第三章 正交试验设计(1)-正交试验及直观分析

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。

正交试验设计与数理统计作业

第三章：统计推断 第3章第7题 分别使用金球和铂球测定引力常数 （1）用金球测定观察值：6.683，6.681，6.676，6.678，6.679，6.672； （2）用铂球测定观察值：6.661，6.661，6.667，6.667，6.664。 σ），u，2σ均为未知。试就1，2两种情况分别求u的置信度为设测定值总体为N（u，2 σ的置信度为0.9的置信区间。 0.9的置信区间，并求2 （1）金球均值置信度为0.9的置信区间，SAS程序如下： ①打开SAS软件②打开solution-analysis- analyst输入数据并保存 ③打开analyst，选择jingqiu文件，打开： ④Statistics ——Hypothesis Tests ——One-Sample t-test for a Mean，将待分析变量jq送入Variable中，在单击Tests，选中Interval，设置confidence level设置为90.0%：

⑤结果输出：金球u的置信度为0.9的置信区间为(6.67,6.68)。 （2）铂球均值置信度为0.9的置信区间，SAS程序如下： ①打开solution-analysis- analyst输入数据并保存②打开analyst，选择Bq文件，打开： ③Statistics ——Hypothesis Tests ——One-Sample t-test for a Mean，将待分析变量bq送入Variable中，在单击Tests，选中Interval，设置confidence level设置为90.0%： ④结果输出：铂球u的置信度为0.9的置信区间为(6.66,6.67)。

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.

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

正交设计助手II 3.1 软件介绍及使用实例说明

正交设计助手II 3.1 软件介绍及使用实例说明 一、软件各模块介绍 1.软件简介 正交设计助手II 3.1 是一款针对正交实验设计及结果分析而制作的专业软件。正交设计方法是我们常用的实验设计方法，它让我们以较少的实验次数得到科学的实验结论。但是我们经常不得不重复一些机械的工作，比如填实验安排表，计算各个水平的均值等等。正交设计助手可以帮助您完成这些繁琐的工作。此款软件支持混合水平实验，支持结果输出到RTF、CVS、HTML页面和直接打印。 2.创建与管理工程 打开软件后，在文件菜单项下可以“新建工程”或“打开工程”，工程文件以lat作为扩展名。如下图所示 注意：在"实验项目树"区域，右键点击当前的工程名，可修改工程名称。 3.设计实验 新建实验：在当前工程文件中新增一个实验项目，一个工程可包含多个实验项目。 每个实验项目包括有 （1）实验名称、实验描述（实验编号及简要说明）、选用的正交表类型(是标准正交表还是混合水平表) （2）选用的正交表（如L27_3_13或x_L2-3_8等） （3）表头设计结果（每个实验因素的名称、所在列及各水平的描述）。 单击实验—新建实验，如下图所示

该软件支持混合水平实验设计，你将可以选择一个更为合适您的实验的混合水平表(使用工具blend.exe - 混合水平表编辑器 - 改造系统提供的标准正交表)。如果是混合水平实验，要注意每列所能支持的最大水平数。 注意：右键点击当前的实验名称，可以修改实验信息或删除当前实验。 4.分析实验结果 （1）直观分析：根据所选用的正交表对当前实验数据作出基本的直观分析表。 （2）因素指标：以直观分析表的结果，作出当前的因素指标图（即效应曲线图）。 （3）交互作用：选择两个因素进行交互作用分析，作出交互作用表。 （4）方差分析：设定数据中的误差所在列，并选择所要采用的F检验临界值表。计算出偏差平方和（S值）和F比。并给出显著性指标。 注意：如果实验数据未正确输入，系统不能进行分析操作。

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

正交试验方差分析(通俗易懂)

第十一章正交设计试验资料的方差分析 在实际工作中，常常需要同时考察3个或3个以上的试验因素，若进行全面试验，则试验的规模将很大，往往因试验条件的限制而难于实施。 正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 第一节、正交设计原理和方法 (一) 正交设计的基本概念 正交设计是利用正交表来安排多因素试验、分析试验结果的一种设计方法。它从多因素试验的全部水平组合中挑选部分有代表性的水平组合进行试验，通过对这部分试验结果的分析了解全面试验的情况，找出最优水平组合。 例如，研究氮、磷、钾肥施用量对某小麦品种产量的影响： A因素是氮肥施用量，设A1、A2、A3 3个水平； B因素是磷肥施用量，设B1、B2、B3 3个水平； C因素是钾肥施用量，设C1、C2、C3 3个水平。 这是一个3因素每个因素3水平的试验，各因素的水平之间全部可能的组合有27种。 如果进行全面试验，可以分析各因素的效应，交互作用，也可选出最优水平组合。 但全面试验包含的水平组合数较多，工作量大，由于受试验场地、经费等限制而难于实施。 如果试验的主要目的是寻求最优水平组合，则可利用正交设计来安排试验。 正交设计的基本特点是：用部分试验来代替全面试验，通过对部分试验结果的分析，了解全面试验的情况。 正交试验是用部分试验来代替全面试验，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，有可能出现交互作用的混杂。 如对于上述3因素每个因素3水平试验，若不考虑交互作用，可利用正交表L9(34)安排，试验方案仅包含9个水平组合，就能反映试验方案包含27个水平组合的全面试验的情况，找出最佳的生产条件。 一、正交设计的基本原理 表11-1 33试验的全面试验方案

正交实验计算方法

正交试验设计方法（1）(2008-12-17 12:59:39) 标签：正交设计杂谈分类：其他 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。 表5－1因素水平

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。

图5－1 全面搭配法方案 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

(完整word版)正交试验设计方法

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。 （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。

正交试验习题与解答

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：A l＝80℃，A2＝85℃，A3=90℃ B：B l＝90分，B2＝120分，B3=150分 C：C l＝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A l B l C1，A1B l C2，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。 (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B l、C l，使A变化之： ↗A1 B1C1→A2 ↘A3 (好结果)

JMP试验设计要点

JMP试验设计 1.试验设计方法及其在国内的应用 (2) 2.试验设计(DOE)就在你身边试验设计(DOE)就在你身边 (7) 3.初识试验设计(DOE) (13) 4.多因子试验设计(DOE)的魅力 (18) 5.用DOE方法最优化质量因子配置 (26) 6.顾此不失彼的DOE (32) 7.试验设计(DOE)五部曲 (39) 8.稳健参数设计的新方法 (45) 9.JMP的试验设计优势——为什么用JMP做试验设计 (50)

试验设计方法及其在国内的应用 随着改革开放的深入，以市场经济为代表的西方先进文明及其方法论越来越多被国内企业界所接纳。在质量管理、产品（医药，化工产品，食品，高科技产品，国防等）研发、流程改进等领域，统计方法越来越多成为企业运营的标准配置。 试验设计作为质量管理领域相对复杂、高级的统计方法应用，也开始在国内被逐渐接受，推广。其实试验设计对于我国学术界来说并不陌生。比如均匀设计，均匀设计是中国统计学家方开泰教授(下图左)和中科院院士王元首创，是处理多因素多水平试验设计的卓有成效的试验技术，可用较少的试验次数，完成复杂的科研课题开发和研究。国内一些大学的数学系和统计系近年来已经逐渐开始开设专门的试验设计课程，比如清华大学，电子科技大学、复旦大学等高校。国内一些行业领先的企业，比如中石化，华为科技，中石油，宝钢等企业，也开始在质量管理和产品研发、工艺改进等领域采用DOE方法。尽管DOE越来越多的被国内产、学、研领域所接受，但是我们还是看到，国内对于DOE的研究和推广仍旧停留在比较浅的层次。以上述企业为例，中石化下属的石化科学研究院和上海石化研究院应该是我国石油化工研究领域的王牌单位了，不过不管是北京的石科院，还是上海石化研究院，在油品研发、工艺改进、质量管理等领域，对于DOE的使用还仅仅停留在部分因子和正交设计层面。笔者在网络

第8章 正交试验设计的方差分析

第8章正交试验设计的方差分析 前面我们讨论了如何安排正交试验以及用极差分析法(即直观分析法)对试验结果进行计算分析.极差分析法简单明了，通俗易懂，计算工作量少，便于普及推广.但这种方法不能把试验中由于试验条件的改变引起的数据波动，同试验误差引起的数据波动区分开来.也就是说，不能区分因素各水平对应的试验结果间的差异，究竟是由于因素水平不同引起的，还是由于试验误差引起的，即不知道试验的精度.同时，对影响试验结果的各个因素的重要程度，既不能给出精确的定量估计，也不能提供一个标准，用来判断所考察的因素的作用是否显著. 为了弥补极差分析法的不足，对试验结果的分析可采用方差分析法. 8.1 正交试验方差分析的基本步骤 在第2章中我们已经介绍过，方差分析的基本思想是将数据的总偏差平方和(S T)分解为因素的偏差平方和(S A、S B)和误差的偏差平方和(S e)，然后将偏差平方和除以相对应的自由度(f)得到方差(V A、V B)，最后利用因素方差与误差方差之比(V A/V e，V B/V e)，作F检验，即可判断因素的作用是否显著.正交试验设计的方差分析也是按这样的步骤进行的，所不同的是这是考虑的是多因素试验的方差分析，而第2章中只考虑单因素和双因素试验的方差分析. 一、计算 1.偏差平方和与自由度的计算

方差分析的关键是偏差平方和的分解，现在以最简单的L 4(23)正交表上安排的试验为例来说明(见表8-1，板书).不考虑哪些因素安排在哪些列上(即表头设计时)，设试验结果为x 1、x ２、x 3和x 4. 总的偏差平方和: 4 )(2 4 1 221 212 _T x n T x x x S i i n i i n i i T - =- =-=∑∑∑=== T=∑=n i i x 1 =(x 21+x 22+x 23+x 24)-4 1 (x 4321x x x +++)2 整理后可得 43 = (24232221x x x x +++) 2 1 - (434232413121x x x x x x x x x x x x +++++) 第1列各水平偏差平方和为 S 1=22 _ 21_ 2 _11_ )(2)(x K x K -+- =2[221211)4 2()42( T K T K -+-] =2[T K T K T K T K 2111222122114 1 41164164--+++] =22 2121141)(21T K K -+ )(211141 K K x T i i +==∑= =24321243221)(41])()[(21x x x x x x x x +++-+++ =)(2 1)(414321423241312 42322 21x x x x x x x x x x x x x x x x --+++-+++ 表8-1 L 4(23)正交表及计算表

正交试验设计方法

正交试验设计方法 一、概述 1、正交试验设计法（正交试验法）－是利用正交表来合理安排试验的一种方法。 2、安排任何一项试验，首先要明确试验的目的是什么？用什么指标来衡量考核的结果？对试验指标可能有影响的因素是什么？为了搞清楚影响因素，应当把因素选择在哪些水平上？ 3、指标 就是试验要考核的效果。在正交试验中，主要设计可测量的定量指标，常用X、Y、Z来表示。 4、因素 是指对试验指标可能产生影响的原因。因素是在试验中应当加以考察的重点内容，一般用A、B、C、???来表示。在正交试验中，只选取可控因素参加试验。 5、水平 是指因素在试验中所处的状态或条件。对于定量因素，每一个选定值即为一个水平。水平又叫位级，一般用1、2、3、???来表示。在试验中需要考察某因素的几种状态时，则称该因素为几水平（位级）的因素。 二、正交表 正交表：在设计安排正交试验时制作好的标准化的表格。

1、正交表的性质： 1）、均衡分散性。由于每一列中各种字码出现相同的次数，这就保证了试验条件均衡地分散在配合完全的水平组合中，因而代表性强，容易出现好条件。（效率高） 2）、整齐可比性。由于任意两列中全部有序的数字对出现相同的次数，这就保证了在各个水平的效果之中，最大限度地排除了其他因素的干扰，因而能最有效地进行比较，作出展望。（效果好） 三、常用正交试验设计与分析 常用正交试验设计与分析的步骤如下 1、明确试验目的； 2、确定考察的指标； 3、挑因素，选水平（位级）； 4、设计试验方案； 5、实施试验方案； 6、试验结果分析（一般用目测法、极差分析法、画趋势图等）； 7、反复调优试验以逼近最优方案； 8、验证试验并通过生产验证确认较优方案。 三、常用正交试验设计与分析－示例 1、明确试验目的 2,4－二硝基苯肼是××化工厂生产的一种试剂产品。过去的工艺过程长、工作量大，且产品经常不合格。今采用2,4－二硝基氯代苯（以下简称氯代苯）与水合肼在乙醇作溶剂下合成的新工艺，小试已初步成功，但产率只有45％，希望通过正交试验，找出好的生产条件，达到优质增产的目的。 2、确定考察指标

正交试验设计与数理统计作业 (2)

第三章:统计推断 第３章第7题 分别使用金球和铂球测定引力常数 （1）用金球测定观察值:6。683,６.681，６.676，６。678，6.679,6．６72; （2）用铂球测定观察值:6．661,６。661,6.667，6。667，６。664． σ），ｕ，2σ均为未知。试就1,２两种情况分别求u的置信度为０。设测定值总体为N(u，2 σ的置信度为0.9的置信区间。 9的置信区间,并求2 (1)金球均值置信度为0．9的置信区间,SAS程序如下: ①打开ＳAＳ软件②打开solutioｎ—aｎaｌｙsｉs- analyst输入数据并保存 ③打开anａｌyｓt，选择jiｎgqiu文件,打开: ④Ｓtatｉstics -—Ｈypoｔhｅｓis Teｓｔs——One-Samplｅt-tｅst foｒa Meａn,将待分析变量jq送入Variaｂle中，在单击Ｔests，选中Inteｒval,设置confｉdｅnｃeｌeｖｅl 设置为90.0％:

⑤结果输出：金球u的置信度为０。9的置信区间为(6。67,6.68）。 （2）铂球均值置信度为0.9的置信区间，SＡS程序如下： ①打开ｓｏlution—analysis－analyst输入数据并保存②打开anａlyｓt，选择Bq文件,打开： ③Ｓtatｉstiｃs——HypothｅｓiｓTests ——One-Sample t-test for ａMeａn，将待分析变量ｂq送入Vａｒiabｌe中,在单击Tｅsts,选中Inteｒｖal，设置confidｅnce leｖel设置为9０.0%：

④结果输出:铂球u的置信度为0。9的置信区间为(6。６6,6。6７）. (3）金球方差置信度为０。9的置信区间，SAS程序如下： ①打开analyst,选择Bq文件,打开数据： ②Staｔiｓｔｉcs ——Ｈypothesｉs Tesｔs ——One－Ｓaｍple Teｓt for a Ｖariance，将待分析变量jq送入Variable中,并在Nulｌ:Vａr中设置一个大于０的数，再单击Interｖaｌｓ,选中Iｎterval，设置ｃonfidｅｎｃｅlevel设置为９０.0％： ③结果输出:金球σ2的置信度为０。9的置信区间为(676E—8,０。0００1）

第8章 正交试验设计的方差分析例题

8.3.2 考虑交互作用的三水平正交试验的方差分析（因学时有限和正交表太大L27(313)，不讲解！只讲解二水平情况，因为二水平会，三水平自然也会！） 例8-4 运动发酵单细胞菌是一种酒精生产菌。为了确定其发酵培养基的最佳配方，进行了四因素三水平正交试验，试验指标为酒精浓度（g/ml）。表8-12给出了因素水平表，要求考察交互作用A×B、A×C和A×D。查附表7可得，本试验应选用L27(313)正交表，表头设计应按照“L27(313)二列间的交互作用表”进行。本例只考虑一级交互作用（p=1），所以每个三水平交互作用应占(m-1)P=(3-1)1=2列，即A ×B、A×C，和A×D在L27(313)正交表中各占二列。 表8-12 因素水平表 表头设计时应避免混杂，试验方案及试验结果见表8-13。 由交互作用表可知，将因素A、B安排在第1、2列之后，第3、4列为A×B交互作用列；再将C安排在第5列后，A×C交互作用在第6、7列；最后将D安排在第9列，则A×D交互作用类落在第8、10列（当然也可将D安排在第8列，则第9、10列为A×D交互作用列）。 表8-13 试验方案及结果分析 L27(313)

一、计算（计算过程省略） 1.计算各列各水平的K ij 值(K 1j ,K 2j ,K 3j )和K 2 ij (K 21j ,K 22j ,K 23j ) 各列各水平对应的试验数据之和K 1j ,K 2j ,K 3j ,及其平方和K 21j , K 22j , K 23j ,列于表8-13中,例如 K 1A = ∑=9 1 i i X =0.20+0.50*2+1.50+1.10+1.20*2+1.60*2=9.40=K 11 ， K 2 11= 88.36 K 2A =∑=9 1i i X =0.40+0.50+……+6.15=33.05= K 21 ， K 221=1092.30 K 3A =∑=9 1 i i X =0.40+0.30+……+2.80=25.80= K 31 ， K 231 =665.64 表示A ×B 的有两列,即第3,4列,计算后可知 K 13 =32.75, K 23 =17.90; K 33 =17.60 K 14 =26.40; K 24 =24.55, K 34 =17.30 2.计算各列的偏差平方和(S j )及其自由度(f j ) 由式(8-4),可知: S j =CT Q n T K r j m i ij -=-∑=2 2 11 r=n/m=27/3=9; CT=T 2/n=1/27×68.252=172.52

利用SPSS_进行方差分析以及正交试验设计

实验设计与分析课程论文 题目利用SPSS 软件进行方差分析和正交试验设计 学院 专业 年级 学号 姓名 2012年6月29日

一、SPSS 简介 SPSS 是世界上最早的统计分析软件，1984年SPSS 总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS 微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS 的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。 SPSS 的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS 统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic 回归、Probit 回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS 也有专门的绘图系统，可以根据数据绘制各种图形。SPSS 的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL 及DBF 数据文件，现已推广到多种各种操作系统的计算机上，它和SAS 、BMDP 并称为国际上最有影响的三大统计软件。 SPSS 输出结果虽然漂亮，但不能为WORD 等常用文字处理软件直接打开，只能采用拷贝、粘贴的方式加以交互。这可以说是SPSS 软件的缺陷。 二、方差分析 例如 某高原研究组将籍贯相同、年龄相同、身高体重接近的30名新战士随机分为三组，甲组为对照组，按常规训练，乙组为锻炼组，每天除常规训练外，接受中速长跑与健身操锻炼，丙组为药物组，除常规训练外，服用抗疲劳药物，一月后测定第一秒用力肺活量(L)，结果见表。试比较三组第一秒用力肺活量有无差别。对照组为组一，锻炼组为组二，药物组为组三。 第一步：打开 SPSS 软件 表1 三组战士的第一秒用力肺活量(L) 对照组 锻炼组 药物组 合计 3.25 3.66 3.44 3.32 3.64 3.62 3.29 3.48 3.48 3.34 3.64 3.36 3.16 3.48 3.52 3.64 3.20 3.60 3.60 3.62 3.32 3.28 3.56 3.44 3.52 3.44 3.16 3.26 3.82 3.28