Tables 2 and 3 illustrate the reduc

Tables 2 and 3 illustrate the reduced quadratic models in terms
of coded factors with significant terms and also show other statistical
parameters. In Table 2, six models (Y1–Y6) F-values of 34.01,
657.43, 47.17, 295.60, 423.32 and 1090.25 with a very low probability
value (P < 0.0001) implied that terms were significant in all
models. There was only 0.01% chance that a model F-value could
occur due to noise. The ANOVA results for six parameters (Y1–Y6)
showed that the significant (P < 0.05) response surface models
with high R2 value varied from 0.9489 to 0.9988 were obtained.
These high R2 coefficients ensured a satisfactory adjustment of
the quadratic models to the experimental data [17]. The values
of the adjusted R2 of 0.9489, 0.9973, 0.9629, 0.9940, 0.9958 and
0.9984, respectively, for six model Y1–Y6 were also high to advocate
high significance of the models [24]. Therefore, the response
surface models were accurately employed for predicting variation
percentage of these six parameters.

ผลลัพธ์ (ไทย) 1:

ตารางที่ 2 และ 3 แสดงรูปแบบกำลังสองน้อยลงละรหัสปัจจัยเงื่อนไขที่สำคัญและยังแสดงอื่น ๆ ทางสถิติพารามิเตอร์ ในตารางที่ 2, 6 รุ่น F-ค่าของ 34.01 (Y1-Y6)657.43, 47.17, 295.60, 423.32 และ 1090.25 ด้วยความน่าเป็นต่ำมากค่า (P < มาก 0.0001) นัยว่า เงื่อนไขสำคัญทั้งหมดรูปแบบจำลอง มี 0.01% เท่านั้นโอกาสที่ค่า F แบบจำลองได้เกิดเสียง ผลการวิเคราะห์ความแปรปรวนสำหรับพารามิเตอร์หก (Y1-Y6)พบว่าตัวอย่างมีนัยสำคัญ (P < 0.05) แบบจำลองพื้นผิวตอบสนองมีค่า R2 สูงที่แตกต่างกันจาก 0.9489 0.9988 ได้รับการสัมประสิทธิ์เหล่านี้ R2 สูงมั่นใจการปรับปรุงเป็นที่พอใจของรูปแบบกำลังสองข้อมูลทดลอง [17] ค่าของ R2 ปรับปรุง 0.9489, 0.9973, 0.9629, 0.9940, 0.9958 และ0.9984 ตามลำดับ รุ่นหก Y1-Y6 แนะสูงเพื่อสนับสนุนการความสำคัญสูงรุ่น [24] ดังนั้น การตอบสนองแบบจำลองพื้นผิวถูกลูกจ้างสำหรับการคาดการณ์การเปลี่ยนแปลงอย่างถูกต้องเปอร์เซ็นต์ของพารามิเตอร์เหล่านี้หก

ผลลัพธ์ (ไทย) 2:

ตารางที่ 2 และ 3 แสดงให้เห็นถึงรูปแบบสมการกำลังสองที่ลดลงในแง่
ของปัจจัยรหัสที่มีเงื่อนไขที่สำคัญและยังแสดงให้เห็นสถิติอื่น ๆ
พารามิเตอร์ ในตารางที่ 2 หกรูปแบบ (Y1-Y6) F-ค่า 34.01,
657.43, 47.17, 295.60, 423.32 และ 1,090.25 กับความน่าจะเป็นที่ต่ำมาก
ค่า (p <0.0001) ส่อให้เห็นว่าข้อตกลงที่มีนัยสำคัญในทุก
รูปแบบ มีเพียง 0.01% โอกาสที่ว่ารูปแบบ F-ค่าอาจ
เกิดขึ้นเนื่องจากการเสียง ANOVA ผลหกพารามิเตอร์ (Y1-Y6)
แสดงให้เห็นว่ามีนัยสำคัญ (P <0.05) รูปแบบการตอบสนองพื้นผิว
ที่มีค่า R2 สูงแตกต่างกัน 0.9489-0.9988 ที่ได้รับ.
เหล่านี้ค่าสัมประสิทธิ์ R2 สูงมั่นใจความพึงพอใจของการปรับ
รูปแบบสมการทดลอง ข้อมูล [17] ค่า
ของ R2 ปรับ 0.9489, 0.9973, 0.9629, 0.9940, 0.9958 และ
0.9984 ตามลำดับสำหรับหกรูปแบบ Y1-Y6 ก็ยังสูงที่จะสนับสนุน
อย่างมีนัยสำคัญสูงของรุ่น [24] ดังนั้นการตอบสนอง
รูปแบบพื้นผิวที่มีการใช้อย่างถูกต้องในการทำนายการเปลี่ยนแปลง
ร้อยละของเหล่านี้หกพารามิเตอร์

ผลลัพธ์ (ไทย) 3:

ตารางที่ 2 และ 3 แสดงให้เห็นถึงการลดยอดนางแบบในแง่
รหัสด้วยปัจจัยเงื่อนไขสำคัญและแสดงสถิติ
ยังพารามิเตอร์อื่น ๆ ตารางที่ 2 , 6 รุ่น ( y1 – y6 ) f-values ของ 34.01
657.43 47.17 295.60 , , , , และ 423.32 1090.25 กับค่าความน่าจะเป็น
น้อยมาก ( p < 0.0001 ) บอกเป็นนัยๆ ว่า เงื่อนไขสำคัญใน
รุ่น มีโอกาสเพียง 0.01 % ที่เป็นค่าแบบอาจ
เกิดขึ้นเนื่องจากเสียงดัง ผลทดสอบ 6 พารามิเตอร์ ( y1
( y6 ) พบว่า แตกต่างกันอย่างมีนัยสำคัญทางสถิติ ( p < 0.05 ) แบบจำลองพื้นผิวตอบสนอง
สูงแตกต่างจาก 0.9489 R2 ค่าเพื่อ 0.9988 ได้รับ .
) R2 สูงเหล่านี้ว่าปรับที่น่าพอใจของ
รูปแบบกำลังสองกับข้อมูล [ 17 ] ค่า
ของปรับ R2 ของ 0.9489 0.9973 0.9629 0.9940 , , , ,
0.9984 และ 0.9958 ,คือ แบบ 6 y1 – y6 ยังสูงเพื่อสนับสนุน
ความสำคัญสูงของรุ่น [ 24 ] ดังนั้น การตอบสนอง
รูปแบบพื้นผิวเป็นอย่างถูกต้องในการทำนายรูปแบบ
เปอร์เซ็นต์ของเหล่านี้หกค่า