5第五章 方差分析—正交试验设计
第五章 正交试验设计分析
2 正交试验设计的基本程序
对于多因素试验,正交试验设计是 简单常用的一种试验设计方法,其设计 基本程序如图所示。正交试验设计的基 本程序包括试验方案设计及试验结果分 析两部分。
试验目的与要求
试验方案设计:
试验指标
选因素、定水平 因素、水平确定 选择合适正交表 表头设计 列试验方案 试验结果分析
5-3 因素水平表
试验因素 水平 加水量 加酶量 (mL/100g) (mL/100g) A B 10 50 90 1 4 7 酶解温度 (℃) C 20 35 50 酶解时间 ( h) D 1.5 2.5 3.5
1 2 3
(3) 选择合适的正交表
正交表的选择是正交试验设计的首要问题。确定了 因素及其水平后,根据因素、水平及需要考察的交互作 用的多少来选择合适的正交表。正交表的选择原则是在 能够安排下试验因素和交互作用的前提下,尽可能选用 较小的正交表,以减少试验次数。 一般情况下,试验因素的水平数应等于正交表中的 水平数;因素个数(包括交互作用)应不大于正交表的 列数;各因素及交互作用的自由度之和要小于所选正交 表的总自由度,以便估计试验误差。若各因素及交互作 用的自由度之和等于所选正交表总自由度,则可采用有 重复正交试验来估计试验误差。
(2) 选因素、定水平,列因素水平表
根据专业知识、以往的研究结论和经验,从影响试验指标的 诸多因素中,通过因果分析筛选出需要考察的试验因素。一般确 定试验因素时,应以对试验指标影响大的因素、尚未考察过的因 素、尚未完全掌握其规律的因素为先。试验因素选定后,根据所 掌握的信息资料和相关知识,确定每个因素的水平,一般以2-4 个水平为宜。对主要考察的试验因素,可以多取水平,但不宜过 多(≤6),否则试验次数骤增。因素的水平间距,应根据专业 知识和已有的资料,尽可因素与指标趋势图 以各因素水平为横坐标,试验指标的平均值(kjm) 为纵坐标,绘制因素与指标趋势图。由因素与指标趋 势图可以更直观地看出试验指标随着因素水平的变化 而变化的趋势,可为进一步试验指明方向。 以上即为正交试验极差分析的基本程序与方法
实验设计的方差分析与正交试验
实验设计的方差分析与正交试验一、实验设计中的方差分析方差分析(analysis of variance,ANOVA)是一种统计方法,用于比较不同组之间的均值差异是否具有统计学上的显著性。
在实验设计中,方差分析主要被用来分析因变量(dependent variable)在不同水平的自变量(independent variable)中的变化情况。
通过比较不同组之间的方差,判断是否存在显著差异,并进一步分析差异的原因。
1. 单因素方差分析单因素方差分析是最简单的方差分析方法,适用于只有一个自变量的实验设计。
该方法通过比较不同组之间的方差来判断各组均值是否有差异。
步骤如下:(1)确定研究目的,选择合适的因变量和自变量。
(2)设计实验,确定各组的样本个数。
(3)进行实验,并收集数据。
(4)计算各组的平均值和总平均值。
(5)计算组内方差和组间方差。
(6)计算F值,通过计算F值来判断各组均值是否有显著差异。
2. 多因素方差分析多因素方差分析是在单因素方差分析的基础上,增加了一个或多个自变量的情况下进行的。
这种方法可以用来分析多个因素对因变量的影响,并判断各因素的主效应和交互效应。
步骤如下:(1)确定研究目的,选择合适的因变量和多个自变量。
(2)设计实验,确定各组的样本个数。
(3)进行实验,并收集数据。
(4)计算各组的平均值和总平均值。
(5)计算组内方差、组间方差和交互方差。
(6)计算F值,通过计算F值来判断各组均值是否有显著差异。
二、正交试验设计正交试验设计是一种设计高效实验的方法,可以同时考虑多个因素和各个因素之间的交互作用,并通过较少的试验次数得到较准确的结果。
1. 正交表的基本原理正交表的设计是基于正交原理,即每个因素和其他所有因素的交互效应都是独立的。
通过正交表设计实验,可以确保各因素和交互作用在样本中能够均匀地出现,从而减少误差来源,提高实验结果的可靠性。
2. 正交试验设计的步骤(1)确定要研究的因素和水平。
正交试验设计及其方差分析
第三节正交试验设计及其方差分析在工农业生产和科学实验中,为改革旧工艺,寻求最优生产条件等,经常要做许多试验,而影响这些试验结果的因素很多,我们把含有两个以上因素的试验称为多因素试验.前两节讨论的单因素试验和双因素试验均属于全面试验(即每一个因素的各种水平的相互搭配都要进行试验),多因素试验由于要考虑的因素较多,当每个因素的水平数较大时,若进行全面试验,则试验次数将会更大.因此,对于多因素试验,存在一个如何安排好试验的问题.正交试验设计是研究和处理多因素试验的一种科学方法,它利用一套现存规格化的表——正交表,来安排试验,通过少量的试验,获得满意的试验结果.1.正交试验设计的基本方法正交试验设计包含两个内容:(1)怎样安排试验方案;(2)如何分析试验结果.先介绍正交表.正交表是预先编制好的一种表格.比如表9-17即为正交表L4(23),其中字母L表示正交,它的3个数字有3种不同的含义:(1) L4(23)表的结构:有4行、3列,表中出现2个反映水平的数码1,2.列数↓L4 (23)↑↑行数水平数(2)L4(23)表的用法:做4次试验,最多可安排2水平的因素3个.最多能安排的因素数↓L4 (23)↑↑试验次数水平数(3) L4(23)表的效率:3个2水平的因素.它的全面试验数为23=8次,使用正交表只需从8次试验中选出4次来做试验,效率是高的.L4 (23)↑↑实际试验数理论上的试验数正交表的特点:(1)表中任一列,不同数字出现的次数相同.如正交表L4(23)中,数字1,2在每列中均出现2次.(2)表中任两列,其横向形成的有序数对出现的次数相同.如表L4(23)中任意两列,数字1,2间的搭配是均衡的.凡满足上述两性质的表都称为正交表(Orthogonal table).常用的正交表有L9(34),L8(27),L16(45)等,见附表.用正交表来安排试验的方法,就叫正交试验设计.一般正交表L p(n m)中,p=m(n-1)+1.下面通过实例来说明如何用正交表来安排试验.例9.7 提高某化工产品转化率的试验.某种化工产品的转化率可能与反应温度A,反应时间B,某两种原料之配比C和真空度D有关.为了寻找最优的生产条件,因此考虑对A,B,C,D这4个因素进行试验.根据以往的经验,确定各个因素的3个不同水平,如表9-18所示.表9-18解本题是4因素3水平,选用正交表L9(34).把表头上各因素相应的水平任意给一个水平号.本例的水平编号就采用表9-18的形式;将各因素的诸水平所表示的实际状态或条件代入正交表中,得到9个试验方案,如表9-20所示.从表9-20看出,第一行是1号试验,其试验条件是:反应温度为60℃,反应时间为2.5小时,原料配比为 1.1∶1,真空度为500毫米汞柱,记作A1B1C1D1.依此类推,第9号试验条件是A3B3C2D1.由此可见,因素和水平可以任意排,但一经排定,试验条件也就完全确定.按正交试验表9-20安排试验,试验的结果依次记于试验方案右侧,见表9-21.2.试验结果的直观分析正交试验设计的直观分析就是要通过计算,将各因素、水平对试验结果指标的影响大小,通过极差分析,综合比较,以确定最优化试验方案的方法.有时也称为极差分析法.例9.7中试验结果转化率列在表9-21中,在9次试验中,以第9次试验的指标86为最高,其生产条件是A 3B 3C 2D 1.由于全面搭配试验有81种,现只做了9次.9次试验中最好的结果是否一定是全面搭配试验中最好的结果呢?还需进一步分析. (1) 极差计算在代表因素A 的表9-21的第1列中,将与水平“1”相对应的第1,2,3号3个试验结果相加,记作T 11,求得T 11=151.同样,将第1列中与水平“2”对应的第4,5,6号试验结果相加,记作T 21,求得T 21=183.一般地,定义T ij 为表9-21的第j 列中,与水平i 对应的各次试验结果之和(i =1,2,3; j =1,2,3,4).记T 为9次试验结果的总和,R j 为第j 列的3个T ij 中最大值与最小值之差,称为极差.显然T =31iji T=∑,j =1,2,3,4.此处T 11大致反映了A 1对试验结果的影响,T 21大致反映了A 2对试验结果的影响, T 31大致反映了A 3对试验结果的影响,T 12,T 22和T 32分别反映了B 1,B 2,B 3对试验结果的影响, T 13,T 23和T 33分别反映了C 1,C 2,C 3对试验结果的影响, T 14,T 24和T 34分别反映了D 1,D 2,D 3对试验结果的影响.R j 反映了第j 列因素的水平改变对试验结果的影响大小,R j 越大反映第j 列因素影响越大.上述结果列表9-22. 表9-22由极差大小顺序排出因素的主次顺序: 主→次B ;A 、D ;C这里,R j 值相近的两因素间用“、”号隔开,而R j 值相差较大的两因素间用“;”号隔开.由此看出,特别要求在生产过程中控制好因素B ,即反应时间.其次是要考虑因素A 和D ,即要控制好反应温度和真空度.至于原料配比就不那么重要了.选择较好的因素水平搭配与所要求的指标有关.若要求指标越大越好,则应选取指标大的水平.反之,若希望指标越小越好,应选取指标小的水平.例9.7中,希望转化率越高越好,所以应在第1列选最大的T 31=185;即取水平A 3,同理可选B 3C 1D 3.故例9.7中较好的因素水平搭配是A 3B 3C 1D 3.例9.8 某试验被考察的因素有5个:A ,B ,C ,D ,E .每个因素有两个水平.选用正交表L 8(27),现分别把A ,B ,C ,D ,E 安排在表L 8(27)的第1,2,4,5,7列上,空出第3,6列仿例9.7做法,按方案试验.记下试验结果,进行极差计算,得表9-23. 表9-23试验目的要找出试验结果最小的工艺条件及因素影响的主次顺序.从表9-23的极差R j的大小顺序排出因素的主次顺序为 主 → 次A 、B ;D ;C 、E最优工艺条件为A 2B 1C 1D 2E 1.表9-23中因没有安排因素而空出了第3,6列.从理论上说,这两列的极差R j 应为0,但因存有随机误差,这两个空列的极差值实际上是相当小的.3.方差分析正交试验设计的极差分析简便易行,计算量小,也较直观,但极差分析精度较差,判断因素的作用时缺乏一个定量的标准.这些问题要用方差分析解决.设有一试验,使用正交表L p (n m ),试验的p 个结果为y 1,y 2,…,y p ,记T =1pi i y =∑, y =11p i i Ty p p ==∑,S T =21()pii yy =-∑为试验的p 个结果的总变差;S j =222111nn ij ij i i T T T r T r p r p ==⎛⎫-=- ⎪⎝⎭∑∑ 为第j 列上安排因素的变差平方和,其中r =p/n .可证明S T =1mij S=∑即总变差为各列变差平方和之和,且S T 的自由度为p -1,S j 的自由度为n -1.当正交表的所有列没被排满因素时,即有空列时,所有空列的S j 之和就是误差的变差平方和S e ,这时S e 的自由度f e 也为这些空列自由度之和.当正交表的所有列都排有因素时,即无空列时,取S j 中的最小值作为误差的变差平方和S e .从以上分析知,在使用正交表L p (n m )的正交试验方差分析中,对正交表所安排的因素选用的统计量为: F =1jeeS S n f -.当因素作用不显著时, F ~F (n -1,f e ),其中第j 列安排的是被检因素.在实际应用时,先求出各列的S j /(n -1)及S e /f e ,若某个S j /(n -1)比S e /f e 还小时,则这第j 列就可当作误差列并入S e 中去,这样使误差S e 的自由度增大,在作F 检验时会更灵敏,将所有可当作误差列的S j 全并入S e 后得新的误差变差平方和,记为S e Δ,其相应的自由度为f e Δ,这时选用统计量 F =1je eS S n f - ~F (n -1,f e Δ).例9.9 对例9.8的表9-23作方差分析.解 由表9-23的最后一行的极差值R j ,利用公式S j =2211n ij i T T r p=-∑,得表9-24.表9-24中第3,6列为空列,因此S e =S 3+S 6=1.250,其中f e =1+1=2,所以S e /f e =0.625,而第7列的S 7=0.125,S 7/f 7=0.1251=0.125比S e /f e 小,故将它并入误差. S e Δ=S e +S 7=1.375,f e Δ=3.整理成方差分析表9-25. ee由于F 0.05(1,3)=10.13, F 0.01(1,3)=34.12,故因素A ,B 作用高度显著,因素C 作用不显著,因素D作用显著,这与前面极差分析的结果是一致的.F检验法要求选取S e,且希望f e 要大,故在安排试验时,适当留出些空列会有好处的.前面的方差分析中,讨论因素A和B 的交互作用A×B.这类交互作用在正交试验设计中同样有表现,即一个因素A的水平对试验结果指标的影响同另一个因素B的水平选取有关.当试验考虑交互作用时,也可用前面讲的基本方法来处理.本章就不再介绍了.。
试验设计与数据处理第5章_正交试验设计与数据处理
(y5+ y7)/2 =(0.472+0.554)/2=0.513
(y6+ y8)/2 =(0.480+0.552)/2=0.516
ቤተ መጻሕፍቲ ባይዱ
说明:
表头设计中的“混杂”现象(一列安排多个因素或交互作 用)
高级交互作用 ,如A×B× C,一般不考虑 r水平两因素间的交互作用要占r-1列 ,当r>2时,不宜
6.2 正交试验设计结果的直观分析法
6.2.1 单指标正交试验设计及其结果的直观分析 例:
单指标:乳化能力 因素水平:3因素3水平(假定因素间无交互作用)
(1)选正交表
要求: 因素数≤正交表列数 因素水平数与正交表对应的水平数一致 选较小的表
选L9(34)
(2)表头设计
将试验因素安排到所选正交表相应的列中 因不考虑因素间的交互作用,一个因素占有一列(可以随
R=max{K1 ,K2 ,K3}-min{K1 ,K2 ,K3}, 或 R=max{k1 ,k2 ,k3}-min{k1 ,k2 ,k3}
R越大,因素越重要 若空列R较大,可能原因: ➢ 漏掉某重要因素 ➢ 因素之间可能存在不可忽略的交互作用
(6)优方案的确定
优方案:在所做的试验范围内,各因素较优的水平组合 若指标越大越好 ,应选取使指标大的水平 若指标越小越好,应选取使指标小的水平 还应考虑:降低消耗、提高效率等
正交设计就是从选优区全面试验 点(水平组合)中挑选出有代表性 的部分试验点(水平组合)来进行 试验。
利用正交表L9(34)从27个试验点 中挑选出来的9个试验点。即:
(1)A1B1C1 (4)A1B2C2 (7)A1B3C3
(2)A2B1C2 (5)A2B2C3 (8)A2B3C1
正交试验设计讲义
河南工业大学
shiyanshujuchulishiyongfangfa
二、正交试验设计法 正交设计方法主要讨论: (1) 如何合理地安排试验,确定试验数据收集的方法 (2) 如何对试验中所得的试验数据进行分析与处理 可达到的目的: (1) 因素的主次,即各因素对所考察指标影响 的大小 顺序; (2) 因素与指标的关系,即每个因素水平不同 时,指
整齐可比性-----正交表中任意两列,把同行的两
个数字看成有序数对时,所有可能的数对出现的次数 相同;
表示:任意两因素的各种水
平的搭配在所选试验中出现的
次数相等。
设计正交试验表 的基本准则
河南工业大学
2. 混合水平正交表
shiyanshujuchulishiyongfangfa
在试验中,由于条件的限制,会出现个别因素不能多
试验号 1 1 2 3 4 5 6 7 8 1 1 2 2 3 3 4 4
列
1列),4 个是 2水
平因素(位于第2 ~ 5 列)。
河南工业大学
shiyanshujuchulishiyongfangfa
第二节 正交设计的基本方法
正交试验设计一般来说包括两部分:
一是,试验设计,也即方案的选择与确定。
二是,数据处理,进行统计推断。
如三因素四水平43并包括第一二个因素的交互作用的正交试验至少应安排的试验次数为?????34141??????34141???3342?又如安排的混合水平的正交试验至少应安排??4141?111919????所以一般地有1iijiij?ndfdf?????若再加上包括第一五个因素的交互作用的正交试验则至少应安排的试验次数为?????????4341321121?161??????????341321113?????次以上的试验
正交试验设计中的方差分析
目的
通过方差分析,可以确定不同组之间 的平均值差异是否由随机误差引起, 还是由处理因素或自变量引起。
方差分析的数学模型
数学模型
方差分析使用数学模型来描述数据之间的关系,特别是不同组之间的平均值差异。模型通常包括组间差异和组内 差异两部分。
医学研究
通过正交试验设计中的方差分析,研究不同治疗方案、药物剂量等因素对疾病治疗效果的影响,为临床 治疗提供科学依据。
方差分析的局限性
04
方差分析对数据的要求
独立性
数据必须是相互独立的,不存 在相互关联或依赖关系。
正态性
数据应符合正态分布,才能保 证统计推断的准确性。
同方差性
各组数据的方差应相等,否则 可能导致误判。
制定试验方案
根据正交表设计试验方案,确定每个因素的每个 水平。
实施试验
按照试验方案进行试验,记录每个试验的结果。
方差分析
利用方差分析法对试验结果进行分析,确定各因 素对试验结果的影响程度和显著性。
优化方案
根据方差分析结果,优化试验方案,进行下一步试验。
方差分析的基本原理
02
方差分析的定义与目的
定义
拉丁方设计方差分
析
适用于需要控制试验条件的试验, 通过拉丁方设计平衡试验条件和 试验误差。
正交试验设计中的方差分析步骤
确定试验因素和水平
根据研究目的和实际情况确定试验因 素和水平。
制定正交表
根据试验因素和水平选择合适的正交 表。
安排试验
按照正交表进行试验,记录试验数据。
方差分析
对试验数据进行方差分析,包括自由 度、离均平方和、均方、F值等计算。
第五章 方差分析和正交试验
r
i 表示组内理论均值, eij 表示随机误差, eij ~ N (0, 2 ), i 称为效应值. ni i 0.
单因素方差分析的数学模型为 : Yij i eij (i 1, 2, , r; j 1, 2, , ni ) 2 e ~ N ( 0 , ), eij 互相独立; ij n n 0. i i i 1
•步骤2:表头设计.见下表:一般至少安排有一个空列.
17
结束
•步骤3:制订试验方案, 见下表:
18
结束
•步骤4:作试验得到得率 yi .填入表中.作试验时采用随机顺序. •步骤5:计算统计量,填入表5.4.5中.
水平数r 3, 每水平在 1列中出现次数 m 3, 试验数n rm 9, 试验结果为Y1 , Y2 , , Yn , K jl为j列中水平为l (l 1,2, , r )的试验结果之和 . 这里K11 y1 y2 y3 , K 23 y3 y6 y9 . 记K K jl , 显然, K Yi , 与j无关.
l 1 i 1 n 1 2 1 r 2 2 2 P K , Q j K jl , S j Q j P, Q Yi 2 , ST Q P. n m l 1 i 1 r n
S Yi Y
2 T j 1
r
2
1 2 2 2 2 S , Y K , 这里, ST S12 S 2 S3 S4 . n j 1
EYi i , EY ,
2 总离差平方和 ST Yij Y , r ni 2 i 1 r j 1
组间差平方和 S 组内差平方和 S
第五章 正交试验设计
0.18
0.30 0.50 0.80
C A B
优方案
C1A3B1
隶属度计算方法:
指标隶属度 指标值 - 指标最小值 指标最大值- 指标最小值
若两个指标的重要性不一样,取代度和酯化率 的权重分别为0.4和0.6,每号试验的综合分数 =取代度隶属度×0.4+酯化率隶属度×0.6,满 分为1.00。
2
3 4 5
1
1 2 2
2
3 1 2
2
3 2 3
2
3 3 1
2.18
2.45 2.70 2.49
40.36
54.31 41.09 56.29
0.00
0.35 0.67 0.40
0.00
0.55 0.03 0.63
0.00
0.47 0.29 0.54
6
7 8 9 K1 K2 K3 极差R 因素主次
2
3 3 3 1.47 1.01 1.60 0.59
5.1.3 正交试验设计的基本步骤
(1)明确试验目的,确定评价指标
任何一个试验都是为了解决某一个(或某些)问题,或为 了得到某些结论而进行的,所以任何一个正交试验都应该 有一个明确的目的,这是正交试验设计的基础。 挑选的因素不易过多,一般以3~7个为宜; 确定因素的水平数时,一般重要的因素可多取一些水平, 各水平的数值应适当拉开,以利于试验结果的分析。当因 素的水平数相等时,可方便试验数据处理。
第五章 正交试验设计
任课教师:王凤花 现代农业工程学院
第五章 正交试验设计
5.1 概述 5.2 正交试验设计结果的直观分析法 5.3 正交试验设计结果的方差分析法 5.4 本章习题
研究生 统计学讲义 第5讲 第5章 方差分析
输出结果
第三节
配伍组设计资料的方差分析及多重比较
一、配伍组设计资料的方差分析
配伍组设计的多个样本均数比较,符合方差分析 条件时,可用无重复数据的两因素方差分析(Two-way ANOVA)。两因素是指主要的处理因素和配伍因素。 配伍组设计试验的结果按处理和配伍两个因素纵横排 列构成多行多列资料,每个格子中仅有一个数据,故 称无重复数据。 例5.4 为了控制年龄因素对治愈某病所需时间的影响 ,采用了配伍组设计,选定5个年龄组,每组3个病人 ,随机分配到不同的处理组中去,资料如表6-2,试分 析三种疗法治愈某病所需时间是是否相等。
年龄组 (岁 )
疗
中西医结 合
7 8 9 10 11
法
中 医
9 9 9 9 12
西医
10 10 12 12 14
20以下 20~ 30~ 40~ 50及以上
处理组 H0:μ1 =μ2 =μ3,即不同疗法治愈天数的总 体均数相等;H1:不同疗法治愈天数的总体均数有不 等或全不相等。α= 0.05
配伍组H0:不同年龄治愈天数的总体均数相等; H1:不同年龄的治愈天数的总体均数有不等或全不等 。α= 0.05
3.方差分析的优点 方差分析的优点有:① 不受对比的 组数之限制;② 可同时分析多个因素的作用;③ 可分 析因素间的交互作用。
第二节
完全随机设计资料的多个样本均数比较
一、完全随机设计资料的方差分析 单因素方差分析(one-way ANOVA) H0:μ1=μ2=……=μn ,H1:μ1,μ2 ,…,μn不等或不全等; α=0.05。
2.方差分析的应用条件 (1) 各样本是相互独立的随机样本。 (2) 正态性(normality),各样本来自正态分布总体。方 差分析的这一应用条件是对样本含量较小时的资料而言 ,对于样本含量较大的资料来说,则样本不论来自什么 总体,方差分析都是强有力的分析方法。因为当各组的 样本含量较大时,样本均数近似正态分布。 (3) 各比较组总体方差相等(σ12=σ22=…=σk2),称为方差 齐性(homogeneity of variance)。方差分析的这一应 用条件主要是对完全随机设计资料而言,注意:无重 复数据的方差分析,如配伍设计、交叉设计、正交设 计的方差分析,因每个单元格子中只有一个观察数据 ,不需考虑正态性和方差齐性的要求。
试验设计与数据处理第五章--正交试验设计
2. 利用正交表,确定试验方案 •3. 试验结果----- 这批四个试验基本都消除了应力.
利用SAS进行方差分析
■正交试验采用极差分析或方差分析都可以, 两 者没有本质区别只是前者较方便而后者分析更 精确, 以下见例5.3.1用SAS进行方差方析 (E531). 一、利用菜单系统对每个因素进行单因素 方差分析, 模型的平方和即该因素的平方和 在正交试验的分析中与极差作用类似. 亦可 用因素的原始数据值(xa xb xc)求水平趋势 图(plot选项中选取均值图)
(2) 任意两个纵列,其横方向形成的四个数字对中,恰 好(1,1)、(1,2)、(2,1)和(2,2)各出现一次. 这说 对于任意两个纵列,数码“1”、“2”间的搭配是
均衡 的. 2. L成8(2. 7它)有8个横行和7个纵列,由数码“1”和“2”组 有两个特点: (1) 每纵列恰有四个“1”和四个“2”;
考核指标: 应力(度)
第一批撒大网
1. 挑因素、选水平,制定因素水平表( 略) 2. 利用正交表,确定试验方案
•3. 试验结果分析 (1)直观分析 第5号试验最好, 第7号试验次之. (2)极差分析 A2B2C1D3称为全体水平组合关于应力的可能 好的水平组合.
本例因素的主次顺序为: 升温速度A(极差21.5) →恒温时间C(极差14) →恒温速度B(极差12.5) →降温速度D(极差11.5
=每个平面上红点数 :每个平面上交叉点数 =每条棱上红点数 :每条棱上交叉点数 即 9/27=3/9=1/3 (三因素三水平场合)
2. 整齐可比性: 使正交表的同一列可比较产生” 好
水平”. 上图说明A1的三次试验(红点)中因素B的三个水 平和因素C的三个水平各出现一次,A2和A3有同 样情况,就是说,对因素A的三个不同水平,受
正交试验设计(方差分析)
而第4列是空列,极差为0.34,这是由随机误差产生的,又 因为因素A的极差0.36与空列的极差0.34接近,所以可粗略 地认为因素A对指标影响不显著
由此可以根据极差的大小顺序排出因素的主次:
主
次
B、C、A
由因素的主次可以看出后区牵伸(因素B)对指标影响 最主要,其次是后区隔距(因素C),罗拉加压影响最小.
C
1.6 3.9 4.0 0.53 1.30 1.33 0.80
误差列
各数据说明
2.9
其中:
3.8 2.8 0.97 1.27 0.93 0.34
K ( j) i
为第j列的第i水 平数据之和
k( j) i 为其平均值
R( j)
为第j列的极差
9
T xi i 1
=9.5
返回
2. 分据知,第2列和第3列的极差较大, 这反映了当因素B、C的水平波动时,指标波动较大,说明因 素B、C对指标影响较大;
上一张 下一张 主 页 退 出
6.5.1 正交试验结果的方差分析
方差分析基本思想是将数据的总变异分解成因 素引起的变异和误差引起的变异两部分,构造F统 计量,作F检验,即可判断因素作用是否显著。
正交试验结果的方差分 析思想、步骤同前!!
方差分析的基本步骤与格式
设: 用正交表Ln(rm)来安排试验 试验结果为yi(i=1,2,…n)
方差分析时,在进行表头设计时一般要求留有空列,即误差 列
误差的离差平方和为所有空列所对应离差平方和之和 :
SSe SS空列
(2)计算自由度
第6讲(5)
正交试验设计 (方差分析)
5-2正交试验设计(方差分析)
• 确定试验中所考虑的因子与水平,并确 定可能存在并要考察的交互作用;
• 选用合适的正交表,进行表头设计,列 出试验计划。
例2 为提高某种农药的收率,需要进行试验。 试验目的:提高农药的收率 试验指标:收率
确定因子与水平以及所要考察的交互作用:
表 4 .8 因子 A: 反 应 温 度 ( ℃ ) B: 反 应 时 间 ( 小 时 ) C: 两 种 原 料 配 比 D : 真 空 度 ( kP a )
yi
T=1651 2 =310519
表4.6
来源 因子 A 因子 B 因子 C 误差 e T 平方和 S 1 4 2 1 .6 5 6 8 6 .9 4 2 7 .6 1 1 6 .2 7 6 5 2 .2
例4.1的方差分析表
自由度 f 2 2 2 2 8 均方和 V 7 1 0 .8 2 8 4 3 .4 2 1 3 .8 5 8 .1
(一)试验的设计
在安排试验时,一般应考虑如下几步:
(1)明确试验目的;
(2)明确试验指标;
(3)确定因子与水平; (4)选用合适的正交表,进行表头设计,列出试 验计划。
在本例中: 试验目的:提高磁鼓电机的输出力矩
试验指标:输出力矩
确定因子与水平:
表 4 .2
因子水平表
水平 因子 A : 充 磁 量 ( 10
表4.9 L8(27)的交互作用表
555 594 502 185 198 1 6 7 .3 3 0 .7
T
R
(2)各因子对指标影响程度大小的分析 极差的大小反映了因子水平改变时对试验结 果的影响大小。这里因子的极差是指各水平平均 值的最大值与最小值之差,譬如对因子A来讲:
RA=198-167.3=30.7
5 正交试验设计
注 : 任 意 两 列 的 交 互 作 用 列 为 另 外 两 列
6
图5-1
3因素3水平的全面试验水平组合数为33=27, 因素3水平的全面试验水平组合数为3 =27, 4因素3水平的全面试验水平组合数为34=81, 因素3水平的全面试验水平组合数为3 =81, 5因素3水平的全面试验水平组合数为35=243,这在 因素3水平的全面试验水平组合数为3 =243, 科学试验中是做不到的。 科学试验中是做不到的。
17
上一张 下一张 主 页
退 出
§5-2 正交设计的基本步骤
• 正交试验设计是简单、常用的一种试验 正交试验设计是简单、
设计方法,其设计基本程序如下图所示。 设计方法,其设计基本程序如下图所示。 • 正交试验设计的基本程序: 正交试验设计的基本程序: 基本程序 试验方案设计 试验结果分析
18
试验目的与要求
因素自由度+交互作用自由度+ 因素自由度+交互作用自由度+误差自由 度。
25
此 例 有 4 个 3 水 平 因 素 , 可 以 选 用 L 9 (3 4 ) 或
L27(313);
因本试验仅考察4个因素对液化率的影响效果, 因本试验仅考察4个因素对液化率的影响效果, 不考察因素间的交互作用,故宜选用L9(34)正 不考察因素间的交互作用, 交表。 交表。 若要考察交互作用, 若要考察交互作用,则应选用L27(313)。
混合水平正交表(不规则表) 2)、混合水平正交表(不规则表) 各列水平数不完
全相同的正交表,称为混合水平正交表。 全相同的正交表,称为混合水平正交表。 表有1 列水平数为4 列水平数为2 如 L8(4×24) 表有 1 列水平数为 4 , 有 4 列水平数为 2 。 再如L 等都混合水平正交表。 再如L16(44×23),L16(4×212)等都混合水平正交表。
正交实验设计与方差分析2024
引言概述正交实验设计与方差分析是一种常用于实验设计和数据分析的统计方法。
这种方法能够帮助研究人员系统地设计实验、收集数据,并通过方差分析对数据进行统计分析。
正交实验设计适用于多因素实验设计,能够探究多个因素对结果变量的影响,并确定各个因素对结果变量的相对重要性。
方差分析则是用来比较不同组别之间的均值差异是否显著,并推断这些差异是否由于随机因素引起。
正文内容1.正交实验设计的基本原理1.1.因素和水平1.2.正交实验设计的完备性和平衡性1.3.主效应和交互效应的概念1.4.正交表和正交实验设计的选择1.5.正交实验设计的优点和局限性2.正交实验设计的建立步骤2.1.确定要研究的因素和水平2.2.选择适当的正交表2.3.构建试验方案2.4.进行实验和数据收集2.5.数据分析和结果解释3.方差分析的基本原理3.1.单因素方差分析3.2.多因素方差分析3.3.方差分析中的假设检验3.4.方差分析的效应量和效应大小3.5.方差分析结果的解释和报告4.正交实验设计与方差分析的应用领域4.1.医学研究4.2.工程设计4.3.农业实验4.4.社会科学研究4.5.生产过程优化5.正交实验设计与方差分析的案例分析5.1.一个药物疗效评价的正交实验设计案例5.2.一个工程设计的正交实验设计案例5.3.一个农业实验的正交实验设计案例5.4.一个社会科学研究的正交实验设计案例5.5.一个生产过程优化的正交实验设计案例总结正交实验设计与方差分析是一种重要的统计方法,在实验设计和数据分析中具有广泛的应用。
通过正交实验设计,研究人员能够系统地探究多个因素对结果变量的影响,并确定各个因素的相对重要性。
方差分析则用于比较不同组别之间的均值差异,并推断这些差异是否显著。
正交实验设计与方差分析能够帮助研究人员有效地设计实验、收集数据并进行统计分析,为科学研究和应用提供有力支持。
在不同领域,如医学研究、工程设计、农业实验、社会科学研究和生产过程优化等方面都有广泛的应用。
正交试验设计中的方差分析
免。
QT
m i 1
p j 1
xij
x
2
m i 1
p
xi2j
j 1
1 mp
m i 1
p
2
xij
j1
按照差方和的加和性,总差方和等于各因素形成的差方和的 总和。
QT QA QB QN Qe
其中Qe为残差平方和,即误差的差方和。
3) 试验误差的差方和Qe:
试验误差的差方和是所有试验结果在不同水平下的指标值与该 水平下的均值之间的差的平方和。它是由随机误差引起的,故 叫误差的差方和。
Qe QT ( QA QB QN )
2.计算自由度:
试验的总自由度: fT n 1
各因素自由度: f因 m 1
如果有交互作用,则交互作用的自由度为两因素自由度之积:
明该因素对试验结果(试验指标)的影响显著,两个数差别 越大,说明该因素的显著性越大。
一.几个数据处理中常用的数理统计名词:
首先对几个数理统计名词进行回顾
1. 平均值 x
就是所有数据的和除以数据的个数。
x
1 n
n i 1
xi
1 n
x1
x2
xn
总体平均值:
1 n
n
xi
i 1
n
总体:数理统计学中指的是研究对象的某一特性值的全体; 样本:从总体中随机抽出的一组测量值。
2.极差 R: 就是一组数据中的最大值减去最小值得到的差值。 3.差方和Q: 测量值对平均值的偏差的平方n 1 i1
2
xi x
Q n 1
7.标准偏差s: 方差的平方根。
1 n
- 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、"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、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)。
上述选择, 保证了A因素的每个水平与 因素、 因素的每个水平与B因素 上述选择 , 保证了 因素的每个水平与 因素 、 C 因素的各个水平在试验中各搭配一次。对于A、 、 因素的各个水平在试验中各搭配一次 。对于 、B、 C 3个因素来说 , 是在 个全面试验点中选择 个 个因素来说, 个全面试验点中选择9个 个因素来说 是在27个全面试验点中选择 试验点,仅是全面试验的 三分之一。 试验点, 三分之一。 从图10-1中可以看到, 9个试验点在选优区中分布 中可以看到, 个试验点在选优区中分布 从图 中可以看到 是均衡的,在立方体的每个平面上,都恰是3个试 是均衡的,在立方体的每个平面上,都恰是 个试 验点;在立方体的每条线上也恰有一个试验点。 验点;在立方体的每条线上也恰有一个试验点。 9个试验点均衡地分布于整个立方体内,有很强的 个试验点均衡地分布于整个立方体内, 个试验点均衡地分布于整个立方体内 代表性, 代表性 , 能够比较全面地反映选优区内的基本情 况。
如果实验之前,不对实验进行合理的设计, 如果实验之前,不对实验进行合理的设计,不仅会 造成浪费,而且即使实验次数进行得较多, 造成浪费,而且即使实验次数进行得较多,结果却不一 定会令人满意,因此合理地安排一定数量的实验, 定会令人满意,因此合理地安排一定数量的实验,就可 获得足够的信息,这是个值得研究的问题. 获得足够的信息,这是个值得研究的问题. 实验设计是数理统计的一个重要的分支.实验设计 实验设计是数理统计的一个重要的分支 实验设计 的种类很多,其中正交实验设计是通过事先设计好的一 的种类很多 其中正交实验设计是通过事先设计好的一 套”正交表”来安排实验的. 正交表”来安排实验的 借助正交表可以选出具有代表性的实验,以较少 借助正交表可以选出具有代表性的实验 以较少 的实验次数所取得的数据进行统计分析,而能得到满 的实验次数所取得的数据进行统计分析 而能得到满 意的结果.——对较多因子进行较少次数的实验 希望 对较多因子进行较少次数的实验,希望 意的结果 对较多因子进行较少次数的实验 获得较好的检验效果. 获得较好的检验效果
正交试验设计的基本原理
每个因素在研究的范围内选几个水平, 在试验安排中 ,每个因素在研究的范围内选几个水平, 就好比在选优区内打上网格 ,如果网上的每个点都做 试验,就是全面试验。 试验,就是全面试验。 如上例中, 个因素的选优区可以用一个立方体表示 如上例中,3个因素的选优区可以用一个立方体表示 (图10-1), ), 3个因素各取 3个水平,把立方体划分成 个格点,反 个因素各取 个水平 把立方体划分成27个格点 个水平, 个格点, 上就是立方体内的27个 映在 图10-1上就是立方体内的 个“.”。 上就是立方体内的 。 个网格点都试验, 若27个网格点都试验,就是全面试验,其试验方案如 个网格点都试验 就是全面试验, 所示。 表10-1所示。 所示
正交设计就是从选优区全面试验点( 水平组合) 正交设计 就是从选优区全面试验点(水平组合 ) 中挑 就是从选优区全面试验点 选出有代表性的部分试验点(水平组合)来进行试验。 选出有代表性的部分试验点 ( 水平组合 ) 来进行试验 。 中标有试验号的九个“ 图 10-1中标有试验号的九个 “ (·)”, 就是利用正交表 中标有试验号的九个 , L9(34)从27个试验点中挑选出来的 个试验点。即 个试验点中挑选出来的9个试验点 从 个试验点中挑选出来的 个试验点。 (1)A1B1C1 (4)A1B2C2 (7)A1B3C3 (2)A2B1C2 (5)A2B2C3 (8)A2B3C1 (3)A3B1C3 (6)A3B2C1 (9)A3B3C2
正交试验设计的基本特点是: 正交试验设计的基本特点是:用部分试验来代替全 面试验,通过对部分试验结果的分析,了解全面试 面试验,通过对部分试验结果的分析, 验的情况。 验的情况。 正因为正交试验是用部分试验来代替全面试验的, 正因为正交试验是用部分试验来代替全面试验的, 它不可能像全面试验那样对各因素效应、 它不可能像全面试验那样对各因素效应、交互作用 一一分析;当交互作用存在时, 一一分析;当交互作用存在时,有可能出现交互作 用的混杂。 用的混杂。 虽然正交试验设计有上述不足, 虽然正交试验设计有上述不足,但它能通过部分试 验找到最优水平组合 ,因 而 很 受实际工作者青 睐。
1. 不考虑交互作用的正交设计
试验号 列号 1 2 3 4 5 6 7 8 1 1 1 1 1 2 2 2 2 2 1 1 2 2 1 1 2 2 3 1 1 2 2 2 2 1 1 4 1 2 1 2 1 2 1 2 5 1 2 1 2 2 1 2 1 6 1 2 2 1 1 2 2 1 7 1 2 2 1 2 1 1 2
(2)任两列之间各种不同水平的所有可能组合都 出现,且对出现的次数相等(n/s 出现,且对出现的次数相等(n/s2) 例如 L8(27)中(1, 1), (1, 2), (2, 1), (2, 2)各出现两次; 各出现两次; 中 各出现两次 L9(34) 中 (1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3) (3, 1), (3, 2), (3, 3) 各出现 次。 各出现1次 即每个因素的一个水平与另一因素的各个水平所有 可能组合次数相等, 可能组合次数相等,表明任意两列各个数字之 间的搭配是均匀的。 间的搭配是均匀的。
图9-1
3因素 水平的全面试验水平组合数为 33=27, 因素3水平的全面试验水平组合数为 因素 , 4因素 水平的全面试验水平组合数为 34=81 , 因素3水平的全面试验水平组合数为 因素 5因素 水平的全面试验水平组合数为 35=243, 因素3水平的全面试验水平组合数为 因素 , 这在科学试验中是有可能做不到的。 这在科学试验中是有可能做不到的。
2 (B) 1 2 3 1 2 3 1 2 3
3 (C) 1 2 3 2 3 1 3 1 2
组合水平
试验值
A1 B1C1 A1 B2 C 2 A1 B3C 3 A2 B1C 2
Y1 Y2 Y3 Y4
5 6 7 8 9
2 2 3 3 3
A2 B2 C 3 A2 B3C1
A3 B1C 3 A3 B2 C1 A3 B3C 2
计 算 K 值
计 算 k 值
优水平 优组合
因素主次顺序
结论
为了考察影响某种化工产品转化率的因素, 例1 为了考察影响某种化工产品转化率的因素,选 择三个有关因素: 择三个有关因素: 反应温度( )、反应时间( )、用碱量( ) )、反应时间 )、用碱量 反应温度(A)、反应时间(B)、用碱量(C) 每个因素取三种水平,列表如下: 每个因素取三种水平,列表如下: 水平 因素 反应温度(A) 反应温度 反应时间(B) 反应时间 用碱量(C) 用碱量
L ——正交表 2——水平数
8——试验次数 7——表中最多可安排的因素数
L9 ( 3
试验号
4
)
列号 1 1 2 3 4 5 6 7 8 9 1 1 1 2 2 2 3 3 3
正交表
2 1 2 3 1 2 3 1 2 3
3 1 2 3 2 3 1 3 1 2
4 1 2 3 3 1 2 2 3 1
常用的正交表已由数学工作者制定出来 常用的正交表已由 数学工作者制定出来, 供进行正 数学工作者 制定出来, 交设计时选用。 交设计时选用。 2水平正交表除 8(27)外,还有 4(23)、L16(215)等; 水平正交表除L 还有L 水平正交表除 、 等 3水平正交表有 9(34)、L27(213), …… 水平正交表有L 水平正交表有 、 正交表的性质(特点): 正交表的性质(特点) (1)任一列中各水平都出现,出现的次数相等 )任一列中各水平都出现,出现的次数相等(n/s) 例如: 例如 L8(27)中不同数字只有 和2,它们各出现 次; 中不同数字只有1和 ,它们各出现4次 中不同数字只有 L9(34)中不同数字有 、2和3,它们各出现 次. 中不同数字有1、 和 ,它们各出现3次 中不同数字有
正交试验设计的基本程序
对于多因素试验,正交试验设计是 对于多因素试验, 简单常用的一种试验设计方法,其设计 简单常用的一种试验设计方法, 基本程序如图所示。正交试验设计的基 基本程序如图所示。 本程序包括试验方案设计及 本程序包括试验方案设计及试验结果分 试验方案设计 两部分。 析两部分。
试验目的与要求
80°C ( A1 ) 90分( B1 ) 5%(C1 ) 85°C ( A2 ) 120分( B2 ) 6%(C2 ) 90°C ( A3 ) 150分( B3 ) 7%(C3 )
1
2
3
假设: 三个因素中的任意二个都没有交互作用。 假设: 三个因素中的任意二个都没有交互作用。 反应温度、 问:反应温度、反应时间和用碱量分别对转化率有无 显著影响? 显著影响? 对正交表的要求: 对正交表的要求: (1)正交表中水平数 与每个因素水平数一致 )正交表中水平数S与每个因素水平数一致 (2)正交表中因子数 大于或等于实际因素数 )正交表中因子数r大于或等于实际因素数 (3)选用试验次数 较少的正交表 )选用试验次数n较少的正交表
3因素 水平全面试验方案 因素3水平全面试验方案 因素 C1 B1 A1 B2 B3 B1 A2 B2 B3 B1 A3 B2 B3 A1B1C1 A1B2C1 A1B3C1 A2B1C1 A2B2C1 A2B3C1 A3B1C1 A3B2C1 A3B3C1 C2 A1B1C2 A1B2C2 A1B3C2 A2B1C2 A2B2C2 A2B3C2 A3B1C2 A3B2C2 A3B3C2 C3 A1B1C3 A1B2C3 A1B3C3 A2B1C3 A2B2C3 A2B3C3 A3B1C3 A3B2C3 A3B3C3
正交试验设计
引例1 引例 如果有s 个因素,各因素分别有 r1 , r2 ,L , rs
种水平,共有 rr L r 种组合水平 r 12 在每一种组合水平上都作一次试验,总共要作 r1r2 L rr 次试验。 例如:有4个因素,每个因素有3种水平,总共要作 4 3 例如