Полным факторным экспериментом (ПФЭ) называется эксперимент, в котором реализуются все возможные сочетания n уровней факторов, каждый из которых варьируется на двух уровнях: верхнем xiв и нижнем xiн, симметрично расположенных относительно основного уровня xi0. Число этих комбинаций определяет тип ПФЭ. Уровни факторов представляют собой границы исследуемой области по данному параметру. Планы первого порядка служат для построения математического описания в виде линейных полиномов (линейных уравнений регрессии)
.
Затем выбирается интервал варьирования по каждой переменной – расстояние по данной оси от центра до экспериментальной точки.
Центр, или основной уровень плана
.
Интервал варьирования
.
На следующем этапе совершают операцию приведения (кодирования) переменных. Она заключается в том, что все координаты центра плана приравниваются к нулю, а интервалы варьирования принимают за 1, что позволяет проводить обработку результатов опытов в стандартной форме, не зависящей от условий задачи.
Безразмерные нормированные факторы дают возможность построить матрицу планирования с нижним и верхним уровнями варьирования +1 и –1, при этом учитываются все возможные комбинации.
Матрица планирования состоит из следующих столбцов: столбцов по каждому фактору, столбцов сочетаний факторов и столбца реакций.
Расчет коэффициентов уравнения проводится по методу наименьших квадратов. Причем, таким образом можно найти коэффициенты не только для линейного уравнения, но и уравнения, содержащего еще один член
.
Член, содержащий произведение факторов, называется взаимодействием. Он показывает, насколько влияние одного фактора зависит от значения другого. Как видно из уравнения, всего факторов 3 и один – взаимодействие. Коэффициент при таком члене определяется из выражения
.
Особенность обработки результатов моделирования заключается в том, что:
- для анализа берутся результаты, полученные при работе имитационной модели на ЭВМ, что позволяет получить достаточно большую выборку по различным характеристикам исследуемого объекта;
- в процессе моделирования часто невозможно использовать априорную информацию о характеристиках процесса функционирования исследуемой системы, что приводит к использованию при анализе результатов непараметрических характеристик и моментов оценок;
- при исследовании каких-то характеристик имитационной модели часто приходится представлять переменные в виде удобном для их реализации на ЭВМ.
К качеству оценок, полученных в результате статистической обработки результатов моделирования, предъявляются следующие требования:
1) несмещенность оценки, т.е. равенство математического ожидания оценки определенному параметру где - оценка переменной (параметра) g;
2) эффективность оценки, т.е. минимальность среднего квадрата ошибки данной оценки где - рассматриваемая оценка; - любая другая оценка;
3) состоятельность оценки, т.е. сходимость по вероятности при N ® ¥ к оцениваемому параметру , либо учитывая неравенство Чебышева, условие выполнения этого неравенства заключается в том, чтобы
Рассмотрим оценку выборочного среднего значения . Математическое ожидание выборочного среднего значения составит
,
т.е. оценка является несмещенной.
С учетом независимости значений xi средний квадрат ошибки
,
т.е. оценка является состоятельной. Также можно доказать, что эта оценка и эффективна.