正交试验设计方法 讲义及举例
正交试验设计方法讲义及举例
第5章 正交试验设计方法
5．1 试验设计方法概述
试验设计是数理统计学的一个重要的分支。多数数理统计方法主要用于分析已经得到的数据，而试验设计却是用于决定数据收集的方法。试验设计方法主要讨论如何合理地安排试验以及试验所得的数据如何分析等。
例5-1 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5-1）。试验的目的是为提高合格产品的产量，寻求最适宜的操作条件。
对此实例该如何进行试验方案的设计呢？
很容易想到的是全面搭配法方案（如图5-1所示）：
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）。因素、水平数
愈多，则实验次数就愈多，例如，做一个6因素3水平的试验，就需36＝729次实验，显然难以做到。因此需要寻找一种合适的试验设计方法。
试验设计方法常用的术语定义如下。
试验指标：指作为试验研究过程的因变量，常为试验结果特征的量（如得率、纯度等）。例1的试验指标为合格产品的产量。
因素：指作试验研究过程的自变量，常常是造成试验指标按某种规律发生变化的那些原因。如例1的温度、压力、碱的用量。
水平：指试验中因素所处的具体状态或情况，又称为等级。如例1的温度有3个水平。温度用T 表示，下标1、2、3表示因素的不同水平，分别记为T 1、T 2、T 3。
常用的试验设计方法有：正交试验设计法、均匀试验设计法、单纯形优化法、双水平单纯形优化法、回归正交设计法、序贯试验设计法等。可供选择的试验方法很多，各种试验设计方法都有其一定的特点。所面对的任务与要解决的问题不同，选择的试验设计方法也应有所不同。由于篇幅的限制，我们只讨论正交试验设计方法。 5．2 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。其特点为：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。
从例1可看出，采用全面搭配法方案，需做27次实验。那么采用简单比较法方案又如何呢？
先固定T 1和p 1，只改变m ，观察因素m 不同水平的影响，做了如图2-2（1）所示的三次实验，发现 m ＝m 2时的实验效果最好（好的用 □ 表示），合格产品的产量最高，因此认为在后面的实验中因素m 应取m 2水平。
固定T 1和m 2，改变p 的三次实验如图5-2（2）所示，发现p ＝p ３时的实验效果最好，因此认为因素p 应取p ３水平。
固定p ３和m 2，改变T 的三次实验如图5-2（3）所示，发现因素T 宜取T 2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T 2p ３m 2。与全面搭配法方案相比，简单比较法方案的优点是实验的次数少，只需做9次实验。但必须指出，简单比较法方案的试验结果是不可靠的。因为，①在改变m 值（或p 值，或T 值）的三次实验中，说m 2（或p ３或T 2 ）水平最好是有条件的。在T ≠T １，p ≠p １时，m 2 水平不是最好的可能性是有的。②在改变m 的三次实验中，固定T ＝T ２，p ＝p ３ 应该说也是可以的，是随意的，故在此方案中数据点的分布的均匀性是毫无保障的。③用这种方法比较条件好坏时，只是对单个的试验数据进行数值上的简单比较，不能排除必然存在的试验数据误差的干扰。
运用正交试验设计方法，不仅兼有上述两个方案的优点，而且实验次数少，数据点分布均匀，结论的可靠性较好。
正交试验设计方法是用正交表来安排试验的。对于例1适用的正交表是L 9（34），其试验安排见表5-2。
所有的正交表与L 9（34）正交表一样，都具有以下两个特点：
（1） 在每一列中，各个不同的数字出现的次数相同。在表L 9（34）中，每一列有三个水平，水平1、2、3都是各出现3次。
（2） 表中任意两列并列在一起形成若干个数字对，
不同数字对出现的次数也都相同。
在表L9（34）中，任意两列并列在一起形成的数字对共有9个：（1,1），（1,2），（1,3），（2,1），（2,2），（2,3），（3,1），（3,2），（3,3），每一个数字对各出现一次。
表5－2 试验安排表
这两个特点称为正交性。正是由于正交表具有上述特点，就保证了用正交表安排的试验方案中因素水平是均衡搭配的，数据点的分布是均匀的。因素、水平数愈多，运用正交试验设计方法，愈发能显示出它的优越性，如上述提到的6因素3水平试验，用全面搭配方案需729次，若用正交表L27（313）来安排，则只需做27次试验。
在化工生产中，因素之间常有交互作用。如果上述的因素T的数值和水平发生变化时，试验指标随因素p变化的规律也发生变化，或反过来，因素p的数值和水平发生变化时，试验指标随因素T变化的规律也发生变化。这种情况称为因素T、p间有交互作用，记为T×p 。
5．3 正交表
使用正交设计方法进行试验方案的设计，就必须用到正交表。正交表请查阅有关参考书。
5.3.1 各列水平数均相同的正交表
各列水平数均相同的正交表，也称单一水平正交表。这类正交表名称的写法举例如下：
各列水平均为2的常用正交表有：L4（23），L8（27），L12（211），L16（215），L20（219），L32（231）。
各列水平数均为3的常用正交表有：L9（34），L27（313）。
各列水平数均为4的常用正交表有：L16（45）
各列水平数均为3的常用正交表有：L25（56）
5.3.2 混合水平正交表
各列水平数不相同的正交表，叫混合水平正交表，下面就是一个混合水平正交表名称的写法：
L 8（41×24）常简写为L 8（4×24）。此混合水平正交表含有1 个4水平列，4个2水平列，共有1＋4＝5列。
5.3.3 选择正交表的基本原则
一般都是先确定试验的因素、水平和交互作用，后选择适用的L表。在确定因素的水平数时，主要因素宜多安排几个水平，次要因素可少安排几个水平。
（1）先看水平数。若各因素全是2水平，就选用L(2＊)表；若各因素全是3水平，就选L(3＊)表。若各因素的水平数不相同，就选择适用的混合水平表。
（2）每一个交互作用在正交表中应占一列或二列。要看所选的正交表是否足够大，能否容纳得下所考虑的因素和交互作用。为了对试验结果进行方差分析或回归分析，还必须至少留一个空白列，作为“误差”列，在极差分析中要作为“其他因素”列处理。
（3）要看试验精度的要求。若要求高，则宜取实验次数多的L表。
（4）若试验费用很昂贵，或试验的经费很有限，或人力和时间都比较紧张，则不宜选实验次数太多的L表。
（5）按原来考虑的因素、水平和交互作用去选择正交表，若无正好适用的正交表可选，简便且可行的办法是适当修改原定的水平数。
（6）对某因素或某交互作用的影响是否确实存在没有把握的情况下，选择L表时常为该选大表还是选小表而犹豫。若条件许可，应尽量选用大表，让影响存在的可能性较大的因素和交互作用各占适当的列。某因素或某交互作用的影响是否真的存在，留到方差分析进行显著性检验时再做结论。这样既可以减少试验的工作量，又不致于漏掉重要的信息。
5.3.4 正交表的表头设计
所谓表头设计，就是确定试验所考虑的因素和交互作用，在正交表中该放在哪一列的问题。
（1）有交互作用时，表头设计则必须严格地按规定办事。因篇幅限制，此处不讨论，请查阅有关书籍。
（2）若试验不考虑交互作用，则表头设计可以是任意的。如在例5-1中，对L 9（3 4）表头设计，表5-3所列的各种方案都是可用的。但是正交表的构造是组合数学问题，必须满
足5.2中所述的特点。对试验之初不考虑交互作用而选用较大的正交表，空列较多时，最好
仍与有交互作用时一样，按规定进行表头设计。只不过将有交互作用的列先视为空列，待试验结束后再加以判定。
5．4 正交试验的操作方法
（1）分区组。对于一批试验，如果要使用几台不同的机器，或要使用几种原料来进行，为了防止机器或原料的不同而带来误差，从而干扰试验的分析，可在开始做实验之前，用L 表中未排因素和交互作用的一个空白列来安排机器或原料。
与此类似，若试验指标的检验需要几个人（或几台机器）来做，为了消除不同人（或仪器）检验的水平不同给试验分析带来干扰，也可采用在L表中用一空白列来安排的办法。这样一种作法叫做分区组法。
（2）因素水平表排列顺序的随机化。如在例5-1中，每个因素的水平序号从小到大时，因素的数值总是按由小到大或由大到小的顺序排列。按正交表做试验时，所有的1水平要碰在一起，而这种极端的情况有时是不希望出现的，有时也没有实际意义。因此在排列因素水平表时，最好不要简单地按因素数值由小到大或由大到小的顺序排列。从理论上讲，最好能使用一种叫做随机化的方法。所谓随机化就是采用抽签或查随机数值表的办法，来决定排列的别有顺序。
（3）试验进行的次序没必要完全按照正交表上试验号码的顺序。为减少试验中由于先后实验操作熟练的程度不匀带来的误差干扰，理论上推荐用抽签的办法来决定试验的次序。
（4）在确定每一个实验的实验条件时，只需考虑所确定的几个因素和分区组该如何取值，而不要（其实也无法）考虑交互作用列和误差列怎么办的问题。交互作用列和误差列的取值问题由实验本身的客观规律来确定，它们对指标影响的大小在方差分析时给出。
（5）做实验时，要力求严格控制实验条件。这个问题在因素各水平下的数值差别不大时更为重要。例如，例5-1中的因素（加碱量）m的三个水平：m1＝2.0，m2=2.5，m3=3.0，在以m＝m2=2.5为条件的某一个实验中，就必须严格认真地让m2=2.5。若因为粗心和不负责任，造成m2=2.2或造成m2=3.0，那就将使整个试验失去正交试验设计方法的特点，使极差和方差分析方法的应用丧失了必要的前提条件，因而得不到正确的试验结果。
5．5 正交试验结果分析方法
正交试验方法之所以能得到科技工作者的重视并在实践中得到广泛的应用，其原因不仅在于能使试验的次数减少，而且能够用相应的方法对试验结果进行分析并引出许多有价值的结论。因此，有正交试验法进行实验，如果不对试验结果进行认真的分析，并引出应
该引出的结论，那就失去用正交试验法的意义和价值。
5.5.1 极差分析方法
下面以表5-4为例讨论L4（23）正交试验结果的极差分析方法。极差指的是各列中各水平对应的试验指标平均值的最大值与最小值之差。从表5-4的计算结果可知，用极差法分析正交试验结果可引出以下几个结论：
（1）在试验范围内，各列对试验指标的影响从大到小的排队。某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。
（2）试验指标随各因素的变化趋势。为了能更直观地看到变化趋势，常将计算结果绘制成图。
（3）使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。
（4）可对所得结论和进一步的研究方向进行讨论。
5.5.2 方差分析方法
5.5.2.1 计算公式和项目
试验指标的加和值＝∑
=n
i i y 1
，试验指标的平均值∑==
n
i i y n
y 1
1
，以第j 列为例：
⑴ Ⅰj ＿＿ “1”水平所对应的试验指标的数值之和 ⑵ Ⅱj —— “2”水平所对应的试验指标的数值之和
⑶ ……
⑷
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
⑸ Ⅰj / k j —— “1”水平所对应的试验指标的平均值 ⑹ Ⅱj / k j ——
“1”水平所对应的试验指标的平均值 ⑺ ……
以上7项的计算方法同极差法（见表5-4）。 ⑻ 偏差平方和
+???
?
??-+???? ??-+???? ??-=2
2
2
III II I y k k y k k y k k S j j j j j j j j j j
⑼ f j ——自由度。f j ＝第j 列的水平数－1。
⑽ V j ——方差。V j ＝S j ／f j 。
⑾ V e ——误差列的方差。V e ＝S e ／f e 。式中，e 为正交表的误差列。 ⑿ F j ——方差之比 F j ＝V j ／V e 。
⒀ 查F 分布数值表（F 分布数值表请查阅有关参考书）做显著性检验。 ⒁ 总的偏差平方和 ()
∑=-=
n
i i y y S 1
2
总
⒂ 总的偏差平方和等于各列的偏差平方和之和。即 ∑=m
j j
S
S 1
＝总
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 e 1 ＋S e 2 ＋S e 3 ＋S e 4 ＋S e 5 ；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。 5.5.2.2 可引出的结论
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在分析每列对指标影响中所起的作用。如果某列对指标影响不显著，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与在以某种“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。
5．6 正交试验方法在化工原理实验中的应用举例
例5-2为提高真空吸滤装置的生产能力，请用正交试验方法确定恒压过滤的最佳操作条件。其恒压过滤实验的方法、原始数据采集和过滤常数计算等见《过滤实验》部分。影响实验的主要因素和水平见表5-5（a）。表中Δp为过滤压强差；T为浆液温度；w为浆液质量分数；M为过滤介质（材质属多孔陶瓷）。
解：（1）试验指标的确定：恒压过滤常数K（m2/s）
（2）选正交表：根据表5-5（a）的因素和水平，可选用L 8（4×24）表。
（3）制定实验方案：按选定的正交表，应完成8次实验。实验方案见表5-5（b）。
（4）实验结果：将所计算出的恒压过滤常数K（m2/s）列于表5-5（b）。
表5-5（a）过滤实验因素和水平
* G2、G3为过滤漏斗的型号。过滤介质孔径：G2为30~50μm、G3为16~30μm。
表2-5（b）正交试验的试验方案和实验结果
（5）指标K的极差分析和方差分析：
分析结果见表5-5（c）。以第2列为例说明计算过程：
Ⅰ2＝4.01×10－4＋5.21×10－4＋4.83×10－4＋5.11×10－4＝1.92×10－3
Ⅱ2 ＝2.93×10－4＋5.55×10－4＋1.02×10－3＋1.10×10－3＝2.97×10－3
k2＝4
Ⅰ2/ k2＝1.92×10-3／4＝4.79×10－4
Ⅱ2/ k2＝2.97×10－3／4＝7.42×10－4
D2＝7.42×10－4 - 4.79×10－4＝2.63×10－4
ΣK＝4.88×10－3 =
K6.11×10－4
S2＝k2（Ⅰ2/ k2－K）2＋k2（Ⅱ2/ k2－K）2
＝4（4.79×10－4－6.11×10－4 ）2 ＋4（7.42×10－4－6.11×10－4 ）2 ＝1.38×10－7 f2＝第二列的水平数－1＝2－1＝1
V2＝S2／f2＝1.38×10－7／1＝1.38×10－7
S e＝S5＝k5（Ⅰ5/ k5－K）2＋k5（Ⅱ5/ k5－K）2
＝4（6.22×10－4－6.11×10－4 ）2 ＋4（5.99×10－4－6.11×10－4 ）2 ＝1.06×10－9
f e＝f5＝1
V e＝S e／f e＝1.06×10－9／1＝1.06×10－9
F2 =V2／V e＝1.38×10－7／1.06×10－9＝130.2
查《F 分布数值表》可知：
F（а＝0.01，f1＝1，f2＝1）＝4052 > F2
F（а＝0.05，f1＝1，f2＝1）＝161.4>F2
F（а＝0.10，f1＝1，f2＝1）＝39.9 < F2
F（а＝0.25，f1＝1，f2＝1）＝5.83 < F2
（其中：f1 为分子的自由度，f2 分母的自由度）
所以第二列对试验指标的影响在α＝0.10水平上显著。其他列的计算结果见表2-5（c）。
表5－5（c）K的极差分析和方差分析
（6）由极差分析结果引出的结论：请同学们自己分析。 （7）由方差分析结果引出的结论。
① 第1、2列上的因素 Δp 、T 在α＝0.10水平上显著；第3列上的因素w 在α＝0.05水平上显著；第4列上的因素M 在α＝0.25水平上仍不显著。
② 各因素、水平对K 的影响变化趋势见图5-3。图5-3是用表5-5（a ）的水平、因素和表5-5（c ）的Ⅰj / k j 、Ⅱj / k j 、Ⅲj / k j 、Ⅳj / k 值来标绘的。从图中可看出： A ．过滤压强差增大，K 值增大； B ．过滤温度增大，K 值增大； C ．过滤浓度增大，K 值减小；
D ．过滤介质由1水平变为2水平，多孔陶瓷微孔直径减小， K 值减小。因为第4列对K 值的影响在α＝0.25水平上不显著，所以此变化趋势是不可信的。
③ 适宜操作条件的确定。由恒压过滤速率议程式可知，试验指标K 值愈大愈好。为此，本例的适宜操作条件是各水平下K 的平均值最大时的条件： 过滤压强差为4水平，5.88kPa
过滤温度为2水平，33
℃
过滤浆液浓度为1水平，稀滤液
过滤介质为1水平或2水平（这是因为第4列对K 值的影响在α＝0.25水平上不显著。为此可优先选择价格便宜或容易得到者）。
上述条件恰好是正交表中第8个试验号。
黑盒测试举例
软件测试分类及介绍： 软件测试是一项复杂的系统工程，从不同的角度考虑可以有不同的划分方法，对测试进行分类是为了更好的明确测试的过程，了解测试究竟要完成哪些工作，尽量做到全面测试。 1,按是否需要执行被测软件的角度 按是否需要执行被测软件的角度，可分为静态测试和动态测试，前者不利用计算机运行待测程序而应用其他手段实现测试目的，如代码审核。（我认为主要是让测试人员对编译器发现不了的潜在错误进行分析，如无效的死循环，多余的变量等），而动态测试则通过运行被测试软件来达到目的。 2、按阶段划分： 1 单元测试 单元测试是对软件中的基本组成单位进行的测试，如一个模块、一个过程等等。它是软件动态测试的最基本的部分，也是最重要的部分之一，其目的是检验软件基本组成单位的正确性。因为单元测试需要知道内部程序设计和编码的细节知识，一般应由程序员而非测试员来完成，往往需要开发测试驱动模块和桩模块来辅助完成单元测试。因此应用系统有一个设计很好的体系结构就显得尤为重要。 一个软件单元的正确性是相对于该单元的规约而言的。因此，单元测试以被测试单位的规约为基准。单元测试的主要方法有控制流测试、数据流测试、排错测试、分域测试等等。
2 集成测试 集成测试是在软件系统集成过程中所进行的测试，其主要目的是检查软件单位之间的接口是否正确。它根据集成测试计划，一边将模块或其他软件单位组合成越来越大的系统，一边运行该系统，以分析所组成的系统是否正确，各组成部分是否合拍。集成测试的策略主要有自顶向下和自底向上两种。 3 系统测试 系统测试是对已经集成好的软件系统进行彻底的测试，以验证软件系统的正确性和性能等满足其规约所指定的要求，检查软件的行为和输出是否正确并非一项简单的任务，它被称为测试的“先知者问题”。因此，系统测试应该按照测试计划进行，其输入、输出和其他动态运行行为应该与软件规约进行对比。软件系统测试方法很多，主要有功能测试、性能测试、随机测试等等。 4 验收测试 验收测试旨在向软件的购买者展示该软件系统满足其用户的需求。它的测试数据通常是系统测试的测试数据的子集。所不同的是，验收测试常常有软件系统的购买者代表在现场，甚至是在软件安装使用的现场。这是软件在投入使用之前的最后测试。 5 回归测试 回归测试是在软件维护阶段，对软件进行修改之后进行的测试。其目的是检验对软件进行的修改是否正确。这里，修改的正确性有两重含义：一是所作的修改达到了预定目的，如错误得到改正，能够适应新的运行环境等等；二是不影响软件的其他功能的正确性。
正交试验设计方法 讲义及举例
正交试验设计方法讲义及举例 第5章 正交试验设计方法 5．1 试验设计方法概述 试验设计是数理统计学的一个重要的分支。多数数理统计方法主要用于分析已经得到的数据，而试验设计却是用于决定数据收集的方法。试验设计方法主要讨论如何合理地安排试验以及试验所得的数据如何分析等。 例5-1 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5-1）。试验的目的是为提高合格产品的产量，寻求最适宜的操作条件。 对此实例该如何进行试验方案的设计呢？ 很容易想到的是全面搭配法方案（如图5-1所示）： 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）。因素、水平数 愈多，则实验次数就愈多，例如，做一个6因素3水平的试验，就需36＝729次实验，显然难以做到。因此需要寻找一种合适的试验设计方法。 试验设计方法常用的术语定义如下。 试验指标：指作为试验研究过程的因变量，常为试验结果特征的量（如得率、纯度等）。例1的试验指标为合格产品的产量。 因素：指作试验研究过程的自变量，常常是造成试验指标按某种规律发生变化的那些原因。如例1的温度、压力、碱的用量。 水平：指试验中因素所处的具体状态或情况，又称为等级。如例1的温度有3个水平。温度用T 表示，下标1、2、3表示因素的不同水平，分别记为T 1、T 2、T 3。
常用的试验设计方法有：正交试验设计法、均匀试验设计法、单纯形优化法、双水平单纯形优化法、回归正交设计法、序贯试验设计法等。可供选择的试验方法很多，各种试验设计方法都有其一定的特点。所面对的任务与要解决的问题不同，选择的试验设计方法也应有所不同。由于篇幅的限制，我们只讨论正交试验设计方法。 5．2 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。其特点为：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。 从例1可看出，采用全面搭配法方案，需做27次实验。那么采用简单比较法方案又如何呢？ 先固定T 1和p 1，只改变m ，观察因素m 不同水平的影响，做了如图2-2（1）所示的三次实验，发现 m ＝m 2时的实验效果最好（好的用 □ 表示），合格产品的产量最高，因此认为在后面的实验中因素m 应取m 2水平。 固定T 1和m 2，改变p 的三次实验如图5-2（2）所示，发现p ＝p ３时的实验效果最好，因此认为因素p 应取p ３水平。 固定p ３和m 2，改变T 的三次实验如图5-2（3）所示，发现因素T 宜取T 2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T 2p ３m 2。与全面搭配法方案相比，简单比较法方案的优点是实验的次数少，只需做9次实验。但必须指出，简单比较法方案的试验结果是不可靠的。因为，①在改变m 值（或p 值，或T 值）的三次实验中，说m 2（或p ３或T 2 ）水平最好是有条件的。在T ≠T １，p ≠p １时，m 2 水平不是最好的可能性是有的。②在改变m 的三次实验中，固定T ＝T ２，p ＝p ３ 应该说也是可以的，是随意的，故在此方案中数据点的分布的均匀性是毫无保障的。③用这种方法比较条件好坏时，只是对单个的试验数据进行数值上的简单比较，不能排除必然存在的试验数据误差的干扰。 运用正交试验设计方法，不仅兼有上述两个方案的优点，而且实验次数少，数据点分布均匀，结论的可靠性较好。 正交试验设计方法是用正交表来安排试验的。对于例1适用的正交表是L 9（34），其试验安排见表5-2。 所有的正交表与L 9（34）正交表一样，都具有以下两个特点： （1） 在每一列中，各个不同的数字出现的次数相同。在表L 9（34）中，每一列有三个水平，水平1、2、3都是各出现3次。 （2） 表中任意两列并列在一起形成若干个数字对， 不同数字对出现的次数也都相同。
正交实验法详解
正交实验法的由来 一、正交表的由来 拉丁方名称的由来 古希腊是一个多民族的国家，国王在检阅臣民时要求每个方队中每行有一个民族代表，每列也要有一个民族的代表。 数学家在设计方阵时，以每一个拉丁字母表示一个民族，所以设计的方阵称为拉丁方。 什么是n阶拉丁方？ 用n个不同的拉丁字母排成一个n阶方阵(n<26 )，如果每行的n个字母均不相同，每列的n个字母均不相同，则称这种方阵为n*n拉丁方或n阶拉丁方。每个字母在任一行、任一列中只岀现一次。 什么是正交拉丁方？ 设有两个n阶的拉丁方，如果将它们叠合在一起，恰好岀现n2个不同的有序数对，则称为这两个拉 丁方为互相正交的拉丁方，简称正交拉丁方。 例如：3阶拉丁方(图1) ABC ABC B C A 和CAB CAS B C A 用数字替代拉丁字母：(图2) 1 2 3 (l f l) (2,2)(艮可 3 12 -> (2r3) (3r l) (1.2) 2 3 1 (3 辺(13) (2A) 二、正交实验法
正交试验设计(Orthogonal experimental design) 是研究多因素多水平的又一种设计方法，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，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。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。例如作一个三因素 三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。若按 L9(33)正交表按排实验，只需作9次，按L18(37)正交表进行18次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 利用因果图来设计测试用例时,作为输入条件的原因与输岀结果之间的因果关系，有时很难从软件需求规格说明中得到。往往因果关系非常庞大，以至于据此因果图而得到的测试用例数目多的惊人，给软件测试带来沉重的负担，为了有效地，合理地减少测试的工时与费用，可利用正交实验设计方法进行测试用例的设计。 正交实验设计方法：依据Galois理论，从大量的(实验)数据(测试例)中挑选适量的、有代表性的点(例)，从而合理地安排实验(测试)的一种科学实验设计方法。类似的方法有：聚类分析方法、因子方法方法等。 三、利用正交实验设计测试用例的步骤： (1)提取功能说明，构造因子--状态表 把影响实验指标的条件称为因子，而影响实验因子的条件叫因子的状态。 利用正交实验设计方法来设计测试用例时，首先要根据被测试软件的规格说明书找岀影响其功能实现 的操作对象和外部因素，把他们当作因子；而把各个因子的取值当作状态。对软件需求规格说明中 的功能要求进行划分，把整体的、概要性的功能要求进行层层分解与展开，分解成具体的有相对独立性的、基本的功能要求。这样就可以把被测试软件中所有的因子都确定下来，并为确定每个因子的 权值提供参考的依据。确定因子与状态是设计测试用例的关键。因此要求尽可能全面的、正确的确
用正交实验法设计测试用例
用正交实验法设计测试用例 正交实验法的由来 一、正交表的由来 拉丁方名称的由来 古希腊是一个多民族的国家，国王在检阅臣民时要求每个方队中每行有一个民族代表，每列也要有一个民族的代表。 数学家在设计方阵时，以每一个拉丁字母表示一个民族，所以设计的方阵称为拉丁方。 什么是n阶拉丁方？ 用n个不同的拉丁字母排成一个n阶方阵（n<26 ），如果每行的n个字母均不相同，每列的n个字母均不相同，则称这种方阵为n*n拉丁方或n阶拉丁方。每个字母在任一行、任一列中只出现一次。 什么是正交拉丁方？ 设有两个n阶的拉丁方，如果将它们叠合在一起，恰好出现n2个不同的有序数对，则称为这两个拉丁方为互相正交的拉丁方，简称正交拉丁方。 例如：3阶拉丁方 用数字替代拉丁字母： 二、正交实验法
正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法，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，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。 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。例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。若按L9(33) 正交表按排实验，只需作9次，按L18(37) 正交表进行18次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 利用因果图来设计测试用例时, 作为输入条件的原因与输出结果之间的因果关系,有时很难从软件需求 规格说明中得到。往往因果关系非常庞大,以至于据此因果图而得到的测试用例数目多的惊人，给软件测试带来沉重的负担，为了有效地,合理地减少测试的工时与费用,可利用正交实验设计方法进行测试用例的设计。 正交实验设计方法:依据Galois理论,从大量的（实验）数据（测试例）中挑选适量的、有代表性的点（例），从而合理地安排实验（测试）的一种科学实验设计方法。类似的方法有:聚类分析方法、因子方法方法等。 三、利用正交实验设计测试用例的步骤： （1）提取功能说明,构造因子--状态表 把影响实验指标的条件称为因子，而影响实验因子的条件叫因子的状态。 利用正交实验设计方法来设计测试用例时，首先要根据被测试软件的规格说明书找出影响其功能实现的操作对象和外部因素，把他们当作因子；而把各个因子的取值当作状态。对软件需求规格说明中的功能要求进行划分，把整体的、概要性的功能要求进行层层分解与展开，分解成具体的有相对独立性的、基本的功能要求。这样就可以把被测试软件中所有的因子都确定下来，并为确定每个因子的权值提供参考的依据。确定因子与状态是设计测试用例的关键。因此要求尽可能全面的、正确的确定取值，以确保测试用例的设计作到完整与有效。 （2）加权筛选,生成因素分析表 对因子与状态的选择可按其重要程度分别加权。可根据各个因子及状态的作用大小、出现频率的大小以及测试的需要，确定权值的大小。 （3）利用正交表构造测试数据集 利用正交实验设计方法设计测试用例，比使用等价类划分、边界值分析、因果图等方法有以下优点：节省测试工作工时；可控制生成的测试用例数量；测试用例具有一定的覆盖率。 在使用正交实验法时，要考虑到被测系统中要准备测试的功能点，而这些功能点就是要获取的因子或因素，但每个功能点要输入的数据按等价类划分有多个，也就是每个因素的输入条件，即状态或水平值。 四、正交表的构成 行数(Runs)：正交表中的行的个数，即试验的次数，也是我们通过正交实验法设计的测试用例的个数。
正交矩阵的作用
正交矩阵的作用 引言 正交矩阵是一类重要的实方阵，由于它的一些特殊的性质，使得它在不同的领域都有着广泛的作用,也推动了其它学科的发展.本文从正交矩阵的最主要的性质入手，来讨论它的四点作用. 首先，我们来了解一下正交矩阵的定义. 一.正交矩阵的定义及性质 (一)正交矩阵的定义 定义1n阶实矩阵A，若满足A A E '=，则称A为正交矩阵. 定义2n阶实矩阵A，若满足AA E '=，则称A为正交矩阵. 定义3 n阶实矩阵A，若满足1 '=，则称A为正交矩 A A- 阵. 定义4n阶实矩阵A的n个行（列）向量是两两正交的单位向量，则称A为正交矩阵. 以上四个定义是等价定义. (二)正交矩阵的性质
设A 为正交矩阵，它有如下的主要性质. <1>∣A ∣=±1，A -1存在，并且A -1也为正交矩阵； <2>A ′，A *也是正交矩阵； 当∣A ∣=1时，* A A '= ，即ij ij a A =； 当∣A ∣=-1时,*A A '=-,即ij ij a A =-. <3>若B 也是正交矩阵，则11,,,,AB A B AB A B AB --''都为正交 矩阵. 证明 <1>显然 1A =± () 1 1 11 ()() A A A ----''== 所以1A -也是正交矩阵. <2>1 A A -'= ，显然A '为正交矩阵. 由 1A =±，* 1 A A A A -'== 当 1A =时，*A A '=，即ij ij a A = 当 1A =-时，*A A '=-，即ij ij a A =- 所以*A 为正交矩阵. <3>由1 A A -'= ，1B B -'= 可知 1 1 1 ()() AB B A B A AB ---'''=== 故A B 为正交矩阵.由<1>,<2>推知11,,,A B AB A B AB --''均为正交矩阵.
正交试验设计方法讲义及举例
正交试验设计方法讲义及举例 第5章正交试验设计方法 5．1 试验设计方法概述 试验设计是数理统计学的一个重要的分支。多数数理统计方法主要用于分析已经得到的数据，而试验设计却是用于决定数据收集的方法。试验设计方法主要讨论如何合理地安排试验以及试验所得的数据如何分析等。 例5-1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5-1）。试验的目的是为提高合格产品的产量，寻求最适宜的操作条件。 对此实例该如何进行试验方案 的设计呢 很容易想到的是全面搭配法方 案（如图5-1所示）： 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）。因素、 水平数愈多，则实验次数就愈多，例如，做一个6因素3水平的试验，就需36＝729次实验，显然难以做到。因此需要寻找一种合适的试验设计方法。 试验设计方法常用的术语定义如下。 试验指标：指作为试验研究过程的因变量，常为试验结果特征的量（如得率、纯度等）。例1的试验指标为合格产品的产量。 因素：指作试验研究过程的自变量，常常是造成试验指标按某种规律发生变化的那些原因。如例1的温度、压力、碱的用量。 水平：指试验中因素所处的具体状态或情况，又称为等级。如例1的温度有3个水平。 表5－1 因素水平 水 平 因 素 温 度℃ 压力Pa加碱量kg 符 号 T p m 1 2 3 T1 (80 ) T2(10 p1 p2 p3 m 1 m2 m3 图5－1 全面搭配法方案
温度用T表示，下标1、2、3表示因素的不同水平，分别记为T1、T2、T3。 常用的试验设计方法有：正交试验设计法、均匀试验设计法、单纯形优化法、双水平单纯形优化法、回归正交设计法、序贯试验设计法等。可供选择的试验方法很多，各种试验设计方法都有其一定的特点。所面对的任务与要解决的问题不同，选择的试验设计方法也应有所不同。由于篇幅的限制，我们只讨论正交试验设计方法。 5．2 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。其特点为：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。 从例1可看出，采用全面搭配法方案，需做27次实验。那么采用简单比较法方案又如何呢 先固定T1和p1，只改变m，观察因素m不同水平的影响，做了如图2-2（1）所示的三次实验，发现m＝m2时的实验效果最好（好的用□表示），合格产品的产量最高，因此认为在后面的实验中因素m应取m2水平。 固定T1和m2，改变p的三次实验如图5-2（2）所示，发现p＝p３时的实验效果最好，因此认为因素p应取p３水平。 固定p３和m2，改变T 的三次实验如图5-2（3）所示，发现因素T 宜取T2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T2p３m2。与全面搭配法方案相比，简单比较法方案的优点是实验的次数少，只需做9次实验。但必须指出，简单比较法方案的试验结果是不可靠的。因为，①在改变m值（或p值，或T值）的三次实验中，说m2（或p３或T2）水平最好是有条件的。在T≠T１，p≠p１时，m2水平不是最好的可能性是有的。②在改变m的三次实验中，固定T＝T２，p＝p３应该说也是可以的，是随意的，故在此方案中数据点的分布的均匀性是毫无保障的。③用这种方法比较条件好坏时，只是对单个的试验数据进行数值上的简单比较，不能排除必然存在的试验数据误差的干扰。 运用正交试验设计方法，不仅兼有上述两个方案的优点，而且实验次数少，数据点分布均匀，结论的可靠性较好。 正交试验设计方法是用正交表来安排试验的。对于例1适用的正交表是L9（34），其试验安排见表5-2。 所有的正交表与L9（34）正交表一样，都具有以下两个特点： （1）在每一列中，各个不同的数字出现的次数相同。在表L9（34）中，每一列有三个水平，水平1、2、3都是各出现3次。 图5－2 简单比较法
测试用例设计思路举例(参考)
ECShop2.7.2用例设计思路举例 说明 用例设计方法的运用非常灵活，没有绝对的套路可言，以下用例设计思路仅供参考。 操作流程举例 参考文档： ?ECShop_2.7.2_简易操作手册V1.0， ?B2C商城ECShop需求规格说明书_2.7.2V1.0 设计思路： 根据操作手册，理清业务逻辑前后关系，再结合SRS文档确定具体的流程细节和分支流程。可以通过画流程的方式梳理流程（流程分析法），下面是部分主流程的案例： ?正向订单流程_余额付款 1)前台页面浏览商品->加入购物车->结算中心->余额付款 2)后台管理中心订单查询->配货->生成发货单->确认生成发货单->去发货->发货 3)前台页面确认收货END ?正向订单流程_货到付款 1)前台页面浏览商品->加入购物车->结算中心->货到付款 2)后台管理中心订单查询->配货->生成发货单->确认生成发货单->去发货 ?逆向订单流程 1）前台页面确认收货->后台管理中心退货->填写退货信息点确定按钮->确认退货 ?商品添加流程_新商品 1）后台管理中心商品管理->新建商品类型/新建商品分类/新建商品品牌->添加新商品（通用信息，详细描述，其他信息，商品属性，商品相册，关联商品，配件，关联 文章） 考虑完所有流程后，再补充考虑部分异常情况，例如：流程中的先后顺序发生变化，或者跳过某个步骤后，系统能否完成后续流程作业。（有些流程是不可能调换顺序或跳过的） Q：流程分析法在设计测试用例的时候会经过很多页面，操作很多字段，这些页面和字段该如何取值呢？ A：流程分析法一般考虑页面或字段的有效取值（一般取等价类中最不容易出错的值），测试过程中不关注页面输入域的各种取值情况，特别是错误取值的情况。目的是为了确保流程是可用的。 Q：流程分析法既然不能证明某个页面或字段没有问题，那用此法有何意义呢，为何不直接考虑验证每个页面和模块的各种有效和无效的取值？
酉矩阵和正交矩阵的性质和应用
正交矩阵与酉矩阵的性质和应用 0 前言 (1) 1 欧式空间和正交矩阵 (2) 1.1 欧式空间 (2) 1.2 正交矩阵的定义和性质 (2) 1.2.1 正交矩阵的定义和判定 (2) 1.2.2 正交矩阵的性质 (3) 2正交变换的定义和性质 (12) 2.1正交变换定义的探讨 (12) 2.2正交变换的判定 (14) 2.3正交变换的性质 (15) 3正交矩阵的应用 (17) 3.1正交矩阵在线性代数中的应用 (17) 3.2利用正交矩阵化二次型为标准形 (22) 3.2.1 对称矩阵可对角化的相关理论证明 (22) 3.2.2 对称矩阵对角化的具体方法及应用举例 (23) 3.2.3利用正交矩阵化简直角坐标系下的二次曲面方程 (25) 3.3正交矩阵在矩阵分解中的作用 (26) 3.4正交矩阵在方程组的求解中的应用 (35) 4 酉空间和酉矩阵 (38) 4.1 酉空间 (38) 4.1.1 酉空间的定义 (38) 4.1.2 酉空间的重要结论 (38) 4.2 酉矩阵 (40) 4.2.1 酉矩阵的定义 (40) 4.2.2 酉矩阵的性质 (40) 5酉矩阵的应用 (48) 5.1酉矩阵在矩阵的分解中的应用 (48) 5.2 利用酉矩阵化正规矩阵为对角形矩阵 (54) 6 正交矩阵与酉矩阵 (57) 7结论 (60) 参考文献 (62) 致谢 (63)
0前言 正交矩阵是一类特殊的实方阵,酉矩阵是一类重要的复矩阵,它们的一些特殊性质,使得它在不同的领域都有着广泛的应用,也推动了其它学科的发展. 随着科学技术的迅速发展,特别是计算机的广泛应用,矩阵问题特别是特殊矩阵的性质及其构造越来越受到科学工作者以及工程人员的重视.它不仅局限于一个数学分支,而且许多理工方法和技术的发展就是矩阵理论的创造的应用与推广的结果. 在矩阵理论的研究中,正交矩阵与酉矩阵在线性代数、优化理论、计算方法等方法都占有重要的地位.戴立辉等(2002)对正交矩阵进行了详细的研究,得到了正交矩阵的若干性质；2005年,雷纪刚在《矩阵理论与应用》中给出了正交矩阵和酉矩阵的关系并证明了酉矩阵就是等距变换；2006年,苏育才在《矩阵理论》中介绍了酉矩阵的概念的推广和酉矩阵的一系列性质；2008年,吴险峰在《正交矩阵的进一步探究》中给出了正交矩阵和酉矩阵的一些性质定理,这些都为正交矩阵和酉矩阵的应用奠定了基础. 在矩阵理论中,经常利用矩阵来描述变换.在实空间中正交变换保持度量不变,而正交变换中对应的变换矩阵就是正交矩阵,所以对正交矩阵的研究就显得格外重要.同样道理,想要得到复空间中保持度量不变的线性变换,就应该对正交变换进行推广,将其推广到复数域上,那对应的正交矩阵相应的也推广到复数域──酉矩阵.下面将通过矩阵理论的深入研究,对正交矩阵与酉矩阵进行比较,得到了酉矩阵的若干结果.
正交试验设计步骤(教学参考)
正交试验设计步骤 1 在SPSS中手动录入数据。请注意写入空白列。 2 点击数据→正交设计→生成，出现“生成正交设计”对话框。按因素水平表进行赋值， 空白列的赋值为1“1”，2“2”，3“3”
3 点击“数据”→“正交设计”→“显示”， 空白列的D可不加到右边的“因子”框中。 4 测量数据填入表8中的“STATUS_”列的相应单元格中 5单击“分析”→“一般线性模型”→“单变量” 注意不要选“空白列” 6 单击“对比”→选择“简单”
7 单击“模型”→选择“设定”→将“A”、“B”、“C”选入右边的“模型”中→单击“构建项”中的“主效应”， 8 单击“选项”→将“因子与因子交互”中的“A”、“B”、“C”选入“显示均值”中→勾选“比较主效应”， 9 结果分析 （1）方差分析结果 主体间因子 值标签N
硬脂酸钠溶液浓度 1 40 3 2 50 3 3 60 3 硫酸铝溶液浓度 1 40 3 2 50 3 3 60 3 浸渍时间 1 5 3 2 15 3 3 20 3 主体间效应的检验 因变量:STATUS_ 源III 型平方 和df 均方 F Sig. 校正模型733.073a 6 122.179 35.690 .028 截距10588.410 1 10588.410 3093.012 .000 A 423.487 2 211.743 61.853 .016 B 305.060 2 152.530 44.556 .022 C 4.527 2 2.263 .661 .602 误差 6.847 2 3.423 总计11328.330 9 校正的总计739.920 8 a. R 方 = .991（调整 R 方 = .963） 根据正交试验方差分析可知，硬脂酸钠溶液浓度和硫酸铝溶液浓度对试验指标的影响非常显著，而处理时间对试验指标的影响不显著。影响程度的大小也有差异，A＞B （2）单因素统计量分析 1. 硬脂酸钠溶液浓度 估计 因变量:STATUS_ 硬脂酸钠溶液浓度 均值标准误差 95% 置信区间下限上限 dimensio n140 25.600 1.068 21.004 30.196 50 34.933 1.068 30.337 39.530 60 42.367 1.068 37.770 46.963
正交实验设计方法--非常有用
L9（34） 序号 1 2 3 4 1 1 1 1 1 2 1 2 2 2 3 1 3 3 3 4 2 1 2 3 5 2 2 3 1 6 2 3 1 2 7 3 1 3 2 8 3 2 1 3 9 3 3 2 1 回首页 正交试验设计法 正交试验设计法的基本思想 正交表 正交表试验方案的设计 试验数据的直观分析 正交试验的方差分析 常用正交表 1．正交试验设计法的基本思想 正交试验设计法，就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。它简单易行，计算表格化，使用者能够迅速掌握。下边通过一个例子来说明正交试验设计法的基本想法。 [例1]为提高某化工产品的转化率，选择了三个有关因素进行条件试验，反应温度(A)，反应时间(B)，用碱量(C)，并确定了它们的试验范围： A：80-90℃ B：90-150分钟 C：5-7％ 试验目的是搞清楚因子A、B、C对转化率有什么影响，哪些是主要的，哪些是次要的，从而确定最适生产条件，即温度、时间及用碱量各为多少才能使转化率高。
试制定试验方案。 这里，对因子A，在试验范围内选了三个水平；因子B和C 也都取三个水平： A：Al＝80℃，A2＝85℃，A3=90℃ B：Bl＝90分，B2＝120分，B3=150分 C：Cl＝5％，C2＝6%，C3＝7% 当然，在正交试验设计中，因子可以是定量的，也可以是定性的。而定量因子各水平间的距离可以相等，也可以不相等。 这个三因子三水平的条件试验，通常有两种试验进行方法： (Ⅰ)取三因子所有水平之间的组合，即AlBlC1，A1BlC2，A1B2C1，……，A3B3C3，共有 33=27次 试验。用图表示就是图1 立方体的27个节点。这种试验法叫做全面试验法。 全面试验对各因子与指标间的关系剖析得比较清楚。但试验次数太多。特别是当因子数目多，每个因子的水平数目也多时。试验量大得惊人。如选六个因子，每个因子取五个水平时，如欲做全面试验，则需56＝15625次试验，这实际上是不可能实现的。如果应用正交实验法，只做25次试验就行了。而且在某种意义上讲，这25次试验代表了15625次试验。 图1 全面试验法取点.......... (Ⅱ)简单对比法，即变化一个因素而固定其他因素，如首先固定B、C于Bl、Cl，使A变化之： ↗A1 B1C1 →A2 ↘A3 (好结果) 如得出结果A3最好，则固定A于A3，C还是Cl，使B变化之： ↗B1 A3C1 →B2 (好结果) ↘B3 得出结果以B2为最好，则固定B于B2，A于A3，使C变化之： ↗C1 A3B2→C2 (好结果) ↘C3 试验结果以C2最好。于是就认为最好的工艺条件是A3B2C2。 这种方法一般也有一定的效果，但缺点很多。首先这种方法的选点代表性很差，如按上述方法进行试验，试验点完全分布在一个角上，而在一个很大的范围内没有选点。因此这种试验方法不全面，所选的工艺条件A3B2C2不一定是27个组合中最好的。其次，用这种方法比较条件好坏时，是把单个的试验数据拿来，进行数值上的简单比较，而试验数据中必然要包含着误差成分，所以单个数据的简单比较不能剔除误差的干扰，必然造成结论的不稳定。
正交测试步骤
三、利用正交实验设计测试用例的步骤： （1）提取功能说明,构造因子--状态表 把影响实验指标的条件称为因子，而影响实验因子的条件叫因子的状态。 利用正交实验设计方法来设计测试用例时，首先要根据被测试软件的规格说明书找出影响其功能实现的操作对象和外部因素，把他们当作因子；而把各个因子的取值当作状态。对软件需求规格说明中的功能要求进行划分，把整体的、概要性的功能要求进行层层分解与展开，分解成具体的有相对独立性的、基本的功能要求。这样就可以把被测试软件中所有的因子都确定下来，并为确定每个因子的权值提供参考的依据。确定因子与状态是设计测试用例的关键。因此要求尽可能全面的、正确的确定取值，以确保测试用例的设计作到完整与有效。 （2）加权筛选,生成因素分析表 对因子与状态的选择可按其重要程度分别加权。可根据各个因子及状态的作用大小、出现频率的大小以及测试的需要，确定权值的大小。 （3）利用正交表构造测试数据集 利用正交实验设计方法设计测试用例，比使用等价类划分、边界值分析、因果图等方法有以下优点：节省测试工作工时；可控制生成的测试用例数量；测试用例具有一定的覆盖率。 在使用正交实验法时，要考虑到被测系统中要准备测试的功能点，而这些功能点就是要获取的因子或因素，但每个功能点要输入的数据按等价类划分有多个，也就是每个因素的输入条件，即状态或水平值。 四、正交表的构成 行数(Runs)：正交表中的行的个数，即试验的次数，也是我们通过正交实验法设计的测试用例的个数。 因素数(Factors) ：正交表中列的个数，即我们要测试的功能点。 水平数(Levels)：任何单个因素能够取得的值的最大个数。正交表中的包含的值为从0到数“水平数-1”或从1到“水平数”。即要测试功能点的输入条件。 正交表的形式： L行数(水平数因素数) 如：L8(27) 五、正交表的正交性 整齐可比性 在同一张正交表中，每个因素的每个水平出现的次数是完全相同的。由于在试验中每个因素的每个水平与其它因素的每个水平参与试验的机率是完全相同的，这就保证在各个水平中最大程度的排除了其它因素水平的干扰。因而，能最有效地进行比较和作出展望，容易找到好的试验条件。 均衡分散性 在同一张正交表中，任意两列（两个因素）的水平搭配（横向形成的数字对）是完全相同的。这样就保证了试验条件均衡地分散在因素水平的完全组合之中，，因而具有很强的代表性，容易得到好的试验条件。 用正交实验法设计测试用例 以上介绍了正交实验法的由来。怎么用正交实验法进行用例的设计呢？ 一、用正交表设计测试用例的步骤 (1) 有哪些因素（变量） (2) 每个因素有哪几个水平（变量的取值） (3) 选择一个合适的正交表
正交试验设计法[17]
正交试验设计法[17] 正交试验设计是利用“正交表”选择试验的条件，并利用正交表的特点进行数据分析，找出最好的或满意的试验条件，适用于多因素的设计问题。正交试验法的理论基础是正交拉丁方理论与群论。在工作中可用的多因素寻优工作方法，一类是从优选区某一点开始试验，一步一步到达较优点，这类实验方法叫序贯试验法，如因素轮换法、爬山法等；另一类是，在优选区内一次布置一批试验点，通过对这批试验结果的分析，逐步缩小优选范围从而达到较优点，如正交试验法等。科研中普遍采用正交试验法，因其具有如下优点： ①实用上按表格安排试验，使用方便； ②布点均衡、试验次数较少； ③在正交试验法中的最好点，虽然不一定是全面试验的最好点，但也往往是相当好的点。特别在只有一两个因素起主要作用时，正交试验法能保证主要因素的各种可能都不会漏掉。这点在探索性工作中很重要，其他试验方法难于作到； ④正交试验法提供一种分析结果（包括交互作用）的方法，结果直观易分析。且每个试验水平都重复相同次数，可以消除部分试验误差的干扰； ⑤因其具有正交性，易于分析出各因素的主效应。 名词解释： 1 试验因素：影响考核指标取值的量称为试验因素(因子)，一般记为：A，B，C等。有定量的因素，可控因素，定性的因素，不可控因素等。 2 因素的位级(水平)：指试验因素所处的状态。 4 考核指标：根据试验目的而选定的用来衡量试验效果的量值(指标)。 5 完全因素位级组合：指参与实验的全部因素与全部位级相互之间的全部组合次数，即全部的实验次数。
6 部分因素位级组合：⑴单因素转换法⑵正交试验法 7 正交表的符号：正交表是运用组合数学理论在正交拉丁名的基础上构造的一种规格化的表格。符号：Ln(ji) 其中： L--正交表的符号 n--正交表的行数(试验次数，试验方案数) j--正交表中的数码(因素的位级数) i--正交表的列数(试验因素的个数) N=ji--全部试验次数(完全因素位级组合数) 总之，利用正交试验法的设计方案，结合代数方法对数据进行分析，可达到使试验收敛速度加快、试验的效率非常高的效果。可利用试验结果获取更多信息，准确掌握效应的趋势规律，而且优选点可超越所选水平范围和精度，从而可大大减少试验次数。这种联用技术，对于可获得定量结果或结果容易定量化，以及试验代价高时，很有效。 正交实验设计 当析因设计要求的实验次数太多时，一个非常自然的想法就是从析因设计的水平组合中，选择一部分有代表性水平组合进行试验。因此就出现了分式析因设计(fractional factorial designs)，但是对于试验设计知识较少的实际工作者来说，选择适当的分式析因设计还是比较困难的。 正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法，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，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。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。例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)3正交表按排实验，只需作9次，按L18(3)7正交表进行18次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 1．正交表
第7章-正交试验设计的极差分析汇总
\ 第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 & 图7-1 R 法示意图 — 图中，K jm 为第j 列因素m 水平所对应的试验指标和，K jm 为K jm 的平均值。由K jm 的大小可以判断j 因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差： R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 )
R j反映了第j列因素的水平变动时，试验指标的变动幅度。R j越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. ( 表6-4 因素水平表 酶解温度 (C) ( C 表6-6 试验方案及结果
常见的测试用例设计方法都有哪些
常见的测试用例设计方法都有哪些？请分别以具体的例子来说明这些方法在测试用例设计工作中的应用。 1. 等价类划分 常见的软件测试面试题划分等价类: 等价类是指某个输入域的子集合.在该子集合中,各个输入数据对于揭露程序中的错误都是等效的.并合理地假定:测试某等价类的代表值就等于对这一类其它值的测试.因此,可以把全部输入数据合理划分为若干等价类,在每一个等价类中取一个数据作为测试的输入条件,就可以用少量代表性的测试数据.取得较好的测试结果.等价类划分可有两种不同的情况:有效等价类和无效等价类. 2. 边界值分析法 边界值分析方法是对等价类划分方法的补充。测试工作经验告诉我,大量的错误是发生在输入或输出范围的边界上,而不是发生在输入输出范围的内部.因此针对各种边界情况设计测试用例,可以查出更多的错误. 使用边界值分析方法设计测试用例,首先应确定边界情况.通常输入和输出等价类的边界,就是应着重测试的边界情况.应当选取正好等于,刚刚大于或刚刚小于边界的值作为测试数据,而不是选取等价类中的典型值或任意值作为测试数据. 3. 错误推测法 基于经验和直觉推测程序中所有可能存在的各种错误, 从而有针对性的设计测试用例的方法. 错误推测方法的基本思想: 列举出程序中所有可能有的错误和容易发生错误的特殊情况,根据他们选择测试用例. 例如, 在单元测试时曾列出的许多在模块中常见的错误. 以前产品测试中曾经发现的错误等, 这些就是经验的总结。还有, 输入数据和输出数据为0的情况。输入表格为空格或输入表格只有一行. 这些都是容易发生错误的情况。可选择这些情况下的例子作为测试用例. 4. 因果图方法 前面介绍的等价类划分方法和边界值分析方法,都是着重考虑输入条件,但未考虑输入条件之间的联系, 相互组合等. 考虑输入条件之间的相互组合,可能会产生一些新的情况. 但要检查输入条件的组合不是一件容易的事情, 即使把所有输入条件划分成等价类,他们之间的组合情况也相当多. 因此必须考虑采用一种适合于描述对于多种条件的组合,相应产生多个动作的形式来考虑设计测试用例. 这就需要利用因果图（逻辑模型）. 因果图方法最终生成的就是判定表. 它适合于检查程序输入条件的各种组合情况. 5. 正交表分析法 有时候，可能因为大量的参数的组合而引起测试用例数量上的激增，同时，这些测试用例并没有明显的优先级上的差距，而测试人员又无法完成这么多数量的测试，就可以通过正交表来进行缩减一些用例，从而达到尽量少的用例覆盖尽量大的范围的可能性。 6. 场景分析方法
正交实验法及其应用
正交实验法及其应用 为了研制新产品，提高产品的质量和数量，降低原材料消耗，都需要做试验。一项试验如何安排，就得选择方法。一个好的试验方法，只要用少量试验既能得到较好的效果和分析出较为正确的结论；如果试验方法不好，不但试验次数多，而且结果还不一定理想。正交试验法就是利用一套规格化的表(正交表)来安排试验方案，使得试验次数尽可能地少；并通过对试验数据的简单分析，有助于我们在复杂的影响因素中抓住主要因素，从而找出较好的实验方案。“正交试验法”应用的范围非常广泛，现已成为比较简便、易行的一种应用数学方法。这里分两部分：简单介绍正交试验的基本方法和利用该方法对芦荟多糖提取条件进行优化。其中第一部分包括：正交试验法解决的问题；涉及的相关术语；如何用正交表安排试验以及怎样分析试验结果。另外，有时试验过程中不仅因素的水平变化对指标有影响，而且，有些因素间各水平的联合搭配对指标也产生影响，这种联合搭配作用称为交互作用，这里不作介绍。第二部分应用正交实验法对芦荟多糖提取条件进行了优化，得到很好的试验结果，大大加快了试验的进程，并节约了试验的耗材。 第一部分正交试验的基本方法 一、什么是“正交试验法” 采用什么样的实验设计方案能够做到优质、高产、低稍耗？要使实验顺利进行应该改进哪些实验条件……？由于实验结果是受许多方面的因素的影响，往往需要进行试验来增加对具体实验的认识，以便摸索其中的规律性。 凡是要做试验就存在着如何安排试验和如何分析试验结果的问题。科学的实验安排应能做到两点：1)在试验安排上尽可能地减少试验次数2)在进行较少次数试验的基础上，能够利用所得到的试验数据，分析出指导下一步实验的正确结论，并得到较好的结果。 “正交试验法”就是一种科学地安排与分析多因素试验的方法。下面通过一个例子初步说明一下它是解决什么问题的。 例. 研究人参皂苷的提取工艺试验。 根据经验，乙醇用量、乙醇浓度、提取时间、回流次数等对人参皂苷的提取有显著影响。所以在提取过程中需要考察乙醇用量(Ａ)、乙醇浓度(Ｂ)、回流时间(Ｃ)、回流次数(Ｄ)这四个因素。每个因素比较三种不同的条件（见表） 类似这样的问题，在实验中经常遇到。这类问题称之为多因素试验问题。“正交试验法”正是解决这类问题的行之有效的一种方法。 为了叙述的方便，下面介绍一下涉及到的术语和符号。一般，把试验需要考察的结果称为指标。如产品的性能、质量、成本、产量等均可做为衡量试验效果的指标。本例中的人参皂苷的量就是试验的指标。把在试验中要考察的对试验指标可能有影响的因素简称为因素。本例中的乙醇用量(Ａ)、乙醇浓度(Ｂ)、回流时间(Ｃ)、回流次数(Ｄ)就是四个因素。把
正交实验设计方法原理
设计方法名称正交设计 适用范围仅用于复因子试验。 田间排列田间排列可采用随机区组设计或拉丁方设计等。 田间排列说明一、为什么要用正交试验？ 关于复因子试验我们介绍了随机区组设计和裂区设计两种设计方法、但这两种设计方法均属于复因子试验的全面实施，所成的区组叫完全区组，即每一种处理组合在每一区组都必须设置一个小区。然而，对于农林试验，特别小区面积需较大的热带作物试验，作全面实施往往是不可能的。例如，如欲作肥料三要素试验，每因子取三个水平，则共有27个处理组合。若把试验布置成完全区组，则每区组需设置27个小区。这不仅实际执行时常因地形所限而不易找到如此庞大的区组，即使能找到可摆下27个处理组合的区组也难于实行局部控制。此外，作完全区组设计工作量太大，耗费人力物力也多。为解决以上矛盾，人们提出是否可以从全部处理组合中挑选出一部处理组合来做一下完全区组试验，而且要求这种部分实施同样能达到主要的试验目的。理论与实施都证明这是可能的，这就是本节所介绍的正交试验法。 进一步的问题是：（1）从全部处理组合中应该挑几个处理组合来做试验？（2）从全部处理组合中具体挑选哪几个处理组合来做试验？这两个问题都可以从正交表得到回答。 二、正交表 正交试验，是借助于正交表来布置试验的。因此，首先得搞清楚正交表的含义。比如，需作一A、B、C三因子试验，A分为A1、A2二个水平；B分为B1、B2二个水平；C分为C1、C2二个水平。显然，该试验共有8个处理组合，详列如下： 这8个处理组合，可用数字来简单表示，如A1B1C1可简记为“111”，A1B1C2可简记为“112”等等。这样，如若写出“221”，则表示这是处理组合A2B2C1，。即因子A取A2，因子B取B2，因子C取C1所组成的组合。 如果我们希望把试验布置成正交试验，从8个处理组合中挑选一部分处理组合来做才有代表性呢？这可查正交表得到回答。二水平的最简单一张正交