Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Методы оптимизации эксперимента в химической технологии

..pdf
Скачиваний:
39
Добавлен:
15.11.2022
Размер:
13.27 Mб
Скачать

Н о м е р

Х о

Х\

Хз

да

Ха

Х6 Х б

Х7

Н о м е р

Х о

JC1

Х з

Хз

Ха

да

да

Х 7

о п ы т а

 

 

 

 

 

 

 

 

о п ы т а

 

 

 

 

 

 

 

 

 

1

+ 1

- 1

- 1

- 1

+ 1

+ 1

+ 1

- 1

5

+ 1

- 1

 

- 1

+ 1

+ 1

- 1

- 1

+ 1

2

+ 1

+ 1

+ 1

- 1

+ 1 - 1

- 1

- 1

6

+ 1

+ 1

•+ 1

+ 1

+ 1

+ 1

+ 1

+ 1

3

+ 1

- 1

+ 1

- 1

- 1

+ 1

- 1

+ 1

7

+ 1

- 1

 

+ 1

+ 1

- 1

- 1

+ 1 - 1

4

+ 1

+ 1

- 1

- 1

- 1

- 1

+ 1

+ 1

8

+ 1

+ 1

 

- 1

+ 1

- 1

+ 1

- 1

- 1

дисперсии равно нулю. Для проверки адекватности линейного уравне­ ния, полученного по насыщенному плану, необходим дополнитель­ ный эксперимент.

Таким образом, оптимальные двухуровневые планы 2*и t'~f pимеют следующие преимущества: планы ортогональны, и поэтому все вычисления просты, все коэффициенты определяются независимо друг от друга; каждый коэффициент определяется по результатам всех N опытов. Эти планы обладают также свойством Ъ-оптималъ- ности: для данного числа опытов N они имеют минимальный определитель ковариационной матрицы (ХТХ)~1. Вследствие этого все коэффициенты регрессии определяются с одинаковой и мини­ мальной дисперсией. Необходимо также отметить, что линейные планы и 2к~робладают свойством ротатабелъности. Вследствие отсутствия корреляции между коэффициентами по закону сложения дисперсий для линейного уравнения при к факторах имеем:

 

 

 

 

9

 

0

О

2

 

 

0 0

 

 

 

 

 

 

s*

=

*ь. +

*i %

+

• • • +** % h

 

(V.29)

Так как s\. = s*ocnp /N, получим

 

 

 

 

 

 

 

 

4

- %

Ч

>

+

* !

+

-

Ч

) -

- % * < . + - ■ > .

(V .»)

 

 

 

 

 

 

- •

-

i v

 

 

 

 

 

 

 

 

 

 

 

 

/=1

 

 

 

 

где р2 —квадрат

радиуса

сферы

в

^-мерном пространстве. Величину,

обратную

s2,

можно

принять

за

меру информации, содержащейся

в уравнении регрессии. Согласно (V.30) коли­

 

 

 

чество информации убывает пропорционально

 

 

 

квадрату радиуса сферы р2 и одинаково для всех

 

 

 

эквидистантных точек (рис. 29). Планирование,

 

 

 

обладающее таким свойством, называют рота­

 

 

 

табельным планированием.

 

 

 

 

 

 

 

 

 

Приведем в общем виде схему диспер­

 

 

 

сионного

и

регрессионного

 

анализов

 

 

 

планированного

эксперимента,

когда

каж­

 

 

 

дый опыт в матрице планирования

по­

Рис. 29.

Свойство

ротатабель-

вторялся т раз (табл. 37).

 

 

 

 

 

ности

линейного

плана 22

5s2шах
N

 

Т а б л и ц а

37. Матрица планирования и результаты измерении

 

Номер

хо

XI

Х 2

 

хк

У

 

У

 

опыта

 

 

 

 

 

 

 

 

 

1

+ 1

+ 1

- 1

...+ 1

у \ \ , у \ 2,

...,У \т

у \

 

2

+ 1

- 1

- 1

...+ 1

У2Ь ^22, •••2т

У2

* 2

3

+ 1

+ 1

+ 1

...+ 1

 

 

 

 

N

+ 1

- 1

+ 1

...- 1

У ы '- Ь 2 - “•УМт

yN

 

 

 

 

 

 

 

 

В каждой строчке матрицы планирования определяется среднее

значение измеряемой величины по т параллельным опытам:

 

 

 

 

 

 

т

 

 

 

 

 

 

 

 

 

2

' -

 

 

 

 

 

 

 

9 1 =

--------, i = l , 2

, ...

, N

 

(V .31)

и дисперсия

 

 

 

т

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

(*■ -»«)•

 

 

 

 

 

 

 

Ц=1 m _ )-------- ; /

= 1 ,2 ,

. . . . N.

 

(V .32)

Проверяется однородность выборочных дисперсий по критерию Кохрена. Для этого составляется отношение максимальной дисперсии к сумме всех дисперсий:

G —

Полученное отношение сравнивается

с табличнымiG}_p

где

р =0,05; /, = т - 1;/ 2 = N. Если G<<^_Д ^ ), дисперсии однородны.

 

Тогда в качестве оценки для

дисперсии воспроизводимости

можно взять среднюю дисперсию

 

 

 

 

воспр

до

 

 

 

2

= 'JzL

(V .33)

 

 

 

 

 

с числом степеней свободы f B0Cр = N(m - 1 ).

 

Коэффициенты

уравнения

регрессии определяются по формуле

 

 

 

N

^

 

 

 

 

2

 

 

bj =

_____

(V .34)

 

N

 

 

 

 

 

 

Учитывая, что

дисперсия

у

полученного по выборке объема т

в т раз меньше дисперсии единичного измерения

 

 

«- = £>cnp/m-

(V.35)

в

рассматриваемом примере (табл. 37) дисперсия коэффициентов

si.

определяется следующим образом:

 

 

sbj =4оспр/'^т -

CV-36)

В

Значимость коэффициентов проверяется по критерию Стьюдента.

условиях нулевой гипотезы #°:ру = 0, отношение

абсолютной вели­

чины коэффициента уравнения регрессии к его ошибке имеет распре­ деление Стьюдента. Для всех коэффициентов уравнения регрессии составляется /-отношение

 

\ b j \

 

(V.37)

 

8bj

 

 

 

 

которое

сравнивается с табличным

/Ь/769 Для

уровня

значимости

р==0,05

и числа степеней свободы

f= N (m -l).

Если

t j < ^ p(f), то

принимается гипотеза равенства нулю генерального коэффициента рег­ рессии р/ = 0, а соответствующий выборочный коэффициент bj как незначимый отсеивается из уравнения регресии. При этом ввиду

ортогональности

матрицы планирования

остальные коэффициенты

не приходится пересчитывать.

эксперименту проверяется

Адекватность

уравнения регрессии

так же, как и при обработке пассивного эксперимента, по критерию Фишера. В матрице планирования (табл. 37) каждый опыт повторял­ ся т раз. Для проверки адекватности составляется дисперсионное отношение

F=z s 2 /

s2

г

Лад /

^воспр »

где s\a дисперсия адекватности, определяемая формулой

 

™2 (»■ -£)•

 

1=1

(V.38)

 

N

 

— /

/ —число значимых коэффициентов в уравнении регрессии.

Если полученное дисперсионное отношение оказывается меньше табличного:

/2 ), (V.39)

где р уровень значимости; —число степеней

свободы дисперсии

адекватности,

 

Л = N — l y

(V.40;

f2 число степеней свободы дисперсии воспроизводимости, f2= N(m —1), уравнение адекватно эксперименту. Если

F ^ Fi-p(fi> f j ,

(V.41)

то для адекватного описания эксперимента необходимо увеличить порядок аппроксимирующего полинома.

Рис. 30. Движение по поверхности отклика (а) к экстремуму в однофакторном эксперименте и в методе крутого восхождения (б)

3.

Оптимизация методом

крутого восхождения по

поверхности

отклика. Задача оптимизации ставится таким образом: необходимо

определить экспериментально

координаты экстремальной

точки

(х*п\

x™\...,x°ni) функции у =f(x},

х2, ..., хк). Построим контурные сече­

ния y=const поверхности отклика для /с=2 (рис. 30, а). При тради­ ционном эксперименте обычно фиксируют один из факторов, на­

пример x v

и двигаются из точки L в

направлении

оси

х2. Коорди­

наты

точки

L известны из предварительных опытов. Движение по

х2 продолжается до тех пор, пока

не

прекращается

прирост у

(рис.

30, б).

В точке М с лучшим

выходом фиксируется фактор

х2 и начинается движение в направлении оси х}. В точке N снова

фиксируется

ху и

начинается опять движение по

переменной х2 и

т. д. Очевидно, что

путь к экстремуму

по

ломаной

LMNR не самый

короткий. Известно, что движение по кратчайшему, наиболее круто­

му пути —это

движение

по градиенту

перпендикулярно

линиям

у = const (на рис. 30, б показано пунктиром). Если

описание

поверх­

ности отклика

в

общем

случае у =f(xy

х2, ..., х^)уградиент

функции

 

 

 

 

 

 

<v-421

где i,jt ..., А;—орты координатных осей.

 

дифференцируема,

Предполагается,

что

функция / непрерывна,

однозначна и не имеет особых точек. Бокс и Уилсон предложили шаговый метод движения по поверхности отклика. В окрестности точки L ставится эксперимент для локального описания поверхности отклика линейным уравнением регрессии:

Л

xi + Ь2х2+ • • • + Ьъ Xft.

(V.43)

У= ^

Далее двигаются по гю.ерхности отклика в направлении градиента линейного приближения:

Л

Л

А

 

ду

, . бу

д у

(V.44)

дхх

дх2

охь

 

При постановке опытов величина шага должна быть пропорцио­ нальна произведению коэффициента bj на интервал варьирования bjAzj. Если одного линейного приближения недостаточно, то ставит­

ся новая серия опытов с центром в точке, которая соответствует наибольшему значению у, и находится новое направление для движения по поверхности отклика. Такой шаговый процесс про­ должается до достижения области, близкой к экстремуму, или

«почти стационарной области».

Направление градиента зависит от выбранного интервала варьирова­ ния независимых факторов. При изменении в п раз интервала варьирования для некоторого j -го фактора меняется в п2 раз величина шага для этого фактюра, так как в п раз изменяется коэффициент регрессии bj и также в п раз —интервал варьирования. Инвариантны­ ми к изменению интервала остаются только знаки составляющих гра­ диента. Удачный выбор интервала варьирования во многом связан с наличием априорной информации о параметрической чувствительности процесса. Интервал варьирования должен быть достаточно велик, чтобы диапазон изменения выходной величины был в несколько раз (не менее 3-^4 раз) больше ошибки воспроизводимости. В то же вре­ мя для большинства процессов линейное приближение поверхности отклика адекватно эксперименту только при небольших интервалах варьирования. Если на интервалы варьирования не наложено никаких ограничений, их стремятся выбрать таким образом, чтобы получить уравнение регрессии, симметричное относительно коэффициентов при линейных членах. Обработка результатов эксперимента, связан­ ного с крутым восхождением, должна сопровождаться тщательным статистическим анализом полученных результатов.

Пример 1. Определялся оптимальный состав фотохромного стекла в системе Li20 - АЬОз - Si02. В качестве параметров оптимизации Ц>) рассматривалась оптическая

плотность в облученном состоянии. Надо было определить состав

стекла и

условия

его варки, обеспечивающие максимальную оптическую плотность.

 

 

В качестве независимых факторов были выбраны: zi —исходная концентрация хлора,

г-атом/100 г стекла; Z2 —исходная концентрация брома, г-атом/100

г стекла;

гз —соот­

ношение Ag : Cl; Z4 —температура

варки,

°С; гь —время выдержки,

ч; Z6 —содержание

A I2O 3 , мол. доли; Z7 —соотношение L i20 / SiCh.

 

 

 

 

Условия эксперимента приведены в таблице.

 

 

 

 

 

Zi

Z2

Z3

и

Z5

Z6

Z7

Основной уровень

0,0425

0,0187

0,0675

1325

1,75

0,1395

0,4165

Интервал варьирова-

 

0,0093

0,0325

25

0,25

0,0125

0,0835

ияДг,-

0,0205

+ i

0,063

0,028

0 , 1

1350

2

0,157

0,5

-1

0,022

0,0094

0,035

1300

1,5

0,124

0,333

Р е ш е н и е . Для определения коэффициентов линейного уравнения регрессии

У = *» + *,*, + * 2 * г + * 3 * 8 +

* 4 * 4 + * * * » +

* • * * + * 7 * 7

использована Vi6 от ПФЭ V с генерирующими соотношениями

 

* 4 = * 1 * * * 3 » *5 = * 1 * 2 »

* в = * 1 * 3 .

* 7 = * 2 * 8 -

Каждый опыт в матрице планирования (табл. 38) повторен два раза.

Средние значения оптической плотности у получены по двум измерениям. Про­ верим однородность дисперсий $?, / —1, 2,..., 8, по критерию Кохрена. Сумма дисперсий

2 *? = 27,80-10~*.

1=1

Критерий Кохрена

G

ю,ыо-*

0,363.

 

27,80-10-*

2 4

/=1

Табличное значение критерия Кохрена для уровня значимости р —0,05 и чисел степеней свободы /i —1, / 2 —8 Go,95(1 ,8)—0,6798. G < (70,95(1 ,8 ), и, следовательно, дисперсии одно­ родны. Дисперсия воспроизводимости определяется в связи с этим как среднее ариф­ метическое:

N

*воспр = -‘ j j r

27,80-10“*

3,475-10“*.

8

Число степеней свободы дисперсии воспроизводимости равно

/ в о с п р — Н(т — 1 ) —- 8 ( 2 — 1 ) = 8 .

Коэффициенты уравнения регрессии определяем по формуле (V.34):

60 = 0,2128,

Ьх = 0,0724,

Ь2 = — 0,00575,

68 = 0,1363,

Ь4 = — 0,00088,

ЬБ = — 0,0129,

Ьв = — 0,041,

&7 = 0,00625.

Оценим значимость коэффициентов по критерию Стьюдента. Для этого по формуле

(V.36) определим ошибку коэффициентов

 

 

 

 

Sbj =

3,475-10-*

0,468-10-*

2-8

 

 

 

 

 

 

и составим ^-отношение для всех коэффициентов уравнения регрессии

0,2128

45,5 ;

/j

 

0,0724

15,45;

0,468-10-*

 

0,468-10"*

 

 

 

 

0,00575

1,23;

 

 

0,1363

29,1;

0,468-10-*

 

 

0,468-10-*

 

 

 

 

0,00088

0 , 188;

 

 

0,0129

2,77;

0,468-10“*

 

 

0,468-10-*

 

 

 

 

0,0041

0,875;

<7

 

0.00625

 

0,468-10-*

 

0,468-10-»

 

 

 

 

 

Табличнсте значение критерия Стьюдента

^ (8) —2,31. Коэффициенты In, Ьа, be, bi

незначимы, так как составленные для них r-отношения меньше табличного. После исключения незначимых коэффициентов уравнение регрессии примет вид

у = 0,2128 + 0,0724*2 + 0,1363*8 — 0,0129*Б.

Проверим адекватность этого уравнения эксперименту по критерию Фишера. Диспер­ сия адекватности определяется по (V.38):

2 2

{ y t- yi)*

2-6,77-10-*

i=\_________

4 Д=

8 — 4

= 3,385-10-*.

 

 

 

 

 

 

 

 

 

 

 

 

 

Т а б л и ц а 38

Номер

*0

*1

*2

*3

*4

*5

 

*7

уу

У2

У

• 10*

У

(У-у? *

опыта

 

 

 

 

 

 

 

 

 

 

 

 

 

х10<

1

+

_

+

_

+

_

+

_

0

0

0

0

0,017

2,9

2

+

+

+

+

0,108

0,15

0,129

8,82

0,136

0,49

3

+

— — — — +

+

+

0

0

0

0

-0,0089

0,77

4

+

+

+

+

0,194

0,16

0,177

5,78

0,1618

2,3

5

+ — + + — —

+

0,298

0,292

0,295

0,18

0,2896

0,29

6

+

+

+

+

+

+

+

+

0,400

0,408

0,404

0,32

0,4086

0,21

7

+

+

+

+

—_

0,255

0,278

0,266

2,6

0,2638

0,073

8

+

+

+

+

0,453

0,408

0,431

Ю,1

0,4344

0,1156

Тогда F-отношение равно

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

s2

 

3,385-10-*

 

 

 

 

 

 

 

 

 

F

 

5ад

 

1,01.

 

 

 

 

 

 

 

 

 

с2

 

3,35-10-*

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

воспр

 

 

 

 

 

 

Табличное значение критерия Фишера для р 0,05, / , —4 и / 2 —8 Fog6 (4,8) —3.8. ^<^о,вб (4,8), и уравнение регрессии адекватно эксперименту. Используем полученное уравнение для крутого восхождения по поверхности отклика для увеличения оптической плотности стекла. При крутом восхождении незначимые параметры были зафиксированы на нулевом уровне, время выдержки на нижнем уровне 1,5 ч. Таким образом, изменя­ лись только исходная концентрация хлора (Zi) и соотношение Ag : Cl (z3). Первые три опы­ та при крутом восхождении (9, 10, 11) были «мысленные» (таблица).

 

 

 

У

Номер

z,

 

У

 

 

Z 3

опыта

Z 3

 

 

 

 

 

 

 

zf

0,0425

0,0675

 

 

 

 

 

Lzj

0,0205

0,099

 

 

 

0,0787

bj

0,0724

0,1363

9

 

0,0462

b j A Z j

0,00148

0,00443

10

 

0,0498

0,0897

Шаг

0,0036

0,0111

11

 

0,0536

0,1008

 

 

 

12

 

0,0573

0,1119

0,552

 

 

 

13

 

0,0610

0,1230

0,500

 

 

 

14

 

0,0647

0,1341

0,476

 

 

 

15

 

0,0683

0,1452

0,436

 

 

 

16

 

0,0719

0,1563

0,426

В качестве шагов взяты величины, в 2,5 раза большие произведений bjAzj. Лучший результат получен в 12-м опыте. Дальнейшее увеличение концентрации хлора и отно­ шения Ag : Cl ухудшает фотохромные свойства стекла. В связи с этим были реализованы пропущенные опыты 10 и 11. Получены следующие значения оптической плотности

стекла:

^10 = 0,496, уп = 0,561.

Таким образом, в качестве оптимального рекомендуется состав стекла, полученный в 11-м опыте.

4.Описание области, близкой к экстремуму. Композиционные

планы Бокса —Уилсона. Область, близкую к экстремуму, называют также почти стационарной областью. Это область с существенной нелинейностью функции отклика, для адекватного описания которой необходимо использовать нелинейные полиномы. В настоящее время наиболее широко для описания области, близкой к экстремуму,

применяют

полиномы второго порядка. Это связано с тем, что,

во-первых,

имеются хорошо разработанные

планы второго

порядка,

во-вторых,

с тем, что поверхности второго

порядка

легко

поддают­

ся систематизации и исследованию на экстремум. И

наконец, увели­

чение порядка аппроксимирующего полинома приводит к значитель­ ному увеличению числа опытов.

Обычно эксперимент, реализованный для определения оптималь­ ных условий процесса, можно адекватно описать полиномом второго порядка. При этом число опытов N в плане должно быть не меньше числа определяемых коэффициентов в уравнении регрессии второго порядка для к факторов:

Л

+bfcxk + b12x1x2+

. .. +

 

у = Ь0 + Ь1х1 + Ь2х2+ ...

 

+ bk-\, k *ь-1 *Ъ +

ЬП А + ■•. + bhk 4

.

(V.45)

Коэффициенты уравнения регрессии (V 45) служил

оценками

для

соответствующих коэффициентов уравнения теоретической регрессии:

т У — Ро + P l * l + • • •

?kxh + P l 2 * l * 2 + • • • +

$k—\, k -1 Xh +

 

+

pii*?+ ••• + h h 4 ■

 

 

(V.46)

Число коэффициентов / в полиноме второго порядка

(V 45)

можно определить по формуле

 

6!

(*+l)(fe + 2)

 

/ = 6 + 1 + 6 + С? = 26+ 1

+

(V .47)

 

 

 

 

 

2! (6 2)!

 

 

 

где С*—количество сочетаний

из к

факторов

по два,

равное

числу

эффектов парного взаимодействия в уравнении (V 45).

описать

теоре­

Если почти стационарную область

адекватно

можно

тическим уравнением регрессии второго порядка (V.46), тогда становятся значимыми определенные по эксперименту эффекты взаимодействия факторов и квадратичные эффекты. Это позволяет установить факт нахождения в почти стационарной области. Близость почти стационар­ ной области можно установить, если поставить дополнительно к

факторному плану или 2к~р опыты в центре

плана (лп=0; *2 = 0;...;

хк = 0) и вычислить среднее

Среднее у5

является оценкой для

свободного члена уравнения теоретической регрессии

у0

Ро.

(V-48)

в то время как коэффициент 60, подсчитываемый в факторном

эксперименте по формуле

лг

2 го< у>

. /=i

является совместной оценкой для свободного члена и суммы квадра­ тичных:

ь

 

К Р „ + 2 hi-

(V.49)

/=1

 

Поэтому разность

к

(V .50)

ьо~ Уо 2P W

может до некоторой степени служить мерой кривизны поверхности. Для описания поверхности отклика полиномами второго порядка независимые факторы в планах должны принимать не менее трех разных значений. Трехуровневый план, в котором реализованы все возможные комбинации из к факторов на трех уровнях, представляет собой полный факторный эксперимент 3*. В табл. 39 приведена

матрица планирования полного факторного эксперимента З2.

 

 

 

Т а б л и ц а

39. ПФЭ

32

 

 

Номер

*■

*2

У

Номер

Х\

 

У

опыта

опыта

 

1

0

0

Ух

6

- 1

+ 1

Ул

2

+ 1

0

У2

7

0

-1

У7

3

- 1

0

Уз

8

- 1

Ув

4

0

+ 1

У4

9

- 1

- 1

Уя

5

+ 1

+ 1

Уь

 

 

 

 

Полный факторный эксперимент 3* требует слишком большого числа опытов, намного превышающего число определяемых коэффи­ циентов / уже для к> 2.

Число опытов в ПФЭ Ък и число коэффициентов / в уравнении регрессии второго порядка приведены ниже:

к .

2

3

4

5

6

3* .

9

27

81

243

729

/ .

6

10

15

21

28

Сократить число опытов можно, если воспользоваться так называе­ мыми композиционными или последовательными планами, предложенны­

ми Боксом и Уилсоном. Ядро таких планов составляет

ПФЭ 2* при

к< 5 или полуреплика от него при к >5.

хг

 

 

Возможность использования в качестве

 

с7

 

ядра плана полуреплики при к>5 обус­

4

 

ловлена тем, что уже полуреплика обес­

 

 

печивает получение несмешанных оценок

а<

 

 

для линейных эффектов и эффектов пар­

 

 

 

ного взаимодействия (см. гл. V, 2).

£

5

*1

Если

линейное уравнение регрессии

 

 

 

оказалось

неадекватным,

необходимо:

J'

*2

 

1) добавить звездных точек, располо­

 

с8

 

женных на координатных осях факторного

 

 

 

 

 

пространства. Координаты

звездных то­

Рис. 31. Композиционный

план

чек:

 

 

второго порядка для /г—2

а, 0, ... , 0), (0, =Ьа, 0......... 0) ... (0,0, ... ,0, ±а),

где а —расстояние от центра плана до звездной точки —звездное плечо; 2) увеличить число экспериментов в центре плана UQ.

Рассмотрим построение композиционных планов на примере /г—2 (рис. 31). Точки 1, 2, 3, 4 образуют ПФЭ 22*, точки 5, 6, 7, S—звездные

точки

с координатами (±

а,

0) и (0, ±

а),

координаты

п0 опытов в

центре плана нулевые —(0, 0) (табл. 40).

 

 

 

 

 

 

Т а б л и ц а 4Q

Композиционный план второго порядка для двух факторов

 

Номер

*0

Х\

*2

*1*2

 

х 7

Номер

*0

 

*2

*1*2

*?

х \

опыта

 

 

*2

опыта

 

 

1

+1

4-1

4-1

4-1

4-1

4-1

8

4-1

0

0

0

а2

2

4-1

+1

-1

-1

4-1

4-1

9

4-1

0

0

0

0

0

3

+1

-1

-1

4-1

4-1

4-1

10

0

0

0

0

0

4

4-1

-1

+1

-1

+1

4-1

 

 

 

 

 

 

 

5

4-1

4-а

0

0

а2

0

 

 

 

 

 

6

 

6

4-1

- а

0

0

а2

0

N

4-1

0

0

0

0

7

4-1

0

4-а

0

0

а2

 

 

 

 

 

 

 

Информационная матрица (матрица моментов) композиционного пла­ на второго порядка имеет для к —2 вид

 

Ьо

 

*1

 

ь%

 

 

 

bn

b2a

Ьо

- N

 

0

 

0

 

0

N

N

 

2

 

 

 

2

*oi*i*

2

*oi*a*

 

(=\

 

N

 

 

 

 

f=l

У=1

 

 

0

 

0

 

0

 

0

 

0

 

 

 

 

 

 

ь,

 

0

0

N

 

 

0

 

0

 

0

 

2

4

 

 

 

( * Г* ) =

 

 

 

i=l

N

 

 

 

 

(V .51)

 

0

0

 

0

a

a

 

 

Ьг*

 

 

2

0

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Ьп

*

*

0

 

0

 

0

N

N

 

f=l

 

 

 

2

xu

2

«

 

 

 

 

 

 

 

i=\

i= 1

 

Ь%2

N

 

0

 

0

 

0

yv

лг

 

2

xh xо'

 

 

2

«

2

4

 

_<=i

 

 

 

 

 

 

f=l

*=1

J

где

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

= N*

 

 

 

 

 

 

 

2

2 X2l — 2а +

2аа,

 

 

 

 

 

/=1

 

*=1

 

 

 

 

 

 

 

 

 

N

 

ЛГ

 

 

 

 

 

 

 

 

 

2

=

2 -*01-*®! = 22 +

2а*.