Two levels (low and high) were sele

Two levels (low and high) were selected for each of the independent variables; the 24 factorial design that was used for briquette production is shown in columns 2 to 5 of Table 4, which also show the measured responses.

Since the effect of water in the binder was confounded with that of the starch in this experiment, additional experimental runs were conducted to assess the effect of water on the response variables, with and without starch. The responses for briquettes containing water only (without starch) are presented in rows 21 to 24 of Table 4, for comparison with the results for otherwise similar briquettes produced with both water and starch mixture in rows 9 to 12. In the statistical analysis, the effect of dry starch on briquette responses was assumed to be the same as when only rice husk and corn cob residues were used (i.e., with no water or starch in rows 17 to 20 of Table 4).

Statistical effects of variables and their interactions on the responses were calculated based on the individual replicate results shown in columns 7, 9 and 11 of Table 4[42]. Effects of the variables and interactions between the variables on a response are estimated as the differences between the averages for the high and low levels of a variable or interaction, and the total mean response. The highest order interactions of variables were assumed to be largely due to random noise [42]. Normal probability plots of the effects can be used to visualize the significance of the effects of individual variables on the responses [42]. The estimated effects can be read from the abscissa, against the standard deviation of the normal distribution on the ordinate. The scale of the ordinate has been adjusted such that a normal distribution appears as a straight line, i.e., points that lie on the straight line may be a result of normal random variability, whereas those that deviate from the straight line indicate significant effects of these variables or interactions on the response. Analysis of variance was also used to determine the statistical significance of the observed effects [42].

The fitted model for the predicted responses is shown as Eq. (2)[42], and Eq. (3) was used to calculate the residuals (ɛ) of the responses.

equation(2)
View the MathML source
Turn MathJax on

equation(3)
View the MathML source
Turn MathJax on

Where;

View the MathML source is the grand mean for each set of response data (e.g., green density)
j1, j2 … jn is the observed main or interaction effect of the variables
x1, x2 … xn is the respective sign of the observed effects for each response value.
A normal probability plot of the residuals was used to visualize the normality and check that all effects other than those included in the model are explained by random noise.

ผลลัพธ์ (ไทย) 1:

เลือกสองระดับ (ต่ำ และสูง) สำหรับแต่ละตัวแปรอิสระ 24 แฟกแบบที่ใช้สำหรับการผลิตอิฐจะแสดงในคอลัมน์ 2 5 4 ตาราง ซึ่งแสดงการตอบสนองที่วัดเนื่องจากผลของน้ำในสารยึดเกาะมี confounded กับของแป้งในการทดลองนี้ ทำการทดลองเพิ่มเติมได้ดำเนินการประเมินผลของน้ำตัวแปรตอบสนอง มี และไม่ มีแป้ง การตอบสนองสำหรับ briquettes ประกอบด้วยน้ำเท่านั้น (ไม่ มีแป้ง) จะแสดงแถว 21-24 ของตาราง 4 เปรียบเทียบกับผลลัพธ์สำหรับ briquettes หรือคล้ายมีทั้งน้ำและแป้งผสมในแถวที่ 9-12 ในการวิเคราะห์ทางสถิติ ผลของแป้งแห้งอิฐตอบถูกถือว่าเป็นเหมือนกันเป็นเมื่อใช้เฉพาะข้าวแกลบและข้าวโพด cob ตก (เช่น โดยไม่มีน้ำหรือแป้งในแถว 17 20 ตาราง 4)ผลทางสถิติของตัวแปรและการโต้ตอบในการตอบสนองมีคำนวณตามผลการ replicate ละที่แสดงในคอลัมน์ 7, 9 และ 11 ของตาราง 4 [42] มีประเมินผลกระทบของตัวแปรและการโต้ตอบระหว่างตัวแปรในการตอบสนองเป็นผลต่างระหว่างค่าเฉลี่ยในระดับสูง และต่ำของตัวแปร หรือโต้ตอบ การตอบสนองเฉลี่ยรวม การโต้ตอบสั่งสูงสุดของตัวแปรถือว่าเป็นส่วนใหญ่ เพราะสุ่มเสียง [42] สามารถใช้ผืนปกติความน่าเป็นผลให้เห็นภาพความสำคัญของผลกระทบของตัวแปรอิสระในการตอบสนอง [42] สามารถอ่านผลประเมินจาก abscissa กับส่วนเบี่ยงเบนมาตรฐานของการแจกแจงปกติบนดีที่ไปด้วย ขนาดของดีที่ไปด้วยมีการปรับปรุงให้การแจกแจงปกติปรากฏเป็นเส้นตรง เช่น จุดที่อยู่บนเส้นตรงอาจเกิดจากความแปรผันแบบสุ่มปกติ ในขณะที่แตกต่างจากเส้นตรงแสดงผลอย่างมีนัยสำคัญของตัวแปรหรือโต้ตอบในการตอบสนองเหล่านี้ วิเคราะห์ผลต่างของยังถูกใช้กำหนดนัยสำคัญทางสถิติของผลสังเกต [42]มีแสดงแบบผ่อนสำหรับการตอบสนองที่คาดการณ์เป็น Eq. (2) [42], และ Eq. (3) ถูกใช้เพื่อคำนวณค่าคงเหลือ (ɛ) ของการตอบสนองequation(2)ดูต้น MathMLเปิด MathJaxequation(3)ดูต้น MathMLเปิด MathJaxสถานดูต้น MathML เป็นมัชฌิมแกรนด์สำหรับแต่ละชุดของข้อมูลการตอบสนอง (เช่น สีเขียวความหนาแน่น)j1, j2... jn เป็นสังเกตหลักหรือโต้ตอบผลของตัวแปรx 1, x 2... xn เป็นหมายที่เกี่ยวข้องผลสังเกตแต่ละค่าตอบสนองพล็อตความน่าเป็นปกติของค่าคงเหลือถูกใช้เพื่อมองเห็นภาพที่ normality และตรวจสอบว่า มีอธิบายลักษณะพิเศษทั้งหมดไม่ใช่ที่รวมอยู่ในแบบจำลอง โดยสุ่มเสียง

ผลลัพธ์ (ไทย) 2:

สองระดับ (ต่ำและสูง) ได้รับการคัดเลือกในแต่ละตัวแปรอิสระ; 24 การออกแบบปัจจัยที่ใช้ในการผลิตอิฐจะปรากฏในคอลัมน์ 2-5 ของตารางที่ 4 ซึ่งยังแสดงให้เห็นการตอบสนองที่วัด. เนื่องจากผลกระทบของน้ำในสารยึดเกาะได้รับการสับสนกับที่ของแป้งในการทดลองนี้วิ่งทดลองเพิ่มเติม ได้ดำเนินการในการประเมินผลกระทบของน้ำกับตัวแปรการตอบสนองที่มีและไม่มีแป้ง การตอบสนองสำหรับ briquettes มีน้ำเท่านั้น (โดยไม่ต้องสตาร์ช) ถูกแสดงไว้ในแถว 21-24 ของตารางที่ 4 เพื่อเปรียบเทียบกับผลสำหรับ briquettes ที่คล้ายกันเป็นอย่างอื่นการผลิตที่มีทั้งน้ำและส่วนผสมแป้งในแถวที่ 9 ถึง 12 ในการวิเคราะห์ทางสถิติ ผลของแป้งแห้งอัดก้อนได้รับการตอบสนองที่สันนิษฐานว่าจะเป็นเช่นเดียวกับเมื่อแกลบเท่านั้นและซังข้าวโพดตกค้างถูกนำมาใช้ (เช่นไม่มีน้ำหรือแป้งในแถว 17-20 ของตารางที่ 4). ผลกระทบของตัวแปรทางสถิติและการมีปฏิสัมพันธ์ของพวกเขาใน การตอบสนองที่ถูกคำนวณจากผลการทำซ้ำของแต่ละบุคคลที่ปรากฏในคอลัมน์ 7, 9 และ 11 ของตารางที่ 4 [42] ผลของตัวแปรและการมีปฏิสัมพันธ์ระหว่างตัวแปรในการตอบสนองจะมีการประเมินเป็นความแตกต่างระหว่างค่าเฉลี่ยในระดับสูงและต่ำของตัวแปรหรือการทำงานร่วมกันและการตอบสนองที่มีค่าเฉลี่ยรวม สูงสุดปฏิสัมพันธ์คำสั่งของตัวแปรถูกสันนิษฐานว่าจะเป็นส่วนใหญ่เนื่องจากการสุ่มเสียง [42] แปลงน่าจะเป็นปกติของผลกระทบที่สามารถนำมาใช้เพื่อให้มองเห็นความสำคัญของผลกระทบของตัวแปรของแต่ละบุคคลในการตอบ [42] ผลกระทบที่คาดสามารถอ่านได้จากพิกัดกับค่าเบี่ยงเบนมาตรฐานของการกระจายปกติประสาน ขนาดของการบรรพชาได้รับการปรับดังกล่าวว่าการกระจายปกติจะปรากฏเป็นเส้นตรงคือจุดที่อยู่บนเส้นตรงอาจจะเป็นผลมาจากความแปรปรวนสุ่มปกติในขณะที่ผู้ที่เบี่ยงเบนไปจากเส้นตรงแสดงให้เห็นผลกระทบอย่างมีนัยสำคัญเหล่านี้ ตัวแปรหรือการโต้ตอบกับการตอบสนอง การวิเคราะห์ความแปรปรวนก็ยังใช้ในการกำหนดนัยสำคัญทางสถิติของผลกระทบที่สังเกต [42]. รูปแบบการติดตั้งสำหรับการตอบสนองที่คาดการณ์จะแสดงเป็นสมการ (2) [42] และสมการ (3) ถูกนำมาใช้ในการคำนวณที่เหลือ (ɛ) ของการตอบสนอง. สมการ (2) ดูแหล่งที่มา MathML เปิด MathJax ในสมการ (3) ดูแหล่งที่มา MathML เปิด MathJax ในที่ไหน; ดูแหล่งที่มา MathML เป็นค่าเฉลี่ยที่ยิ่งใหญ่สำหรับแต่ละ ชุดของข้อมูลการตอบสนอง (เช่นความหนาแน่นของสีเขียว) j1, j2 ... jn เป็นที่สังเกตผลกระทบหลักหรือทำงานร่วมกันของตัวแปรx1, x2 ... xn เป็นสัญญาณที่เกี่ยวข้องของผลกระทบที่สังเกตสำหรับค่าการตอบสนองแต่ละ. พล็อตน่าจะเป็นปกติของเหลือ ถูกนำมาใช้เพื่อให้มองเห็นปกติและตรวจสอบว่าผลกระทบทั้งหมดนอกเหนือจากที่รวมอยู่ในรูปแบบที่มีการอธิบายโดยสุ่มเสียง

ผลลัพธ์ (ไทย) 3:

สองระดับ ( ต่ำและสูง ) ได้ถูกเลือกสำหรับแต่ละตัวแปรอิสระ ; 24 แบบการออกแบบที่ใช้สำหรับการผลิตอิฐจะแสดงในคอลัมน์ที่ 5 ของตารางที่ 4 ซึ่งยังแสดงวัดการตอบสนอง

เนื่องจากอิทธิพลของน้ำในวัสดุประสานคือผสมปนเปกับของแป้งในการทดลองนี้ ,วิ่งทดลองเพิ่มเติม มีวัตถุประสงค์เพื่อศึกษาผลกระทบของน้ำต่อการตอบสนองตัวแปรที่มีและไม่มีแป้ง การตอบสนองสำหรับแท่งที่มีน้ำเท่านั้น ( ไม่มีแป้ง ) จะแสดงในแถวที่ 21 ถึง 24 จากตารางที่ 4 เพื่อเปรียบเทียบกับผลที่คล้ายกันผลิตด้วยมิฉะนั้น อัดทั้งน้ำและส่วนผสมของแป้งในแถวที่ 9 กับ 12 ในการวิเคราะห์ทางสถิติผลของแป้งแห้งอัดแท่งในการตอบสนองเป็นสำคัญ เช่นเดียวกับเมื่อแกลบ และซังข้าวโพดกาก ( เช่น ไม่มีน้ำหรือแป้งในแถวที่ 17 ถึง 20 ของตาราง 4 )

ทางสถิติ ผลของตัวแปรและการปฏิสัมพันธ์ในการตอบสนองได้ตามแต่ละทำซ้ำผลลัพธ์ที่แสดงในคอลัมน์ที่ 7 , 9 และ 11 ของตารางที่ 4 [ 42 ]ผลของตัวแปรและปฏิสัมพันธ์ระหว่างตัวแปรในการประมาณการเป็นความแตกต่างระหว่างค่าเฉลี่ยสำหรับสูงและต่ำระดับของตัวแปรหรือปฏิสัมพันธ์และรวมหมายถึงการตอบสนอง สูงสุดของลำดับของตัวแปรที่ถือว่าเป็นส่วนใหญ่เนื่องจากการสุ่มเสียง [ 42 ]ปกติน่าจะเป็นแปลงผลสามารถใช้เห็นความสำคัญของผลกระทบของตัวแปรแต่ละตัวในการตอบสนอง [ 42 ] ประมาณการผล สามารถอ่านได้จาก อักษร กับค่าเบี่ยงเบนมาตรฐานในกฎหมาย . ขนาดของกฎหมายได้มีการปรับเปลี่ยน เช่น การแจกแจงแบบปกติจะปรากฏเป็นเส้นตรง เช่นจุดที่วางอยู่บนเส้นตรงอาจเป็นผลของความแปรปรวนแบบปกติ ส่วนผู้ที่เบี่ยงเบนไปจากแนวเส้นตรงบ่งบอกถึงอิทธิพลของตัวแปรเหล่านี้หรือการโต้ตอบในการตอบสนอง การวิเคราะห์ความแปรปรวนเป็นยังใช้เพื่อตรวจสอบสถิติของสังเกตผล [ 42 ] .

เข็มขัดแบบจำลองสำหรับทำนายการตอบสนองที่แสดงเป็นอีคิว ( 2 ) [ 42 ]และ อีคิว ( 3 ) ถูกใช้เพื่อคำนวณค่า ( ɛ ) ของการตอบสนอง สมการ ( 2 )


ดู MathML แหล่ง


เปิด mathjax ในสมการ ( 3 )

เปิดดู MathML แหล่งในที่ mathjax

;

ดู MathML แหล่งคือหมายถึง แกรนด์ แต่ละ ชุดของข้อมูลการตอบสนอง ( เช่นสีเขียวความหนาแน่น ) J1 j2
, . . . ) Jn เป็นหลัก หรือปฏิสัมพันธ์ของตัวแปร x1
,X2 . . . . . . . ซินเป็นเครื่องหมายที่เกี่ยวข้องของสังเกตผลแต่ละคำตอบค่า
พล็อตน่าจะเป็นปกติของความคลาดเคลื่อนก็เคยเห็นภาพปกติและตรวจสอบว่าผลทั้งหมดนอกเหนือจากที่รวมอยู่ในแบบที่อธิบายโดยสัญญาณรบกวนแบบสุ่ม