 U 中的一点，若因素空间为P 维欧式空间，那么 就是 P 维向量。 －因素空间 U 中的小于或等于 P 元的连续函数； －m 个待估计参数。 二元二次回归模型 对于这个模型，可以寻找一个试验方案，通过试验得到一组数据，然后根据最小二乘法获得参数 的最小二乘估计， 对于不同的试验方案，可以得到不同的最小二乘估计； 为了评价这些参数估计的好坏，需要对这些参数的估计值进行综合考察； 用它的密集椭球体的大小来评价。 密集椭球体：假设已知 m 个参数估计 的平均值与相关矩，那么可以在m 维空间中寻找这样一个椭球体，使得在此椭球体所围成的区域上的 m 维均匀分布与 m 维随机变量（ ）有相同的平均值与相关矩。具有这种特性的椭球体，称为 的密集椭球体。 简单地说，在 m 维空间中，由回归系数 b 围起来的 m 维椭球体，叫 m 维密集椭球体，或 m 维系数空间。 2° 椭球体体积的大小，是估计值 分散与集中程度的数量指标。一般来说，不同的方案 有不同的密集椭球体。回归系数 的密集椭球体的体积 V 与试验方案 有关。即 。 对于某一个试验方案，上述模型中 m 个回归系数的密集椭球体的体积 与该方案的信息矩阵 的行列式有如下关系： 在同一模型下，对两个不同的方案 ，若有 则我们说，在D－优良性下方案 好。 密集椭球体体积 与相应的信息矩阵行列式 的平方根成反比。 在D－优良性下，方案 好 由于相关矩阵 是信息矩阵 的逆矩阵，且 · 。条件 等价于 。 3°D－最优设计 对于给定的模型 。在确定的因素空间中（U 中 Z 上），方案 （Z 上所有方案中的一个），使回归系数 的密集椭球体的体积达到最小，则称 为该因素空间中的 D－最优方案或设计。 §2 D －最优设计的构造及其应用 试验方案一般形式：离散方案 ——为方案 的总试验次数。 ——第t（t=1,2,……,n）个试验点，它是因素空间的一组点，称为方案 的谱点； ——试验点 的重复次数， 仅能取自然数. j i X1 X2 X3 1 1 -1 1 2 1 1 -1 3 -1 -1 1 4 -1 1 -1 Ε