《实验设计与数据处理》lecture9

合集下载

试验设计和数据处理

试验设计和数据处理
此例题说明了对环境问题的分析程序是:提出假设—— 采样——获取数据——分析数据——从样本推断总体。
涉及到的一些基本术语: 总体:欲研究对象的全体,又称母体 个体:组成总体的每个单元为个体(总体单位) 样本:总体的一部分,即从总体中抽取的部分 个体(子样) 数据(data):对研究对象进行调查和观察的结果。
• 1. 2 数据测量的分类
一、按计量的性质分为:检定、检验和校准
• 检定:由法定计量部门,为确定和证实计量器具是否完全满足检定规程的要求而进行的 全部工作。检定是由国家法定计量部门所进行的测量,在我国主要是由各级计量院所 以及授权的实验室来完成,是我国开展量值传递最常用的方法。检定必须严格按照检 定规程运作,对所检仪器给出符合性判断,既给出合格还是不合格的结论,而该结论 具有法律效应。检定方法一般分为整体检定法和分项检定法两种。 检测:对给定的产品、材料、设备、生物体、物理现象、工艺过程或服务,按照一定 的程序确定一种或多种特性或性能的技术操作。检测通常是依据相关标准对产品的质 量进行检验,检验结果一般记录在称为检测报告或检测证书的文件中。 校准:在规定条件下,为确定测量仪器或测量系统所指示的量值,或实物量具或参考物 质所代表的量值,与对应的由标准所呈现的量值之间关系的一组操作。 二、按测量目的的分类分为:定值测量和参数检验 定值测量:按一种不确定度确定参数实际值的测量。其目的是确定被测量的量值是多少 , 通常预先限定允许的测量误差。 参数检验:以技术标准、规范或检定规程为依据,判断参数是否合格的测量。其目的 是判断被检参数是否合格,通常预先限定参数允许变化的范围(如公差等)。
1.3.1.2 平均值(mean)
(1)算术平均值(arithmetic mean)
x1 x2 ... xn x n

实验设计与数据处理

实验设计与数据处理

课程名称:实验设计与数据处理正交试验设计在环境工程领域内的应用一、正交试验法1.1、正交试验法是研究多因素多水平的一种设计方法,它是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点,正交试验是分析因式设计的主要方法。

是一种高效率、快速、经济的实验设计方法。

它利用一套规格化的表格,即正交表来设计试验方案和分析试验结果,能够在很多的试验条件中,选出少数几个代表性强的试验条件,并通过这几次试验的数据,找到较好的生产条件,即最优的或较优的方案。

正交试验法实际上是优选法的一种。

由于正交试验法的内容比较丰富,不仅可以解决多因素选优问题,而且还可以用来分析各因素对试验结果影响的大小,从而抓住主要因素。

因此,它已从优选法中独立出来,自成系统。

1.2、正交表日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格,称为正交表。

正交表是一整套规则的设计表格,用 L为正交表的代号,n为试验的次数,t为水平数,c为列数,也就是可能安排最多的因素个数。

正交表的性质:(1)每一列中,不同的数字出现的次数相等。

(2)任意两列中数字的排列方式齐全而且均衡。

以上两点充分的体现了正交表的两大优越性,即“均匀分散性,整齐可比”。

通俗的说,每个因素的每个水平与另一个因素各水平各碰一次,这就是正交性。

1.3、正交试验法的步骤(1)在调查研究的基础上,根据科研和生产实践中需要解决的关键问题,确定试验课题。

(2)根据实际经验和理论分析及有关情报资料,分析可能影响试验结果的各种因素,并从中找出主要因素,确定主要因素的变化范围。

(3)根据试验课题的具体特点,选出合适的优选方法。

(4)根据所选用的优选方法,安排试验方案,并严格按试验条件操作,准确测定试验结果。

(5)对试验结果进行对比分析,确定最优方案。

1.4、因素的安排正交试验设计的关键在与试验因素的安排。

通常,在不考虑交互作用的情况下,可以自由的将各个因素安排在正交表的各列,只要不在同一列安排两个因素即可(否则会出现混杂)。

试验设计与数据处理(第二版)课后习题答案

试验设计与数据处理(第二版)课后习题答案
行 列 误差
总计
SS 537.6375
35.473 75.155
648.2655
df
MS
F P-value F crit
3 179.2125 28.61486 9.44E-06 3.490295
4 8.86825 1.415994 0.287422 3.259167
12 6.262917
19
3.3
铝材材质 去离子水
5
23
21
22
比例/%
比例/%
22
18
21
23
橡胶工业
合成表面活性剂
11
润滑油(脂)
肥皂及洗涤剂
5
金属皂
其他
3.1
第三章习题答案 3.1
颜色 橘黄色 粉色 绿色 无色
方差分 析:单因 素方差分 析
SUMMARY 组
行1 行2 行3 行4
26.5 31.2 27.9 30.8
销售额/万元 28.7 25.1 28.3 30.8 25.1 28.5 29.6 32.4
方差分析
差异源 样本 列 交互 内部
SS 4.371666667
50.43 2.355 0.42
总计
57.57666667
df
MS
F P-value F crit
2 2.185833 31.22619 0.000673 5.143253
1 50.43 720.4286 1.77E-07 5.987378
4.4
试验号 T/℃ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Na2O(x1) siO2(x2) CaO(x3)/

实验设计与数据处理.ppt

实验设计与数据处理.ppt
能对试验结果进行预测和优化; • 试验因素对试验结果的影响规律,为控制试验提供思路; • 确定最优试验方案或配方。
参考文献
1. 水处理实验技术.李燕城.中国建筑工业 出版社.
2. 试验设计与数据处理.李云雁等.化学工 业出版社:2005.2 O212.6-43/2
3. 实验设计与数据处理.刘振学等.化学工 业出版社:2005.3 O212.6-43/1
实验设计与数据处理
引言
• 新产品、新工艺、新材料、新品种及其他 科研成果产生流程
多次反复试验
提高产量
试验数据分析
提高产品性能
规律研究
降低成本能耗
• 科研工作的必要手段——试验
实验和试验
实验
已知某个结论去 验证 已知方法的操作 验证性
试验
未知某个结论去 探索 未知方法的探索 探索性
试验设计方法起源 1980s
• 3.水平:因素在试验中所处的不同状态,可 能引起指标的变化。
• 选择原则:
• 宜选择三水平; • 水平是等间隔的; • 水平是具体的;
• 在技术上现实可行。
试验设计的方法
• 针对不同的具体情况,有不同的试验设计方法。 • 单因素试验设计 • 多因素试验设计 • 正交试验设计
• 各种试验方法的目的、出发点各不相同。
• 2.因素:对试验指标有影响的原因或要素,又称 因子,在试验时重点考察的内容,一般用大写字 母A、B、C标记。
• (1)分类:
• A.可控因素:温度、时间、浓度等
• B.不可控因素:风速、气压、气温等
• (2)选择原则:
• A.抓住主要因素,并且考虑各因素之间的交互作 用。
• B.找出非主要因素,使其在试验中保持不变,以 消除其干扰作用。

实验设计与数据处理课后答案

实验设计与数据处理课后答案

《试验设计与数据处理》专业:机械工程班级:机械11级专硕学号:S110805035 姓名:赵龙第三章:统计推断3-13 解:取假设H0:u1-u2≤0和假设H1:u1-u2>0用sas分析结果如下:Sample StatisticsGroup N Mean Std. Dev. Std. Error----------------------------------------------------x 8 0.231875 0.0146 0.0051y 10 0.2097 0.0097 0.0031Hypothesis TestNull hypothesis: Mean 1 - Mean 2 = 0Alternative: Mean 1 - Mean 2 ^= 0If Variances Are t statistic Df Pr > t----------------------------------------------------Equal 3.878 16 0.0013Not Equal 3.704 11.67 0.0032由此可见p值远小于0.05,可认为拒绝原假设,即认为2个作家所写的小品文中由3个字母组成的词的比例均值差异显著。

3-14 解:用sas分析如下:Hypothesis TestNull hypothesis: Variance 1 / Variance 2 = 1Alternative: Variance 1 / Variance 2 ^= 1- Degrees of Freedom -F Numer. Denom. Pr > F----------------------------------------------2.27 7 9 0.2501由p值为0.2501>0.05(显著性水平),所以接受原假设,两方差无显著差异第四章:方差分析和协方差分析4-1 解:Sas分析结果如下:Dependent Variable: ySum ofSource DF Squares Mean Square F Value Pr > FModel 4 1480.823000 370.205750 40.88 <.0001Error 15 135.822500 9.054833Corrected Total 19 1616.645500R-Square Coeff Var Root MSE y Mean0.915985 13.12023 3.009125 22.93500Source DF Anova SS Mean Square F Value Pr > Fc 4 1480.823000 370.205750 40.88 <.0001由结果可知,p值小于0.001,故可认为在水平a=0.05下,这些百分比的均值有显著差异。

实验设计与数据处理(全套课件200P)

实验设计与数据处理(全套课件200P)
正交实验设计是科研和生产中应用最多的实验研究方法之 一,尤其用于生产改造、最优配方及最优工艺过程的研究。 由于它方便、简洁而得到研究人员的认可。


2.1 概述
2.1.1 正交表 正交表是正交实验设计的基本工具,它是根据均衡分散的思 想,运用组合数学理论在拉丁方和正交拉丁方的基础上构造 的一种表格。它的形式和广泛的应用是与日本统计学家田口 玄一的工作分不开的。
保温时间 C/min
1(30) 2(35) 3(40) 2(35) 3(40) 1(30) 3(40) 1(30) 2(35) 70 79.4 75 9.4 1 2 3 3 1 2 2 3 1 84 65 75.4 19
指标yi 抗弯强度
35 30 29 26.4 26 15 20 20 23 T=224.4
本例中, 因素A中最优水平为水平1;
因素B中最优水平为水平1; 因素C中最优水平为水平2;
最优水平组合为A1B1C2
在选取最优方案时,还应考虑到因素的主次。 对于主要因素,一定要按有利于指标的要求来选取该因素的水平。
对于次要因素,可以选取有利于指标要求的水平,也可以按照优质、高产、 低耗和便于操作等原则来选取水平。
正交表列数
因素数
正交表代号
Ln(tq)
因素的水平数
正交表横行数 代表实验次数
代表表中数码数
2.1.2 正交表的特点
L9(34)
实验号
列号
1
1 2 1 1
2
1 2
3
1 2
4
1 2
1. 正交性 正交表中任意两列横向
各数码搭配所出现的次数相同,这 可保证实验的典型性。
3
4 5
1
2 2

《试验设计与数据处理》讲稿_第1章

《试验设计与数据处理》讲稿_第1章

《试验设计与数据处理》主讲:沟引宁联系方式:gyning@0 引言•一、本课程的目的•二、教学内容•三、基本要求•四、主要参考文献一、本课程的目的主要解决工程技术和科学研究中的几个问题:※如何获得数据—试验设计•1、如何确定试验的影响因素•2、如何选择实验方案•3、如何选择仪器•4、如何尽可能地减少实验次数、提高实验的效率?※如何应用数据—数据处理•1、实验数据如何表示?•2、如何确定数据的精确度?•3、如何判断数据的正确性?•4、实验数据符合什么规律?二、教学内容•课堂中讲授1~8章(第9章自学)•补充Origin软件的学习•因学时数有限,有些章节选讲。

三、基本要求(平时、考核、考查)※教学环节包括:–课堂讲授、习题、答疑※要求:–通过这些学习环节掌握和了解上述的教学内容。

※考核方式为平时考核和期末考查相结合–平时考核:考勤、课堂作业–期末考查–考查成绩为平时成绩与期末考查之和,其中平时成绩占30%,期末考查占70%。

四、主要参考文献(书籍)1、汪锡孝,试验研究方法[M],长沙,湖南科学投术出版社,1989。

2、朱中南、戴迎春,化工数据处理与实验设计[M],北京:烃加工出版社,1989。

3、李云雁,胡传荣,试验设计与数据处理[M],北京,化学工业出版社,2010。

5、张铁茂、丁建国编著,试验设计与数据处理[M],北京:兵器工业出版社,1990年6、方开泰、马长兴,正交与均匀试验设计[M],北京:科学出版社,2001。

7、《正交试验设计法》编写组,正交试验设计法[M],第1章试验数据的误差分析※试验的目的是获得规律,规律的表现形式在于数据※误差存在的客观性※误差范围的可控性和数据的可靠性※本章的主要内容:1.误差来源2.误差表示3.误差估计4.误差传递1.1 真值与平均值※真值─客观值或实际值。

真值一般是未知的;但从相对的意义上来说,真值又是已知的:理论真值约定真值相对真值※平均值─真值的近似值或估计值。

试验设计与数据处理

试验设计与数据处理
最佳参数的一种实用方法。学会它对我们今后的学习与工作具有非常大的指 导意义。 • 第五章 回归分析 • 自然界中大多数的事物是没有规律性的,即它没有数学模型,但是我们可以 在忽略一些次要因素的同时通过回归分析的方法,寻找出它的较佳的数学模 型,以指导我们的社会实践活动。
2020年1月19日
4
第一章 概论
• 复现性是指在改变测量条件下,对被测量进行多次测量时,每一 次测量结果之间的一致性。即在一定的误差范围内,每一次测量 结果的可靠性是相同的,这些测量值服从同一分布。
• (4)测量方法
• 根据给定的测量原理,在测量中所用的并按类别描述的一组操作 逻辑次序和划分方法,常见的有替代法、微差法、零位法、异号 法等。(2)相Βιβλιοθήκη 误差 用以区分两组不同准确度的比较。
相对误差=…….
2020年1月19日
15
公式(1—8)
定义:
相对误差
绝对误差 真值

绝对误差 测量值 绝对误差

1 测量值
绝对误差 1
当绝对误差很小时,
测量值 绝对误差

1,时
相对误差

绝对误差 测量值
简便实用形式——引用误差
(1—8)
引用误差
• 检测:对给定的产品、材料、设备、生物体、物理现象、工艺过程或服务,按照一定的 程序确定一种或多种特性或性能的技术操作。检测通常是依据相关标准对产品的质量进 行检验,检验结果一般记录在称为检测报告或检测证书的文件中。
• 校准:在规定条件下,为确定测量仪器或测量系统所指示的量值,或实物量具或参考物 质所代表的量值,与对应的由标准所复现的量值之间关系的一组操作。
1.2.3 误差的分类
偏离测量规定的条件,测量方法不合适,按某一确定的规律所引起的误差。

试验设计和数据处理

试验设计和数据处理

二、关于实验设计与数据处理
本课程中主要应用的是数理统计中的统计方法理论,主要考
虑的是与实验设计有关的分析并解释实验结果的统计方法。 如误差检验、方差分析、回归分析等。。
凡是涉及到数据的问题,只要数据中包含有相当大的实验误
差,则获得满意结果的唯一稳妥的处理方法就是统计方法, 除此之外别无他择。
(二)间接测量法
把直接测量代入某一特定的函数关系式中,通过计算求出未知 物理量的大小,这种方法——间接测量法。 例如,用毕托管测量气流速度 ,直接测量压差值 h。 计算的特定函数关系式为
式中: h —— U 型差压计的读数;
h 2 1 2g (1—2) 1000 1
为了回答这个问题,调查组沿着该河干流和支流进行了实地 考察,在不同的地段采集鱼样共144条(由假设拟定抽样调 查的方案);对采集来的鱼样进行分类、称重、测量长度, 然后用有机溶剂提取鱼肉中的DDT,测定鱼肉中的DDT含 量(从调查和试验中获取数据)。很明显,这项调查并不是 去捕捞河里所有的鱼,144个DDT测定值代表着从河中之鱼 DDT含量这个总体中收集的一个样本,利用收集到的数据 可以比较不同地段和不同鱼种之间鱼肉中DDT的含量,并 确定鱼的长度和重量与DDT含量之间是否有定量关系等等 (分析数据——从样本推断总体)。
• 1. 2 数据测量的分类
一、按计量的性质分为:检定、检验和校准
• 检定:由法定计量部门,为确定和证实计量器具是否完全满足检定规程的要求而进行的 全部工作。检定是由国家法定计量部门所进行的测量,在我国主要是由各级计量院所 以及授权的实验室来完成,是我国开展量值传递最常用的方法。检定必须严格按照检 定规程运作,对所检仪器给出符合性判断,既给出合格还是不合格的结论,而该结论 具有法律效应。检定方法一般分为整体检定法和分项检定法两种。 检测:对给定的产品、材料、设备、生物体、物理现象、工艺过程或服务,按照一定 的程序确定一种或多种特性或性能的技术操作。检测通常是依据相关标准对产品的质 量进行检验,检验结果一般记录在称为检测报告或检测证书的文件中。 校准:在规定条件下,为确定测量仪器或测量系统所指示的量值,或实物量具或参考物 质所代表的量值,与对应的由标准所呈现的量值之间关系的一组操作。 二、按测量目的的分类分为:定值测量和参数检验 定值测量:按一种不确定度确定参数实际值的测量。其目的是确定被测量的量值是多少 , 通常预先限定允许的测量误差。 参数检验:以技术标准、规范或检定规程为依据,判断参数是否合格的测量。其目的 是判断被检参数是否合格,通常预先限定参数允许变化的范围(如公差等)。

试验设计与数据处理Experimentdesignanddataprocessing回归分析

试验设计与数据处理Experimentdesignanddataprocessing回归分析
(1)多元线性回归形式 • 试验指标(因变量)y与m个试验因素(自变量) xj
(j=1,2,…,m) • 多元线性回归方程:
yˆ a b1x1 b2 x2 ... bm xm
偏回归系数:
b1,b2,...,bm
16
第17页/共28页
(2)回归系数的确定
• 根据最小二乘法原理 :求偏差平方和最小时的回归系 数
• -1≤r≤1 • r=±1:x与y有精确的线性关系
y
y
r=1
r=-1
x
x
8
第9页/共28页
• r<0:x与y负线性相关(negative linear correlation) • r>0:x与y正线性相关(positive linear correlation)
y y
0<r<1
-1<r<0
x
i 1
jk
25
第26页/共28页
4.5 Excel在回归分析中的应用
4.5.1 “规划求解”在回归分析中应用
• 解方程组 • 最优化
4.5.2 Excel内置函数在回归分析中应用 4.5.3 Excel图表功能在回归分析中的应用 4.5.4 分析工具库在回归分析中应用
26
第27页/共28页
感谢您的观看!
x
9
第10页/共28页
r=0
r=0
y y
x
x
• r≈0时 ,x与y没有线性关系 ,但可能存在其它类型关 系
• 相关系数r越接近1,x与y的线性相关程度越高 • 试验次数越少 , r越接近1
10
第11页/共28页
③相关系数检验 • 对于给定的显著性水平α,
查相关系数临界值rmin

实验设计与数据处理论

实验设计与数据处理论

医学中的实验设计与数据处理摘要:实验是一切自然学科的基础。

实验设计与数据处理在医学中更是发挥着不可估量的作用。

正交实验设计中,对实验进行改进,采用极差分析和方差分析法,研究不同改性条件对大豆蛋白乳化性的影响,并找出主要影响因素。

通过科学合理的实验设计过程加上严谨规范的数据处理方法,可以使医学中更多的生理机制被探索发现,使更多的药物疗法被发明应用,从而更好地拯救患者,造福人类。

关键词:医学实验,实验设计,数据处理一,引言实验是自然学科的基础,任何自然科学都离不开实验。

科学界中大多数的公式定理都是由实验反复验证而推导出来的,只有经得起实验验证的定理定律才具有普遍实用性。

而科学的实验设计是利用已有的专业学科知识,以大量的实践经验为基础而得出的既能减少实验次数,又能缩短试验周期,从而迅速找到优化方案的一种科学计算方法。

这就必然涉及到实验的数据处理,也只有对实验得出的数据作出科学合理的处理,才能使实验结果更具说服力。

实验设计方法最早应用于农业、生物学、遗传学方面。

早在20世纪中期,就有一些欧美国家将实验设计应用于工业生产,以达到减少成本而获取最大利益的目的。

随着时间的推移,实验设计越来越受到人们的重视,也开始在各个领域开始广泛的应用。

医学是一门将科学和生活紧密结合的学科,因此医学中的实验设计显得尤为的重要。

科学的实验设计不仅能起到节约时间,节约成本的作用,还能使分析更具普遍适用性,或减少药物风险,或增强药物疗效,更加福泽患者。

二,. 试验设计与数据分析(一)完全随机试验设计与单因素方差分析完全随机试验设计比较简单,处理数与重复数都不受限制,适用于试验条件,、环境、试验动物差异较小的试验【1】,完全随机试验设计只设置1个试验因素,可采取单因素方差分析,如果有协变量影响,则考虑单因素协方差分析。

方差分析的前提条件是样本独立性、正态性和方差齐性【2-3】,若不满足这 3个条件,则需进行平方根转换#对数转换和反正弦转换( 在Excel中通过插入函数或利用Spss的数据转换命令进行转换) ,或者选择非参数检验( 如秩和检验、符号检验等) 。

试验设计与数据处理

试验设计与数据处理

试验设计与数据处理-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN试验设计与数据处理的应用摘要:试验设计与数据处理虽然归于数学统计的范畴,但它也应用于技术学科,具有很强的适用性。

到目前为止,经过80多年的研究和实践,已经成为广大技术人员与科技工作者必备的基础理论知识。

该学科与实践结合,在工、农业生产中产生了巨大的社会效应和经济效应。

本文从回归正交试验设计、配方试验设计和正交试验设计方面举例来进一步说明试验设计与数据处理学科的重要地位。

关键词:回归正交试验设计;均匀设计;正交试验设计;应用概况;1正交试验设计1.1正交试验设计简介正交试验设计简称正交设计,它是利用正交表科学地安排与分析多因素试验的方法。

用此方法可以大大的减少试验次数,以节省人力和财力。

1.2正交试验设计应用实例为提高酒精纯度,要求小麦等原料在一定温度、发酵时间和催化剂作用下完成发酵过程。

请用正交试验方法确定发酵量(%)的最佳条件。

影响实验的主要因素和水平见表三(a)。

表中A为温度;B为发酵时间;C 为催化剂种类。

具体步骤如下:1)试验指标的确定:发酵量(%)。

2)选正交表:根据表三(a)的因素和水平,可选用L 9(34)表。

3)制定实验方案:按选定的正交表,应完成9次实验。

实验方案见表三(b)。

4)实验结果:将所计算出的发酵量列于表三(b)。

表三(a)因素和水平表因素温度/℃发酵时间/D催化剂种类符号A B C水平123181419574甲乙丙表三(b)正交试验的试验方案和实验结果试验号列号A空列B C试验方案发酵量(%)1 2 3 4 5 6 7 81112223312312312123231311233122393321表三(c)正交试验的指标K、k及极差Rk1k2k3R因素主→次ABC优方案平的总指标的平均值ki(i=1,2,3)和相应因素条件结合,在直角坐标系中完成直观图——趋势图。

本例中对于B、C因素而言发酵时间为7D、5D,催化剂使用乙、丙对优方案的影响都不太大,这就要根据实际产品的造价成本加以取舍,这就是正交试验设计的便捷效率,详见表四。

试验设计与数据处理(第二版)-李云雁(全书ppt)-文档资料

试验设计与数据处理(第二版)-李云雁(全书ppt)-文档资料


当一组试验值取对数后所得数据的分布曲线更加对称 时,宜采用几何平均值。 几何平均值≤算术平均值

(5)调和平均值(harmonic mean) 设有n个正试验值:x1,x2,…,xn,则:
n 1 1 1 1 ... x x 1 x i 1 x 1 2 n i H n n

正、负误差出现的次数近似相等
当试验次数足够多时,误差的平均值趋向于零 可以通过增加试验次数减小随机误差

随机误差不可完全避免的
1.3.2 系统误差(systematic error)
(1)定义: 一定试验条件下,由某个或某些因素按照某一 确定的规律起作用而形成的误差 (2)产生的原因:多方面 (3)特点:
x x xm t a x
绝对误差限或绝对误差上界


绝对误差估算方法:
最小刻度的一半为绝对误差; 最小刻度为最大绝对误差; 根据仪表精度等级计算: 绝对误差=量程×精度等级%
1.2.2 相对误差(relative error)
(1)定义:
绝 对 误 差 相 对 误 差 真 值
都服从正态分布,样本方差分别为 s 1 2 和 s 1 2 ,则
s 12 F 2 s2
服从F分布,第一自由度为 df1 n 1 1 第二自由度为 df2 n2 1
②查临界值
给定的显著水平α
df1 n1 1
查F分布表
临界值
df2 n2 1
③检验 双侧(尾)检验(two-sided/tailed test) :

t t
则判断该平均值与给定值无显著减小,否则有显著减小

t t
则判断该平均值与给定值无显著增大,否则有显著增大

09试验设计与数据处理

09试验设计与数据处理

在方差分析中是用样本方差即均方(mean squares)来度量数据资料的变异程度。

将总变异分解为处理间变异和处理内变异,就是要将总均方分解为处理间均方和处理内均方。

总偏差平方和:分解为处理间偏差平方和与处理内偏差平方和两部分;总自由度:分解为处理间自由度与处理内自由度两部分来。

由于均匀设计只考虑试验点的“均匀散布”,而不考虑“整齐可比”(正交试验),因而大大减少试验次数。

为了检验一次回归方程在整个研究范围内的拟合情况,则应安排两次以上零水平试验,进行回归方程的失拟性检验,或称拟合度检验。

用基准水平的重复试验可以检验被研究的整个回归区域内特别是中心区回归方程预测与实测值的拟合程度,也就是能够检验本试验用线性模型描述是否确切,是否有必要引入二次或更高次的项。

只有当回归方程显著、失拟检验不显著时,才能说明所建立的回归方程拟合得很好。

在正交设计中,某个或某几个试验因素的水平个数是自然形成的,只有确定的个数,不能随意选取水平数,或有的因素由于受某种条件的限制,不能多取水平,而又没有现成的混合型正交表可用,这时可采用拟水平设计法。

它是把水平少的因素虚拟一个或几个水平,使之与正交表相应列的水平数相等,这种虚拟水平称为拟水平,其设计方法就称为拟水平法。

它用多水平正交表安排水平数较少的因素的一种方法。

L9(34)L 正交表代号9需要做的试验次数3 水平数 4 因素数U7(74)或者U7*(74)U 均匀表代号第一个7 需要做的试验次数第二个7 因素水平数(与第一个7同)4 因素数【有*的优先使用】每个均匀设计表都附有一个使用表,根据使用表可将因素安排在适当的列中。

举例说明1-2种新的试验方法及应用领域主成分分析法是把原来多个变量划为少数几个综合指标的一种统计分析方法。

从数学角度来看,主成分分析试图在力保数据信息丢失最少的原则下,对这种多变量的截面数据表进行最佳综合简化,也就是说,对高维变量空间进行降维处理。

应用:地理系统、水质评价、环境管理决策、国民经济研究、农业生态经济系统、商业绩效评价、地震预测、顾客满意度研究、多维股票数据处理……人工神经网络:“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Lecture 9——均匀试验设计
.均匀设计是另一种部分实施的试验设计方法。

它可以用较少的试验次数,安排多因素、多水平的析因试验,是在均匀性的度量下最好的析因试验设计方法。

它可以使试验点在试验范围内充分地均匀分散,不仅可大大减少试验点,而且仍能得到反映试验体系主要特征的试验结果。

二、均匀设计操作步骤
.1、明确试验目的,确定试验指标。

–若考察的指标有多个则一般需要对指标进行综合分析; .2、选择试验因素。

–根据专业知识和实际经验进行试验因素的选择, 一般选择对试验指标影响较大的因素进行试验;
.3、确定因素水平。

–根据试验条件和以往的实践经验, 首先确定各因素的取值范围, 后在此范围内设置适当的水平;
.4、选择均匀设计表, 排布因素水平。

–根据因素数、水平数来选择合适的均匀设计表进因素水平数据排布;
.5、明确试验方案, 进行试验操作;
.6、试验结果分析。

–建议采用回归分析方法对试验结果进行分析进而发现优化的试验条件。

依试验目的和支持条件的不同也可采用直接观察法取得最好的试验条件(不再进行数据的分析处理);
.7、优化条件的试验验证。

–通过回归分析方法计算得出的优化试验条件一般需要进行优化试验条件的实际试验验证(可进一步修正回归模型);
.8、缩小试验范围进行更精确的试验,寻找更好的试验条件,直至达到试验目的为止。

.下面通过制药工业中的一个实例来说明均匀试验设计方法。

.例1 :阿魏酸的制备
–阿魏酸是某些药品的主要成分,在制备过程中,我们想提高阿魏酸产量。

–根据试验目的,确定以阿魏酸产量作为试验指标Y。

–阿魏酸是某些药品的主要成分,在制备过程中,我们想提高阿魏酸产量。

–根据试验目的,确定以阿魏酸产量作为试验指标Y。

–经过资料查阅,分析研究,选出影响阿魏酸产量的试验因素,确定试验因素水平为:–原料配比:1.0---3.4 –吡啶总量:10----28 –反应时间:0.5---3.5 –确定每个因素相应的水平数为7。

–全面交叉试验要N=73=343次,太多了。

–建议使用均匀设计,查阅均匀设计表。

.第1步:列出试验因素水平表
.第2步: 选择相应的均匀设计表–均匀设计表格式见下,其含义为:
–每个均匀设计表都有一个使用表,它将建议我们如何选择适当的列安排试验因素,进行试验设计,这样可以减少“试验偏差”。

其中…偏差‟为均匀性的度量值,数值小的设计表示均匀性好。

例如U7 (74)的使用表为:
.第3步: 应用选择的UD-表安排试验,设计试验方
–1. 将x1, x2和x3放入均匀设计表的1,2和3列;–2.用x1的7个水平(值)替代第一列的1到7;–3. 对第二列,第三列做同样的替代;–4. 按设计的方案进行试验,.得到7个结果,将其放入最后一列。

.第4步: 用回归模型匹配数据–首先,考虑线性回归模型:
–使用回归分析中变量筛选的方法,比如…向后法‟,得
到推荐的模型为:–这个结果与人们的经验不符。

–尝试用二次
回归模型来匹配这些数据:
使用…向前‟的变量选择法,我们发现适宜的模型:
.第5步: 优化--寻找最佳的因素水平组合
–试验是73=343个全面试验的部分实施,其中最好的试验点是值为Y= 48.2%的#7。

它不一
定是全局最好的。

人们想找到满足下式的:这里求取max的区域为:
–x1x3的回归系数是正的,x3的回归系数也是正的, x1* = 3.4。

–在x3 * = 2.7575达到最大值。

–在x1 * = 3.4和x3 * = 2.7575处估计响应的最大值是51.85%。

它比7个试验点的最好值48.2%还大。

.讨论:
–因素x2 没有给响应Y予显著的贡献,我们可以选x2为其中点:x2 = 19 ml.
–求出的x1 * = 3.4 在边界上,我们需要扩大x1的试验上限。

–在x1 = 3.4和x3 = 2.7575的邻域,追加一些试验是必要的。

三、混合型水平的均匀设计
.试验中各因素若有不同水平数,比如,其水平数分别为q1,…,qk。

.这时应使用相应的混合均匀设计表。

.每个混合水平表有一个记号,含义为:
.下表是一个混合水平均匀设计表:
–此均匀设计表试验总数n为12,用它可以安排水平数为6、4、3的因素各一个。

.混合水平均匀设计表–它的试验数n为12。

可以安排二个6水平因素和一个4水平因素
的设计。

–它的试验数n为12。

可以安排二个6水平因素和一个4水平因素的设计。

.在下述农业试验中,如何进行试验安排?
–考虑4个因素:.平均施肥量X,分为12个水平(70,74,78,82,86,90,94,98,102,106,110,114);.种子播种前浸种时间T,分为6个水平(1,2,3,4,5,6);.土壤类型B,分4种B1,B2,B3,B4;.种子品种A,分3个A1,A2,A3;
–对某农作物产量的影响。

可以看出前两个为定量因素,后两个为定性因素。

.混合型因素混合型水平的均匀设计
–一般情况下试验中既有定量型连续变化因素,又有定性型状态变化因素。

–假设有k个定量因素X1,…,Xk;–这k个因素可化为k个连续变量,其水平数分别为q1,…,qk。

–又有t个定性因素G1,…,Gt,–这t个定性因素分别有d1,…,dt个状态。

.混合因素混合水平表有如下的记号和含义:
.12次试验。

可以安排2个水平数为12、6的定量因素,以及总数为5的一个水平为4、两个水平为3和两个水平为2的定性因素的设计。

.选混合均匀设计表安排此试验.第1列安排平均施肥量X,分为12个水平;.第2列安排种子播种前浸种时间T,分为6个水平;.第3列安排土壤类型B,分4种B1,B2,B3,B4;.第4列安排种子品种A,分3个A1,A2,A3。

.试验安排及结果:–注:为了进行分析,我们引进5个…伪变量‟。

它们的记号和取值如下:
五、均匀设计的应用 .p165:
–淀粉接枝丙烯酸制备高性能吸水树脂试验。

–因素:丙烯酸用量(x1)、引发剂用量(x2)、丙烯酸中和度(x3)、甲醛用量(x4)–每个因素取9个水平。

水平丙烯酸用量x1引发剂用量x2丙烯酸中和度x 3甲醛用量x4 均匀设计因素水平表。

相关文档
最新文档