实验计划法

实验计划法
实验计划法（Design of Experiment）是关于实验、研究实验的做法和实验数据的分析处理方法的学问。

自20世纪30年代，由R. A. Fisher创立以来，无论在理论和实际上都得到了较多的研究，有了较大的发展。

在今天，工业、农业方面的实验和所有其他方面的实验，应用实验计划法已取得了很多的成果。

实验计划法作为如何高效的设计开发产品、如何改善产品的质量、如何提高生产效率等的统计分析方法，在产业界已得到广泛的应用。

在这方面已有许多成功的事例并被发表在杂志上。

实验计划法的应用近年来越来越广，但应用的主流主要在两个阶段上，一是产品的设计开发阶段（主要限于研究所和设计开发部门），另一是产品的制造阶段（主要在工厂和生产流水线上等）。

例如，在产品的设计开发阶段，应用实验计划法可完成如何对各种参数进行适当选取、如何实现产品的安定性(robust)设计等。

在制造业方面，在研究、开发/设计、制造的各个阶段，一定会进行许许多多的实验，在自然科学方面，也会进行一些与研究相关联的各种实验，因此，对于一个技术者和研究者，有必要掌握研究如何做实验、如何分析处理实验数据的实验计划法的知识。

实验计划法的重点：
1、它不仅仅是一个数据分析方法。

对于一个实验目的，它可以有许许多多的实验做法，
重视实验计划阶段的讨论。

2、对于数据的分析处理方法，不是简单的只给出一个处理程序，而是尽可能进行数理上
的说明。

实验计划法，是以数理统计学为基础的科学手法。

从数据分析处理的角度来看，它是数理统计学的应用，作为预备知识要求了解统计手法如推定和检定方面的知识。

主要内容
实验计划法
单一因子实验和要因实验
一部实施法和直交表
实验顺序的无作伪和实验环境的管理
实验数据的处理和统计分析方法
一个因子实验（Ⅰ）-----完全无作伪的场合
2．1 实验的做法
2．2 数据的构造模型
2．3 分散分析
2．4 分散分析表的画法
2．5 最合适水准的选择
2．6 各水准的重复数不同的情况
一个因子实验（Ⅱ）-----乱块法
实验的做法
数据的构造模型
分散分析
最合适水准的选择
4、一个因子实验（Ⅲ）-----拉丁方格法及其他配置法的情况
拉丁方格法（Latin Square）
实验数据的分析（拉丁方格法）
格拉考-拉丁方格法（Graeco-Latin Square）
5、3个实验配置法（完全无作伪法、乱块法、拉丁方格法）的比较3个实验配置法
分散分析检定的精度
完全无作伪法和乱块法的效率的比较
6、两个因子的要因实验
2元配置—有重复的完全无作伪法的情况
2元配置—有重复的乱块法的情况
无重复的2元配置
7、3个以上因子的要因实验（多元配置）
7．1 无重复的3元配置
7．2 3元配置--有重复的乱块法的情况
8、分割法
分割法
一段分割法
分割实验的优点和缺点
二段分割法
其它的分割实验—有重复测定
9、基于直交表的实验计划—2水准的情况
2水准的直交表
因子间无相互作用的情况
因子间有相互作用的情况（Ⅰ）
因子间有相互作用的情况（Ⅱ）
有非2水准因子的情况
块因子的引入
10、基于直交表的实验计划—3水准的情况
3水准的直交表
因子间无相互作用的情况
因子间有相互作用的情况
有非2水准因子的情况
块因子的引入
11、基于直交表的实验的分割法
2水准的情况
3水准的情况
12、实验计划法实施上的注意
特性值的选取方法和数据处理
因子的分类
实验计划的实施顺序
13、平方和的分解
13．1 自由度为1的平方和的分解（一般理论）13．2 本质因子的平方和的分解
13．3 数量因子的平方和的分解
14、参数设计
安定（Robust）设计
因子的分类
实验的分割
解析特性值的信噪比（Ⅰ）--静特性的场合
解析特性值的信噪比（Ⅱ）--动特性的场合
最适合水准的选择方法
直交表L12、L28、L36的利用。