Один из вариантов более реалистичной стратегии

Вновь обратимся к имитационной модели profit3 для проведения полного факторного эксперимента при тех же значениях координат основного уровня и интервалов варьирования переменных. Ясно, что в силу заложенной в модель profit3 стохастичности прибыли, регрессионный полином примет новый вид.bank=fracfact('a b с');=length(d);=[ones(N,1)d];=[300 490 580];=[30 49 58];=[ones(:,1)*x0(:,1)+x(:,2)*dx(:,1)…(:,1)*x0(:,2)+x(:,3)*dx(:,2)…(:,1)*x0(:,3)+x(:,4)*dx(:,3)]=profit3(D);_Y=[n,Y]=0.2;

[b,bint,r,rint,stats] = regress(Y,X,alpha);=[b bint]short=stats(3)

Итак, оценка коэффициента линейной регрессии при второй переменной оказалась статистически незначимой. Поэтому аппроксимационный полином принимает вид

отличный от вида полинома, полученного в предыдущем решении. Как следствие, движение по градиенту приобретает качественно новые черты. Рассчитаем, например, 10 шагов движения по градиенту, оставляя параметр шага .

disp('PACЧET ШАГОВ ДВИЖЕНИЯ ПО ГРАДИЕНТУ’) % -------------

format bank=[300 490 580];=[30 49 58];=[-668.12 0 438.13];=0.001;n=1:10(n,1:3)=X0+(n-1)*gamma*b.*dx;

Элементы матрицы G говорят о том, что цена 1-го товара при движении по градиенту выйдет за границу его закупочной цены на 5-м шаге. Поэтому при проведении опытов, обеспечивающих движение по градиенту, следует ограничиться четырьмя шагами.

Процедура движения по градиенту, в отличие от полного факторного эксперимента, несет в себе потенциальную опасность потери некоторой части прибыли в случае неверного определения направления наискорейшего возрастания функции прибыли. Для уменьшения риска потерь следует двигаться по градиенту, последовательно ставя повторные опыты в каждой намеченной-точке градиентного луча и каждый раз давая оценку статистической значимости отличия средних на основном уровне и в новой точке.

Ограничимся четырьмя повторными опытами в каждой точке,

Шаг 1

% В рабочем пространстве MATLAB должна быть матрица Gi=i:4,p(i)=profit3(G(2,:));Y=p(i),end,=4;('Опытные данные на основном уровне матрицы дизайна:')= [4780.00;4460.00;4660.00:3860.00]('Среднее значение свойства на основном уровне матрицы дизайна:')mean=sum(Y0)/N('Опытные данные на 1-ом шаге движения по градиенту:’)=p’('Среднее значение свойства на 1-ом шаге движения по градиенту')mean=sum(Y1)/N=[Y0 Y1];('Оценка p-value различия средних')short=anoval(gradmean)

Шаг 2all

% В рабочем пространстве MATLAB должна быть матрица Gi=i:4,p(i)=profit3(G(3,:));Y=p(i),end,=4;('Опытные данные на основном уровне матрицы дизайна:')= [4780.00;4460.00;4660.00:3860.00]('Среднее значение свойства на основном уровне матрицы дизайна:')mean=sum(Y0)/N('Опытные данные на 2-ом шаге движения по градиенту:’)=p’('Среднее значение свойства на 2-ом шаге движения по градиенту')mean=sum(Y2)/N=[Y0 Y2];('Оценка p-value различия средних')short=anoval(gradmean)

Шаг 3all

% В рабочем пространстве MATLAB должна быть матрица Gi=i:4,p(i)=profit3(G(4,:));Y=p(i),end,=4;('Опытные данные на основном уровне матрицы дизайна:')= [4780.00;4460.00;4660.00:3860.00]('Среднее значение свойства на основном уровне матрицы дизайна:')mean=sum(Y0)/N('Опытные данные на 3-ем шаге движения по градиенту:’)=p’('Среднее значение свойства на 3-ем шаге движения по градиенту')mean=sum(Y3)/N=[Y0 Y3];('Оценка p-value различия средних')short=anoval(gradmean)

Рис. 10-15 иллюстрируют статистический анализ результатов шагов движения по градиенту. Из этого анализа вытекает, что в точке факторного пространства с ценами x1=239.87 руб., х2=490.00 руб. и х3=656.23 руб. получена средняя прибыль, которая на