第6章 正交试验设计结果的方差分析
(整理)正交试验结果的方差分析方法
正交试验结果的方差分析方法计算公式和项目试验指标的加和值=,试验指标的平均值与表4-13一样,第j列的(1) I j”水平所对应的试验指标的数值之和(2) II j——“ 2”水平所对应的试验指标的数值之和(3)……(4) k j——同一水平出现的次数。
等于试验的次数除以第j列的水平数.(5)I j/k j——“水平所对应的试验指标的平均”(6)II j/k j——“2”水平所对应的试验指标的平均值(7)……以上各项的计算方法,与“极差法”同,见4.1.7节(8)偏差平方和(4-1)(9) fj ——自由度.fj第j列的水平数-1.(10)Vj——方差.Vj =Sj/fj(4-2)(11)Ve——误差列的方差。
(4-3)(12)Fj——方差之比(4-4)(13)查F分布数值表(见附录6),做显著性检验。
显著性检验结果的具体表示方法与第3章相同。
(14)总的偏差平方和(4-5) (15)总的偏差平方和等于各列的偏差平方和之和。
即(4-6) 式中,m为正交表的列数。
若误差列由5个单列组成,则误差列的偏差平方和S e等于5个单列的偏差平方和之和,即:S e=S e1+S e2+S e3+S e4+S e5;也可用S e= S总-S’来计算,其中:S’为安排有因素或交互作用的各列的偏差平方和之和应引出的结论。
与极差法相比,方差分析方法可以多引出一个结论:各列对试验指标的影响是否显著,在什么水平上显著。
在数理统计上,这是一个很重要的问题。
显著性检验强调试验误差在分析每列对指标影响中所起的作用。
如果某列对指标的影响不显著,那么,讨论试验指标随它的变化趋势是毫无意义的。
因为在某列对指标的影响不显著时,即使从表中的数据可以看出该列水平变化时,对应的试验指标的数值也在以某种“规律”发生变化,但那很可能是由于实验误差所致,将它作为客观规律是不可靠的。
有了各列的显著性检验之后,最后应将影响不显著的交互作用列与原来的“误差列”合并起来,组成新的“误差列”,重新检验各列的显著性。
(整理)正交试验结果的方差分析方法
正交试验结果的方差分析方法计算公式和项目试验指标的加和值=,试验指标的平均值与表4-13一样,第j列的(1) I j”水平所对应的试验指标的数值之和(2) II j——“ 2”水平所对应的试验指标的数值之和(3)……(4) k j——同一水平出现的次数。
等于试验的次数除以第j列的水平数.(5)I j/k j——“水平所对应的试验指标的平均”(6)II j/k j——“2”水平所对应的试验指标的平均值(7)……以上各项的计算方法,与“极差法”同,见4.1.7节(8)偏差平方和(4-1)(9) fj ——自由度.fj第j列的水平数-1.(10)Vj——方差.Vj =Sj/fj(4-2)(11)Ve——误差列的方差。
(4-3)(12)Fj——方差之比(4-4)(13)查F分布数值表(见附录6),做显著性检验。
显著性检验结果的具体表示方法与第3章相同。
(14)总的偏差平方和(4-5) (15)总的偏差平方和等于各列的偏差平方和之和。
即(4-6) 式中,m为正交表的列数。
若误差列由5个单列组成,则误差列的偏差平方和S e等于5个单列的偏差平方和之和,即:S e=S e1+S e2+S e3+S e4+S e5;也可用S e= S总-S’来计算,其中:S’为安排有因素或交互作用的各列的偏差平方和之和应引出的结论。
与极差法相比,方差分析方法可以多引出一个结论:各列对试验指标的影响是否显著,在什么水平上显著。
在数理统计上,这是一个很重要的问题。
显著性检验强调试验误差在分析每列对指标影响中所起的作用。
如果某列对指标的影响不显著,那么,讨论试验指标随它的变化趋势是毫无意义的。
因为在某列对指标的影响不显著时,即使从表中的数据可以看出该列水平变化时,对应的试验指标的数值也在以某种“规律”发生变化,但那很可能是由于实验误差所致,将它作为客观规律是不可靠的。
有了各列的显著性检验之后,最后应将影响不显著的交互作用列与原来的“误差列”合并起来,组成新的“误差列”,重新检验各列的显著性。
第六章 正交试验设计
第六章正交试验设计(I)教学内容与要求(1)了解正交试验设计的优点,掌握正交表的表示符号、基本结构和特点,掌握正交试验设计的基本步骤。
(2)掌握单指标正交试验、多指标正交试验、有交互作用正交试验、混合水平的正交试验的直观分析法;(3)理解单指标正交试验、多指标正交试验、有交互作用正交试验、混合水平的正交试验的方差分析法。
(4)了解Ecxel在正交试验设计中应用。
(II)教学重点正交试验的直观分析法。
(III)教学难点正交试验的方差分析。
6.1 概述6.1.1 正交试验设计方法的优点和特点用正交表安排多因素试验的方法,称为正交试验设计法。
我国60年代开始使用,70年代得到推广。
这一方法具有这样的特点:①完成试验要求所需的实验次数少。
②数据点的分布很均匀。
③可用相应的极差分析方法、方差分析方法、回归分析方法等对试验结果进行分析,引出许多有价值的结论。
因此日益受到科学工作者的重视,在实践中获得了广泛的应用。
例6-1:某化工厂想提高某化工产品的质量和产量,对工艺中三个主要因素各按三个水平进行试验(见表6-1)。
试验的目的是为提高合格产品的产量,寻找最适宜的操作条件。
表6-1 因素水平表对此实例该如何进行试验方案的设计呢?很容易想到的是第一方案:(全面搭配法方案)A2——…A3——…此方案数据点分布的均匀性极好,因素和水平的搭配十分全面,唯一的缺点是实验次数多达33=27次。
(指数3代表3个因素,底数3代表每因素有3个水平)想节省费用而又快出成果的人提出了第二方案:(简单比较法方案)。
先固定A和B,只改变C,观察因素C不同水平的影响。
作了如下的三次实验:发现C=C2的那次实验的效果最好,合格产品的产量最高,因此认为在后面的实验中因素C应取C2水平。
固定A和C,改变B的三次实验为:发现B=B3的那次实验效果最好,因此认为因素B宜取B3水平。
固定B和C,改变A 的三次实验为:发现因素A宜取A2水平。
因此可以引出结论:为提高合格产品的产量,最适宜的操作条件为A2B3C2。
六章正交试验设计
3)正交试验设计 选用正交表L9(34)只需 要做9次试验
21
2.通过对这些少数试验方案的试验结果进行统计分 析,可以推出较优的方案,而且所得到的较优方案 往往不包含在这些少数试验方案中。
3.对试验结果作进一步的分析,可以得到试验结果
之外的更多信息。如试验因素对试验结果影响的重
要程度;各因素对试验结果的影响趋势等。
2
6.1 试验设计的基本概念与正交表
多因素试验遇到的最大困难是试验次数太多,
若十个因素对产品质量有影响,每个因素取两个不同
状态(不同水平)进行比较,有210=1024、 如果每个
因素取三个不同状态(不同水平) 310=59049个不同的
试验条件
3
在多因素试验中,有人采用“单因素轮换 法”,但是这种方法不一定能找到好的条件
C加碱量
(C1)7 (C2)6 (C3)5
18
1)全面试验:33=27
19
2)简单比较法 第一步先固定B和C在某水平,只 改变A,只需做三次试验,得到最好 的结果A=A3. 第二步固定A=A3,将C固定在某一 水平,改变B,发现B=B2的那次结果 最好,因此认为B宜取B2 第三步固定A=A3.B=B2,改变C,发 现C=C3水平结果最好,故认为 A3B2C3为最适宜条件. 共做9次试验
在A3水平下进行了三次试验:#7,#8,#9, 在
这三次试验中因子B与C的三个水平各进行了一次试验。
33
将全部试验分成三个组,那么这三组数据间 的差异就反映了因子A的三个水平的差异,为此计 算各组数据的和与平均: K1=y1+y2+y3=0.56+0.74+0.57=1.87,
k1 K1 / 3 0.623
第6章 正交试验设计
A2B3C1
A2B2C3
A3B3C2
A1B3C3
2 A1B2C2 3
1
5 4 18
6
8 9
7
13
12
17
16 19 20 15
14
10 24 23
11
25 26
立方体上共 有9 个面, 设对应于A1、 A2、A3的是 左、中、右 三个面;对 应于B1、B2、 B3的是下、 中、上三个 面;对应于 C1、C2、C3 的是前、中、 后三个面。
L 正交表的代号
m正交表的列数
Ln r
n 正交表的行数
m
(最多能安排的因素个数, 包括交互作用、误差等)
r 各因素的水平数
(各因素的水平数相等)
(需要做的试验次数)
正交表符号的意义
正交表的纵列数 (最多允许安排因素的个数)
L8(27)
正交表的代 号
字码数(因素的水平数)
正交表的横行数
如
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 在本例中,试验指标是乳化能力,指标越大越好, 所以应挑选每个因素的K1 ,K2 ,K3(或k1 ,k2 ,k3) 中最大的值对应的那个水平 。
21
A1B1C1
22
A2B1C2
27
A:
考虑兼顾全面试验法和简单比较法的优点, 利用根据数学原理制作好的规格化表—— 正交表来设计试验不失为一种上策。 用正交表来安排试验及分析试验结果,这 种方法叫做正交试验法。 事实上,正交最优化方法的优点不仅表现 在试验的设计上,更表现在对试验结果的 处理上。
第6章-正交试验设计结果的方差分析
(4)计算F值
• 各均方除以误差的均方,例如:
FABiblioteka VA Ve或FA
VA V e
FAB
VAB Ve
或
FAB
VAB Ve
(5)显著性检验
• 例如: • 若 FAF(fA,f,e)则因素A对试验结果有显著影
响 • 若 F A BF (fA B,fe,)则交互作用A×B对试验结
果有显著影响
(6)列方差分析表
设:
QT
n
x
2 i
i1
n
T xi i1
②各因素引起的离差平方和
• 第j列所引起的离差平方和 :
Sj
1( m r p1
Kp2j
)T2 n
k
ST S j Se j 1
③交互作用的离差平方和
• 若交互作用只占有一列,则其离差平方和就等于 所在列的离差平方和
• 若交互作用占有多列,则其离差平方和等于所占 多列离差平方和之和,
• 例:3时
S S S AB ( AB ) 1 ( AB ) 2
④试验误差的离差平方和
• 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 :
Se S空列
(2)计算自由度
①总自由度 :=n-1 ②任一列离差平方和对应的自由度 :
=m-1 ③交互作用的自由度 :(以A×B为例) ×B= × ×B=(m-1 ) 若m = 2, ×B= 若m = 3, ×B= 2 + ④误差的自由度:
• 方差分析的基本步骤如下: • (1)计算离差平方和 • (2)计算自由度 • (3)计算平均离差平方和(均方) • (4)计算F 值 • (5)显著性检验
第6章正交试验设计
第6章正交试验设计正交试验设计是一种科学的方法,用于研究多个因素和水平对一个特定实验结果的影响。
这种方法在很多领域都有广泛的应用,包括工程、医学、社会科学和生物科学等。
下面将详细介绍正交试验设计的基本概念、方法和应用。
一、基本概念正交试验设计是一种基于正交性原理的试验设计方法。
正交性原理是指在一组因素中,任意两个因素的不同水平之间都没有相关性。
这意味着每个因素的不同水平都可以独立地影响实验结果,而不会与其他因素的水平产生交互作用。
在正交试验设计中,通常将实验条件或因素设定为不同的水平,并将这些水平组合成一个正交表。
正交表是一种表格,其中每一行代表一个因素的不同水平组合,每一列代表一个因素的独立水平。
通过使用正交表,可以方便地安排多个因素的试验,并有效地分析实验结果。
二、方法1.确定因素和水平在正交试验设计中,首先需要确定要研究的因素和每个因素的水平。
因素是指可能影响实验结果的变量,而水平是指每个因素的不同取值。
在确定因素和水平时,需要考虑实验的目的、现有条件和实际应用等因素。
2.制定正交表根据确定的因素和水平,可以制定一个正交表。
正交表的行数代表实验次数,列数代表因素的数量,而每个单元格则代表一个具体的实验条件或结果。
通常,正交表可以分为标准型和非标准型两大类。
标准型正交表适用于均匀分布在各个因素的水平上,而非标准型正交表则适用于不均匀分布或某些特定条件下的实验设计。
3.实施试验按照正交表中的安排进行试验,记录每次实验的条件和结果。
在实施试验时,需要注意控制实验条件的一致性,以避免误差和干扰因素的影响。
4.分析结果通过对实验结果进行分析,可以得出每个因素对实验结果的影响程度和各因素之间的交互作用。
常用的分析方法包括极差分析、方差分析、回归分析和主成分分析等。
通过分析结果,可以得出最佳的实验条件组合,为实际应用提供指导。
三、应用正交试验设计在许多领域都有广泛的应用,例如:1.工程领域:在机械制造、电子产品制造和化工生产等领域中,经常需要研究多个因素对产品性能的影响。
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。
正交试验设计中的方差分析
那么正交试验的方差分析可以从以下几步进行:
1.计算差方和(离差平方和): 包括以下几部分:
1)各因素差方和:
正交试验都是多因素多水平的试验,因此有必要对各因素的 差方和进行计算。 各因素差方和等于它的各水平均值k1A,k2A,…,kmA之间偏差平 方和。 以因素A为例,它在正交表中的某列,用xij表示A在第i个水 平的第j次试验结果,则;
即:fA×B=fA×fB 试验误差的自由度fe=fT-f因 。
3.计算平均差方和(均方): 在计算各因素的差方和时,按照前面的讲述,它是各水平的 偏差方的和,其大小与水平数有关,故此还不能确切的反映 各因素的情况。为了消除水平数的影响,可以计算其平均差 方和:
因素的平均差方和=因素差方和 =Q因 因素的自由度 f因
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:
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和,就叫~。也叫离差平方和。
第6章正交试验
第六章 正交试验设计试验设计是数理统计中一个很庞大的分支, 其内容十分丰富, 本章只介绍正交试验设计(简称正交设计或正交试验). 正交试验设计是利用“正交表”进行科学地安排与分析多因素试验的方法, 其主要优点是能在很多实验方案中挑选出代表性较强的试验方案, 并通过对少数试验方案之试验结果的分析, 推断出最优方案, 得到比试验结果本身给出的还要多得多的有关多因素之信息. 在正交试验中, 对试验结果的分析, 通常采用直观分析法(也称极差分析法)和方差分析法.第一节 引 言一、正交试验设计的背景引例 为了提高维尼纶耐水性能, 需要分析维尼纶生产的最后一道工序—醛化过程. 醛化过程的好坏用一个叫缩醛化度的指标来衡量, 缩醛化度越高, 纤维的耐水性能越好. 但影响缩醛化度的因素很多, 如反应时间、反应温度、甲醛浓度、硫酸浓度、芒硝浓度等. 这些因素除芒硝浓度取三个水平外, 其余四个因素都各取七个水平. 这样多的因素和水平, 若全面试验需做3×74=7203次试验, 约用五年时间, 这实际上是行不通的.面对上述试验问题, 我们很希望只选做其中一部分有代表性的试验而又能较好地反应全面醛配可能出现的各种情况, 以便从中挑选出较好的试验方案, 这正是正交试验设计所研究的范畴.通常, 称两个因素以上的试验为多因素试验. 正交试验设计是以概率论和数理统计为基础, 科学地安排多因素试验的一类实用性很强的数学方法, 它是数理统计学中一个很大的分支. 它所研究的主要内容是, 如何利用“正交表”进行科学地安排与分析多因素试验以减少试验的次数. 其主要优点是能在很多实验方案中挑选出代表性较强的试验方案, 并通过对少数试验方案之试验结果的分析, 推断出最优方案, 得到比试验结果本身给出的还要多得多的有关多因素之信息. 对试验结果的分析, 通常采用两种方法: 一种是直观分析法(也称极差分析法), 另一种是方差分析法.表6.1 正交表L(27)表6.2 正交表L 4二、正交表正交表是一种特殊的表格, 这里只介绍它的记号、特点及使用方法. 表L 8(27)与L 9(34)即是两张常用的正交表. L 8(27)与L 9(34)是正交表的记号, 其具体含义为:L 是正交表代号; 8或9表示该正交表的行数, 即需要做的试验次数; 2或3表示水平数; 7或4表示正交表的纵列数, 即最多可安排的因素的个数.正交表L 8(27)与L 9(34具有如下的性质:(1) 整齐可比性: 表中任一列所含各种水平的个数都相同;(2) 均衡搭配性: 表中任两列所有各种可能的数对出现的次数都相同. 凡具有上述两种性质的表, 都称为正交表.三、正交试验设计正交试验设计, 包括选表、表头设计以及利用所选定的正交表安排试验方案, 并对试验结果进行统计分析, 确定较优或最优试验方案的一种科学方法. 具体地说, 正交试验设计能明确地回答如下几个方面的问题:(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, 即每个因素的各水平变化时, 指标是怎样变化的; (3) 什么是最优试验方案或最优工艺条件; (4) 进一步试验的方向.第二节 正交试验的直观分析一、直观分析(无交互作用)例1(合成氨最佳工艺条件试验) 根据已有的经验, 决定在合成氨试验中选取的因素与水平如表6.3所示. 假定各因素之间无交互作用, 试验的目前是提高产量. 要求进行试验设计并对试验的结果进行分析.解: 为了避免试验产生系统误差,因素的各水平哪一个定为1水平、2水平、3水平, 应按“随机化”的方法确定. 1.选表与表头设计 本例是一个三水平的试验, 因此要选用L n (3t )型正交表. 由于有3个因素, 且不考虑因素之间的交互作用, 所以选一张3≥t 的表, 而L 9(34)是是满足条件3≥t 的最小L n (3t )型表, 故选用正交表L 9(34)安排试验. 由于不考虑各因素之间的交互作用,只需将各因素分别填写在所选表的上方与列号对应的位置上, 一个因素占有一列, 不同的因素占有不同的列, 就得到所谓的表头设计, 如表6.4所示.注意: 未放置因素的列, 称为空白列或空列. 空白列在正交设计的方差分析中也称为误差列, 它有着重要的作用, 一般要求至少有一个空白列.2.确定试验方案完成了表头设计以后, 只要将表中各列的数字“1”、“2”、“3”分别看成该列所填因素在各个试验中的水平数, 而正交表的每一行就是一个试验方案. 于是, 本例得到9个试验方案.3.按规定的试验方案做试验并记录试验结果按正交表的各试验号中规定的水平组合进行试验, 并记录其结果得到表 6.5. 注意: 必须严格按照规定的方案完成每一号试验; 为了保证具有相同的随机性, 试验往往不按照表上试验号的顺序进行, 而是采取抽签的方法决定试验的顺序.4.计算极差, 确定因素的主次顺序 记K ij =第j 列上水平号为i 的各试验结果之和;k ij = K ij /s, 其中s 为第j 列上水平号i 出现的次数, 即k ij 表示第j 列的表6.3 例1的因素水平表因素取水平i时进行试验所取得的试验结果的平均值;R j=max i{ K ij }-min i{ K ij }, R j称为第j列的极差或所在因素的极差, 也可定义r j=max i{ k ij }-min i{ k ij }为第j列的极差或所在因素的极差.对于本例, 我们有:K11=y1+ y2+ y3=1.72+1.82+1.80=5.34, k11= K11/3=1.780,K21=y4+ y5+ y6=1.92+1.83+1.98=5.73, k21= K21/3=1.910,K31=y7+ y8+ y9=1.59+1.60+1.81=5.00, k31= K31/3=1.667,R1=max i{ K i1 }-min i{ K i1}=5.73-5.00=0.73;其它的K ij , k ij与R j类似地可以得到, 见表6.5.表6.5例1的试验方案及试验结果分析一般地, 各列的极差是不相等的, 这说明各因素的水平改变对试验结果的影响是不相同的. 极差越大, 说明这个因素的水平改变对试验结果的影响也越大. 因此, 极差最大的那一列因素就是水平改变对试验结果影响最大的因素, 也就是主要的因素. 由于有R1 >R2 >R3 >R4, 因此本例的因素主次顺序为:主→次A B C注意: 有时空白列的极差比所有其他因素的极差还要大, 这说明因素之间可能存在有不可忽视的交互作用, 或者忽略了对试验结果有重要影响的其它因素, 或者试验误差太大, 需要具体问题具体分析.5.最优方案的确定挑选因素的优水平与所要求的指标有关. 若指标越大越好, 则应该选取使指标最大的水平, 即各列K1j、K2j和K3j(或k1j、k2j和k3j)中最大的那个水平; 反之, 若指标越小越好, 则应取使指标小的那个水平. 对于本例, 试验的指标是提高合成氨的产量, 指标越大越好, 所以应该挑选每个因素的K1j、K2j、K3j之中最大的那个水平. 由于K2A>K1A>K3A K3B>K2B>K1B K2C>K1C>K3C故得最优方案为: A 2B 3C 2. 即反应温度为490(ºC )、反应压力为300个大气压以及使用乙种催化剂时, 生产方案是最优的.注意: 实际确定最优方案时, 还应区分因素的主次. 对于主要因素, 一定要按有利于指标的要求选取最好的水平, 而对于不重要的因素则可以根据有利于提高效率、降低消耗等要求来考虑因素水平的选取.本例确定的最优方案A 2B 3C 2, 并不包含在正交表里已做过的9个试验方案之中, 这正体现了正交试验设计的优越性. 那么, 它是不是真正的最优方案呢? 我们可以作进一步的理论计算来论证.6.最优方案的工程平均由于任何试验结果总是带有误差, 对某一试验方案来说, 我们关心的是这个试验方案之试验结果的平均值, 最优试验方案试验结果的平均值就称为“最优工程平均”. 为此, 我们先来讨论“效应”的问题:设μ为试验总体的理论总均值, ij μ为因素j 的第i 个水平所对应试验总体的理论均值, 定义a i =iA μ-μ为因素A 的第i 个水平的效应. 由于μ与iA μ均为未知, 此时可用样本均值来进行估计, 因而定义i aˆ=k iA -y 称i aˆ为因素A 的第i 水平的效应. 不难验证∑i a ˆ=0,即同一个因素(或同一列) 的各水平效应之和为0.本例中, 因素A 的各水平的效应分别为:1ˆa=k 1A -y =1.78-1.786=-0.006, 2ˆa=k 2A -y =0.124, 3ˆa = k 3A -y =-0.119. 它们的含义是: 因素A 取A 1水平会使产量平均降低0.006t, 因素A 取A 2水平会使产量平均增加0.124t, 因素A 取A 3水平会使产量平均降低0.119t. 同样可得:1ˆb = k 1B -y =-0.043, 2ˆb = k 2B -y =-0.036, 3ˆb = k 3B -y =0.077; 1ˆc= k 1C -y =-0.019, 2ˆc = k 2C -y =0.064, 3ˆc = k 3C -y =-0.046. 综合起来, 在不考虑交互作用的情况下, 可用迭加的方法求得某一试验方案试验结果的平均值—称为该试验方案的工程平均, 它等于总平均y 加上该试验方案各因素所取水平的效应之和. 某一方案的工程平均, 实质上就是该试验方案试验结果真值的无偏点估计. 对本例, 最优方案A 2B 3C 2的工程平均为y ˆ=2.051.7.对比验证试验最优方案在正式作为生产方案实施之前还需要进行对比验证试验: 将最优方案A 2B 3C 2与按正交表之规定做过的9个方案中产量最高的第6号方案A 2B 3C 1作对比试验. 若方案A 2B 3C 2比第6号试验产量更高, 通常认为A 2B 3C 2就是真正的最优方案; 否则, 就取第6号试验方案A 2B 3C 1作为最优方案. 后一种情况发生, 一般来说可能是没有考虑交互作用, 或者是试验误差较大引起的, 需要作进一步的研究, 可能有提高产量的潜力.8.作出因素水平-指标变化的趋势图 二、正交试验设计原理的解释由于正交表的整齐可比性与均衡搭配性, 使得用正交表安排的试验具有均衡分散性与整齐可比性, 所以它能大大地减少试验次数, 甚至比简单地比较全面试验的结果有可能提供更多更有用的信息.图6.1 例1的因素水平-指标变化趋势图三、直观分析(有交互作用)在此情况下, 对多因素正交试验的表头设计必须借助两列间的交互作用表, 许多正交表的后面都附有相应的交互作用表. 表6.6即是正交表L 8(27)的交互作用表.用正交表安排有交互作用的试验时, 通常将交互作用看作一个新的因素, 它在正交表上的占有列, 称为交互作用列. 为了避免“混杂”现象, 交互作用列应该通过杳交互作用表来确定. 从表6.6可以确定任何两列的交互作用列.例2 工件的渗碳层深度要求为1±0.25mm, 试验与考察的水平如表 6.7所示,还要考察交互作用A ×B 与B ×C. 试验的目的是确定这4个因素及两个交互作用对渗碳指标影响的重要性主次顺序, 并找到最优的生产方案(注意, 渗碳层深度越接近1越好).解: 1.选表与表头设计这是一个4因素2水平试验, 加上考虑交互因素A ×B 与B ×C, 因此所选的2水平正交表至少要有6列, 满足这种条件的2水平正交表中以L 8(27)为最小, 因此选用正交表L 8(27)安排试验.将因素A 、B 分别放在正交表的1、2两列上, 查L 8B 占用第三列, 因此第3列不能安排其它因素, 否则就会产生混杂现象; 现将因素C 入放在第4列, 再查L 8(27)的交互作用表得交互作用B ×C 占用第6列, 因素D 可安排在第5列或第7列上. 现将因素D 安排在第5列, 从而得到如表6.8的表头设计.2.明确试验方案, 依照试验方案进行试验并记录试验结果由此得到表 6.9. 注意, 交互作用所在列和空白列对确定试验方案不起任何作用, 因为那些列的数字“1”、“2”不代表任何实际水平.73. 计算极差, 确定因素的主次仿例1, 可得因素的主次顺序如表6.9所示. 4.确定最优方案交互因素A ×B 是影响试验结果最重要的因素, 但是交互因素A ×B 没有实际的水平, 故不能按K 13与K 23大小来确定, 而应该按A 与B 搭配的好坏来确定. 表6.10是因素A 与B 的水平搭配表, 也称之为二元表. 由于指标y 越小越好, 可知A 与B 的最优搭配为A 1B 2; 类似地, 可以得到B 与C 的最优搭配为B 2C 2.由于D 的最优水平为D 1, 从而得到最优方案为A 1B 2C 2D 1, 而不考虑交互作用的最优方案为A 1B 2C 1D 1, 两方案的不同之处在于因素C 的水平取法. 不般来说, 次要因素应服从于主要因素, 因此我们认为方案A 1B 2C 2D 1是最优的.第三节 正交试验的方差分析极差分析法的优点是, 方法简单、直观、计算量较小, 便于普及和推广. 但是, 极差分析法不能估计试验过程中以及结果测定中必然存在的误差大小, 不能真正区分某因素各水平所对应试验结果的差异, 究竟是由于水平的改变引起的还是由于试验误差引起的; 再者, 极差分析法得到的结论不够精确, 而且当水平数超过3时, 极差分析方法不便于使用.一、方差分析(无交互作用)表6.10 例2的因素A 与B 的水平搭配表。
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)
第6章正交试验设计
M
S
e
S
S
e
d
f
e
(4)计算F值
各均方除以误差的均方,例如:
FA
MSA MSe
或
FA
MSA
M
S
e
FAB
MSAB MSe
或
FAB
MSAB MSe
(5)显著性检验
例如: 若 FAF(dfA,dfe,)则因素A对试验结果有显著影响 若 F A BF (dfA B,dfe),则交互作用A×B对试验结果有 显著影响
4
液
1.5
试验号
1 2 3 4 5 6 7 8 9 K1 K2 K3 k1 k2 k3 极差R 因素主→次 优方案
因素
A
B
C
1
1 1(1)
1
2 2(2)
1
3 3(2)
2
1 2(2)
2
2 3(2)
2
3 1(1)
3
1 3(2)
3
2 1(1)
3
3 2(2)
9.0 2.5
-4.6
8.2 9.1
29.5
7.7 13.3 3.0 0.8
6.2.2 多指标正交试验设计及其结果的直观分析
两种分析方法: 综合平衡法 综合评分法
(1)综合平衡法
先对每个指标分别进行单指标的直观分析 对各指标的分析结果进行综合比较和分析,得出较优方案
②例
三个指标 : 提取物得率 总黄酮含量 葛根素含量
三个指标都是越大越好
对三个指标分别进行直观分析: ➢ 提取物得率:
C2 (y2+ y4)/2 =(0.448+0.516)/2=0.482
正交设计试验资料的方差分析
数据整理
将收集到的数据整理成 表格形式,便于后续分 析。
数据筛选
对异常值进行筛选和处 理,确保数据质量。
正交设计试验资料的方差分析过程
确定试验因素和水平
明确试验因素和各因素的水平, 为后续分析提供基础。
计算各因素的效应值
根据试验结果,计算各因素的效 应值。
计算误差平方和
根据效应值和水平,计算误差平 方和。
跨学科融合
标准化与规范化
结合其他学科的理论和方法,拓展正交设 计试验的应用领域,推动多学科交叉融合 发展。
制定和完善正交设计试验的标准和规范, 提高试验的可靠性和可比性。
正交设计试验资料方差分析的实际应用价值
科学研究
在科学研究领域,正交设计 试验资料方差分析可用于探 索和验证科学假设,揭示现 象背后的机制和规律。
正交试验设计的基本原理
1 2
正交性原理
正交试验设计基于正交性原理,即每个因素在试 验中出现的次数相同,且各次出现的概率相等。
均匀分散原理
正交试验设计通过均匀分散原理,确保每个水平 在试验中都有均衡的分布,从而减少结果的偏差。
3
代表性原理
正交试验设计通过代表性原理,选取具有代表性 的样本点进行试验,以反映整体情况。
正交设计试验资料的方差 分析
• 正交设计试验概述 • 方差分析基础 • 正交设计试验资料的方差分析方法 • 实例分析 • 总结与展望
01
正交设计试验概述
正交试验设计的基本概念
正交试验设计是一种统计技术,用于 在多因素、多水平条件下进行试验, 以最小化试验次数,同时最大化信息 收集。
它利用正交表来安排试验,确保每个 因素的每个水平都被等可能地选取, 从而得到全面而均衡的试验结果。
第06章 正交试验设计
要因素,所以新一轮正交试验的因素数和水
平数都会减少,试验次数也会相应减少。
6.2.2
多指标正交试验设计
及其结果的直观分析
两种分析方法:
综合平衡法 综合评分法
6.2.2.1、综合平衡法
先对每个指标分别进行单指标的直观分 析,得到每个指标的影响因素主次顺序 和最佳水平组合
数是不完全相同
6.1.2
正交试验设计的优点
能均匀地挑选出代表性强的少数试验方案 由少数试验结果,可以推出较优的方案
可以得到试验结果之外的更多信息
6.1.3 正交试验设计的基本步骤
(1) 明确试验目的,确定评价指标 (2) 挑选因素(包括交互作用),确定水平 (3) 选正交表,进行表头设计
几个因素的趋势图的纵坐标应该有相同的
比例尺,这样就可根据趋势图的平坦或陡
峭程度判断因素的主次;如果是属性因素
(本例中的催化剂种类),可不考虑横坐标 顺序,也不必连成折线。
从本例趋势图可以看出,当反应温度A2
=120℃,酯化时间B2=2h,选用乙种
催化剂(C2)时产品乳化能力最好,即优
方案为A2B2C2。
结果之和。
ki :ki= Ki/s,其中s为任一列上各水平出现的次
数
R(极差):在任一列上
R = max{K1 ,K2 ,K3}-min{K1 ,K2 ,K3},
或
R =max{k1 ,k2 ,k3}-min{k1 ,k2 ,k3}
例6.2实验结果及数据分析
R越大,因素越重要,对实验结果影响
表2.11:
例6.4 试验方案及试验结果
南通大学《试验设计与数据处理》复习要点
《试验设计与数据处理》复习要点第一章误差分析一、真值与平均值1、真值:指在某一时刻和某一状态下,某量的客观值或实际值。
2、平均值(1)算术平均值:x̅=x1+x2+⋯+x nn =∑x in同样试验条件下,多次试验值服从正态分布,算术平均值是这组等精度试验值中的最佳值或最可信赖值。
(2)加权平均值:x̅w=w1x1+w2x2+⋯+w n x nw1+w2+⋯+w n =∑w i x i∑w i(3)对数平均值:x̅L=x1−x2ln x1x2=x2−x1ln x2x1,试验数据的分布曲线具有对称性(4)几何平均值:lg x̅G=∑lg x̅in(5)调和平均值:H=n∑1x i二、误差的基本概念1、绝对误差=测得值-真值,结果可正可负。
2、相对误差=绝对误差/真值≈绝对误差/测得值,结果可正可负。
3、算术平均误差∆=∑|x i−x̅|n4、标准误差(1)样本标准差s=√∑(x i−x̅)2n−1=√∑x i2−(∑x i)2/nn−1(2)总体标准差σ=√∑(x i−x̅)2n =√∑x i2−(∑x i)2/nn三、误差来源及分类根据误差的性质或产生原因,可分为随机误差、系统误差、粗大(过失)误差。
1、随机误差:在一定试验条件下,以不可预知的规律变化着的误差;2、系统误差:在一定试验条件下,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;3、粗大(过失)误差:一种显然与事实不符的误差。
四、试验数据的精准度1、精密度:反映随机误差大小的程度,是指在一定的试验条件下,多次试验值的彼此符合程度或一致程度;2、正确度:指大量测试结果的(算术)平均值与真值或接受参照值之间的一致程度,反映了系统误差的大小,是指在一定的试验条件下,所有系统误差的综合;3、准确度:反映系统误差和随机误差的综合,表示了试验结果与真值或标准值的一致程度。
五、试验数据误差的统计检验1、随机误差的检验随机误差的大小可用试验数据的精密程度来反映,而精密度的好坏又可用方差来度量,所以对测试结果进行方差检验,即可判断随机误差之间的关系。
第6章 正交试验设计
常见的混合型正交表有:
L8 (41 24 )
L12 (31 24 )
L12 (61 24 )
L16 (41 212 ) L16 (42 29 ) L16 (43 26 ) L16 (44 23 )
分析因素与试验指标之间的关系,即当因素变化时,试验 指标是如何变化的。找出指标随因素变化的规律和趋势, 为进一步试验指明方向;
了解各因素之间的交互作用情况; 估计试验误差的大小。
(6)进行验证试验,作进一步分析
优方案是通过统计分析得出的,还需要进行试验验证,以 保证有方案与实际一致,否则还需要进行新的正交试验。
第6章 正交试验设计
Orthogonal Experimental Design
6.1 概念 6.2 正交试验设计结果的直观分析法 6.3 正交试验设计结果的方差分析法
2019年5月14日
6.1 概述
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,是最常用的试验设计 方法之一。
(2) 不做重复试验无法估计误差。 (3)无法区分因素的主次。 例如选六个因素,每个因素选五个水平时,全面试验的 数目是56 =15625次。 1978年,七机部由于导弹设计的要求,提出了一个五因 素的试验,希望每个因素的水平数要多于10,此时靠全 面试验法是无法完成的。
(2)简单比较法:
(4)按规定的方案做试验,得出试验结果 注意 : 按照规定的方案完成每一号试验 试验次序可随机决定 试验条件要严格控制
二、数据处理 ——极差法 通过试验结果分析,欲达到如下目的: ①找出指标随因素变化的规律。 ②找出因素的主次顺序。 ③找出最佳试验方案。 ④确定下一步试验的方向.
《试验设计与数据处理》讲稿_第6章_正交试验设计
第6章正交试验设计主要内容:一、概述二、正交试验设计结果的直观分析法三、正交试验设计结果的方差分析法正交试验法:在优选区内利用正交表科学地安排试验点,通过试验结果的数据分析,缩小优选范围,或者得到较优点的多因素试验方法。
6.1 概述引例—多因素的试验设计问题•指标—收率•因素—(1)原料A的用量 (2)原料B的用量(3)液固比C (4)反应温度D(5)反应压力E (6)催化剂的用量F(7)反应时间G (8)搅拌强度H•水平—8个因素各取3个水平•进行全面搭配的试验次数为: 38=6561 次•科学问题:能否只做其中一小部分试验,通过数据分析来达到全面试验的效果呢?6.1.1 正交表(一)正交表的代号及含义常用正交表的形式为:L(r m)n式中,L ──正交表的符号;n ──要做的试验次数;r ──因素的水平数;m ── 最多允许安排的因素个数。
(27)完全试验次数:128如:L8L(313)完全试验次数:1594323(二)正交表的形式(1)等水平正交表:指各个因素的水平数都相等的正交表。
如L8(27),L27(313)(2)混合水平正交表:指试验中各因素的水平数不相等的正交表如L8(41×24),L24(3×4×24)(三)正交表的特点(1)每一列中,不同的数字出现的次数相等,即对任何一个因素,不同水平的试验次数是一样的。
(2)任意两列中,同一横行的两个数字构成有序数对,每种数对出现的次数是相同,即任何两个因素之间都是交叉分组的全面试验。
(三)正交试验设计的分类6.1.2 正交试验设计的优点①能在所有试验方案中均匀地挑选出代表性强的少数试验方案。
②通过对这些少数试验方案的结果进行统计分析,可以推出较优的方案,而且所得到的较优方案往往不包含在这些少数试验方案中。
③对试验结果作进一步的分析,可以得到试验结果之外的更多信息。
例如,各试验因素对试验结果影响的重要程度、各因素对试验结果的影响趋势等。
- 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)。
正交试验设计结果的方差分析法
• 能估计误差的大小 • 能精确地估计各因素的试验结果影响的重要程度
6.1 方差分析的基本步骤
• 正交试验多因素的方差分析,其基本思想是先计算出各因素 和误差的离差平方和,然后求出自由度、均方、F值,最后进 行F检验。
• 如果用正交表Ln(mk)来安排试验,则因素的水平数为m,正交 表的列数为k,总试验次数为nj ( K1 j K 2 j K 3 j ) T r n
例6-3 注意:
交互作用的方差分析 有交互作用时,优方案的确定
6.3 混合水平正交试验的方差分析
(1)利用混合水平正交表
• 注意:不同列的有关计算会存在差别 • 例6-5 (2) 拟水平法
• 注意:
(3)计算均方 • 以A因素为例 :V S A A fA
以A×B为例
:
VAB
S AB f AB
误差的均方:
Se Ve fe
注意: • 若某因素或交互作用的均方≤Ve,则应将它们归入误差列
• 计算新的误差、均方
例:若VA ≤Ve 则:
Se Se S A
f fe f A
S Ve e fe
e
(4)计算F值 • 各均方除以误差的均方,例如:
VA FA Ve
或
VA FA Ve
FA B
VAB Ve
或
FA B
VAB Ve
(5)显著性检验
• 例如:
– 若FA F ( f A , fe ) ,则因素A对试验结果有显著 影响
• 方差分析的基本步骤如下:
(1)计算离差平方和 (2)计算自由度 (3)计算平均离差平方和(均方) (4)计算F 值 (5)显著性检验
(1)计算离差平方和 ①总偏差平方和
n 1 1 2 2 2 2 ST ( xi x) xi ( xi ) QT T n i 1 n i 1 i 1 n n
• 若交互作用占有多列,则其离差平方和等于所占 多列离差平方和之和, 例:m=3时
S AB S S (AB) (AB)
1 2
④试验误差的离差平方和 • 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 :
Se S空列
(2)计算自由度 ①总自由度 :fT=n-1 ②任一列离差平方和对应的自由度 :
fj=m-1
③交互作用的自由度 :(以A×B为例) • fA×B=fA ×fB
• fA×B=(m-1 )fj
– 若m = 2, fA×B=fj – 若m = 3, fA×B= 2fj= fA +fB ④误差的自由度: fe=空白列自由度之和
– 有拟水平的列平方和的计算 – 误差平方和的计算
– 误差自由度的计算
• 例6-6
习题
对第1,5,6题进行方差分析
设:
QT x
i 1
n
2 i
T xi
i 1
n
②各因素引起的离差平方和 • 第j列所引起的离差平方和 :
1 m 2 T2 S j ( K pj ) r p 1 n
ST S j Se
j 1 k
③交互作用的离差平方和
• 若交互作用只占有一列,则其离差平方和就等于 所在列的离差平方和Sj
– 若 FAB F ( f AB , fe ) ,则交互作用A×B对试验 结果有显著影响
(6)列方差分析表
6.2 二水平正交试验的方差分析
• 正交表中任一列对应的离差平方和:
1 2 S j ( K1 j K 2 j ) n
例6-1
6.2.2 三水平正交试验的方差分析
• m=3,所以任一列的离差平方和: