正交试验极差方差及单因素分析结果
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。
正交实验实验结果解读
正交实验实验结果解读
正交实验设计是一种高效率的试验设计方法，它通过合理安排多因素试验，寻求最优水平组合。
解读正交实验结果主要涉及以下几个步骤：
1.观察每组试验的观测结果或数据，了解各个因素在不同水平下的变化情况。
2.计算每个因素的极差，即同一因素在不同水平下的最大值与最小值之差。
极差分析是一种直观式分析方法，通过比较各因素的极差大小，可以初步判断因素对试验目标的影响程度。
3.根据试验结果和极差分析，找出理论上的最优方案。
这个方案通常是最有利于考察的目标值的方案。
4.对理论上的最优方案进行验证分析，确保其在实际应用中的可行性。
验证分析可以通过实际试验、模拟仿真等方法进行。
在解读正交实验结果时，还需要注意以下几点：
1.正交表的设计是关键。
在设计正交表时，需要选择合适的因素和水平数，并确保试验次数合理。
2.极差分析是一种初步分析方法，其结果可以作为优化方案的参考，但不一定是最优解。
因此，在实际应用中，还需要结合其他分析方法（如方差分析、回归分析等）进行综合评估。
3.正交实验的结果受到试验条件、操作误差等多种因素的影响，因此在实际应用中，需要对试验过程进行严格控制和记录，以确保结果的准确性和可靠性。
总之，正交实验设计是一种有效的多因素试验设计方法，通过合理的试验安排和结果分析，可以找出最优方案并评估其在实际应用中的可行性。
在解读正交实验结果时，需要综合考虑多种因素和分析方法，以确保结果的准确性和可靠性。
正交实验结果如何进行数据分析
正交实验结果如何进行数据分析正交实验是一种多因素试验设计方法，通过对不同因素的组合进行系统的排列和组织，能够较好地解析各个因素对试验结果的影响。
进行数据分析时，一般可以采用以下步骤：1.数据预处理：首先，需要对实验数据进行预处理，包括数据清洗、异常值处理、数据转换等。
这是为了确保数据的可靠性和可用性，避免因数据错误或异常值导致的分析误差。
2.方差分析：正交实验可以通过方差分析来分解总方差，确定各个因素和交互作用对实验结果的贡献程度。
在进行方差分析时，可以首先进行方差齐性检验，判断各个因素的方差是否相等。
接着，进行单因素方差分析，确定各个因素对实验结果的影响；然后，进行多因素方差分析，确定各个因素之间的交互作用对实验结果的贡献。
3.效应量分析：通过计算效应量，可以客观地评估各个因素和交互作用的大小，了解它们对实验结果的实际影响程度。
效应量可以用来比较不同因素之间的相对重要性，并为进一步优化实验提供依据。
4.建立模型：正交实验的数据分析过程还可以通过建立数学模型来实现。
建立模型可以帮助我们更好地理解和解释实验结果，确定各个因素和交互作用的数学表达式。
常见的建模方法包括线性回归、多项式回归等。
建立模型后，可以通过拟合度评估模型的拟合效果，并进行参数估计，确定因素对实验结果的具体影响程度。
5.优化设计：根据数据分析的结果，确定重要因素和交互作用，并进行优化设计。
通过调整因素水平和组合，可以进一步优化实验结果，提高实验产品的性能和质量。
通过正交实验的数据分析过程，可以降低实验成本和周期，并在有限的试验条件下获取更多的实验信息。
需要注意的是，在进行正交实验数据分析时，应当充分考虑实验设计的合理性和实验条件的可控性。
同时，还需要进行统计检验，判断各个因素和交互作用的显著性，确保数据分析的可信度和准确性。
总而言之，正交实验的数据分析是一个较为复杂和系统的过程，需要综合运用统计学和数据分析的方法。
通过合理的数据分析方法，可以更好地理解和掌握实验结果，为进一步优化产品或工艺提供科学依据。
正交试验方差分析
1（50） 1（6.5） 1（2.0） 1 1 2 2 2（7.0） 2（2.4） 3（7.5） 3（2.8 2 3 1 3 2 3
2（55） 1
3（58） 1
8பைடு நூலகம்
9 K1j
3
3 15.76
2
3 25.18
1
2 22.65
3
1 20.74
10.9
8.95
T 65.58
K2j
K3j K1j2 K2j2 K3j2
n
对上式做如下变换
SST ( X ij X ) 2 ( X ij X i. X i. X ) 2
i 1 j 1 i 1 j 1
r
n
r
n
( X ij X i. ) ( X i. X ) 2 (X ij X i. )( X i. X )
各式的物理意义
X
所有数据的平均值称为总平均 值 第i个水平的数据平均值称为组平均值 随机误差，又称为组内离差平方和
X i.
SSE 表示每一个数据与其组平均值的离差平方和，反映了实验中的
SS A
表示组平均值与总的平均值得离差平方和，反映了由于因素不同水平引 起的差异又称为组间离差平方和
再稍做整理
X 总和 2 2 SST ( X ij X ) ( X ij ) N i 1 j 1 i 1 j 1 X 总和 校正项CF N
2 2 i 1 j 1 r n i 1 j 1 r n i 1 j 1
r
n
r
n
r
n
( X ij X i. ) ( X i. X ) 2
2 i 1 j 1 i 1 j 1
-正交试验设计的极差分析
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）。
木章介绍 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。
7.1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。
图中，为第j 列因素m 水平所对应的试验指标和，斤“为Kg 的 平均值。
由心的大小可以判断j 因素的优水平和各因素的水平组合, 即最优组合。
&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,反映了第j 列因素的水平变动时，试验指标的变动幅度。
&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 尸 max (K”, K/2,K 问) 图7- 1 R 法示意图-mmR,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Ls (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因素水平表表6-6 试验方案及结果试验指标为液化率，用y,表示，列于表6-6和表7-1的最后一列。
表7-1 试验方案及结果分析计算示例:因素A的第1水平A】所对应的试验指标之和及其平均值分别为:__ 1K A i=y i+y^+y 3=0+ 1 7 + 2 4二4 1, =—矗讦1 3. 7同理，对因素A的第2水平A 2和第3水平A3,有K A2= y 4+ y s+y6= 1 2 +47+28=87, ^7=1K A2=29K.^=y7+ys+y9= 1 +18+42 = 61, F^ = ^K A3=20. 3由表7—1或表6-6可以看出，考察因素A进行的三组试验中(A b A2, A3),B. C、D各水平都只出现了一次,且由于B、C、D间无交互作用，所以B、C、D因素的各水平的不同组合对试验指标无影响, 因此，对入、A：和乩来说，三组试验的试验条件是完全一样的。
正交实验结果如何进行数据分析
正交实验如何数据分析我们把在试验中考察的有关影响试验指标的条件称为因素（也叫因子），把在试验中准备考察的各种因索的不同状态(或配方)称为水平。
在研究比较复杂的工程问题中，往往都包含着多个因素，而且每个因素要取多个水平。
对于包含五个因素、五个水平的工程项目，理论计算必须进行55＝3125次试验。
显然，所需要的试验次数太多了，工作量太大。
实践告诉我们，合理安排试验和科学分析试验，是试验工作成败的关键。
试验方案设计的好，试验次数就少，周期也短，这样不仅节省了大量人力、物力、财力和时间，而且可以得到理想的结果。
相反，如果试验设计安排的不好，即使进行了很多次试验，浪费了大量材料、人力和时间，也不一定能够得到预期的结果。
正交试验法，就是在多因素优化试验中，利用数理统计学与正交性原理，从大量的试验点中挑选有代表性和典型性的试验点，应用“正交表”科学合理地安排试验，从而用尽量少的试验得到最优的试验结果的一种试验设计方法。
正交试验法也叫正交试验设计法，它是用“正交表”来安排和分析多因素问题试验的一种数理统计方法。
这种方法的优点是试验次数少，效果好，方法筒单，使用方便，效率高。
由于试验次数大大减少，使得试验数据处理非常重要。
我们可以从所有的试验数据中找到最优的一个数据，当然，这个数据肯定不是最佳匹配数据，但是肯定是最接近最佳的了。
用正交表安排的试验具有均衡分散和整齐可比的特点。
均衡分散，是指用正交表挑选出来的各因素和各水平组合在全部水平组合中的分布是均衡的。
整齐可比是说每一因素的各水平间具有可比性。
最简单的正交表L4(23)如表-1所示。
表-1记号L4(23)的含意如下：“L”代表正交表；L下角的数字“4”表示有4横行(简称为行)，即要做四次试验；括号内的指数“3”表示有3纵列(简称为列)，即最多允许安排的因素个数是3个；括号内的数“2”表示表的主要部分只有2种数字，即因素有两种水平l与2，称之为l水平与2水平。
表L4(23)之所以称为正交表是因为它有两个特点：1、每一列中，每一因素的每个水平，在试验总次数中出现的次数相等。
正交试验设计2正交试验数据方差分析和贡献率分析
正交试验设计2正交试验数据方差分析和贡献率分析正交试验设计是一种实验设计方法，通过选择适当的试验水平组合和设置统计模型，以减少试验阶段的试验次数和工作量，提高试验的效率和准确性。
正交设计通过对变量进行排列组合，使各变量的效应独立出现并减少副效应的影响，从而使实验结果更加可靠。
正交设计数据分析方法方差分析(ANOVA)是一种统计方法，用于测试在不同因素水平下的平均值是否相等。
在正交试验中，方差分析可以用于测试各个因子对试验结果的影响是否显著。
方差分析通常包括总体均值检验、各因子的效应检验以及误差项的检验。
通过方差分析可以确定哪些因子对试验结果的影响是显著的，进而确定最佳的试验条件。
贡献率分析是一种用于确定各个因子对试验结果的贡献程度的方法。
贡献率分析可以通过计算各个因子的均方根(RMS)值来确定各个因子的贡献程度。
贡献率可以用来排除一些不显著的因子，从而进一步优化试验条件。
1.节省试验次数和工作量：由于正交设计能够减少变量之间的相关性，可以通过较少的试验次数得到可靠的结果。
2.减少误差项：正交设计通过考虑副效应的影响，减少了试验误差的可能性，提高了数据的可靠性。
3.确定关键因素：正交设计通过方差分析和贡献率分析，可以确定对试验结果有着显著影响的关键因素，从而进行进一步优化。
4.灵活性：正交设计可以根据实验需求进行灵活的调整和改变，以适应多样的试验条件和目标。
总结正交试验设计是一种有效的实验设计方法，可用于减少试验次数和工作量，提高试验效率和准确性。
方差分析和贡献率分析是对正交设计数据进行进一步分析和总结的重要工具，可以帮助确定关键因素和优化试验条件。
正交试验设计能够在实验设计的早期阶段对各个因子进行全面考虑，从而为实验结果的有效性和可靠性打下基础。
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。
- 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)。
跨度矢跨比网格尺寸网壳厚度杆件类型F比 2.095 1.8180.2060.1260.756极差 1.361 1.280.4210.3560.913F比 2.04 2.2590.0680.2460.387极差1.3991.60.2480.5090.622跨度矢跨比网格尺寸网壳厚度杆件类型F比 2.243 2.2390.1360.0320.35极差 2.488 2.7330.6750.289 1.023F比 2.198 2.3950.0740.1310.201极差2.3862.5950.4640.5580.731简要结论：对自振频率主要因素是跨度、矢跨比，杆件截面类型，其中跨度起最最主要柱面网壳球面面网壳最优方案：A1B2E3C3D4最接近试验：试验60.5 1 1.5 2 极 差极差分析图周边固支 周边简支0.5 1 1.5 2 2.5 3 极 差极差分析图周边固支 周边简支0.5 1 1.5 2 2.5 极 差跨度矢跨比网格尺寸网壳厚度杆件类型F比4.0140.3170.2310.0860.351极差5 1.349 1.0720.745 1.376F比 4.0410.2850.2080.1280.338极差4.8981.224 1.0160.908 1.352单因素分析球面网壳矢跨比刚度比阶数1/31/41/51/70.51 1.9104 2.4817 2.8727 3.3385 2.3752 1.9105 2.4818 2.8727 3.3386 2.37513 2.3345 2.8474 3.1617 3.4956 2.86184 5.3839 6.44867.09477.7783 6.20625 5.5045 6.63647.34198.1125 6.20636 5.5048 6.63657.34238.1127 6.48297 6.90978.25149.03469.60727.61828 6.91038.2529.03489.60757.618898.22619.674910.42910.618.9255108.22649.674910.42910.618.9255118.537110.20411.21311.2689.8891128.819410.56311.59111.2699.8895138.819510.56311.59211.57510.185最优方案：A1E3B2C4D4最接近试验：试验6双曲网壳简要结论：对自振频率主要因素是矢跨比、跨度、杆件截面类型，其中矢跨比起最主要简要结论：对自振频率主要因素是矢跨比、跨度、杆件截面类型，其中跨度是最显著因最优方案：B1A1E4C2D3最接近试验：试验51 23 4 5 极 差极差分析图周边固支 周边简支149.4910.99611.63311.57610.185 159.490310.99711.63311.59710.26 169.611511.10411.65812.28110.367 179.612111.10511.65912.62210.368 1810.72912.25512.66212.62311.419 1910.72912.25612.66312.66811.419 2010.82512.28212.80612.66911.478网格尺寸网壳厚度阶数182********1 2.4817 2.5556 2.6151 2.6648 2.26542 2.4818 2.5556 2.6151 2.6649 2.26563 2.8474 2.9725 3.0828 3.1814 2.95074 6.4486 6.74427.00717.2435 6.38295 6.6364 6.91197.14517.3452 6.38326 6.6365 6.91227.14527.3457 6.686778.25148.56038.82559.05228.080888.2528.56078.82579.05278.08199.674910.01410.30510.5519.6806109.674910.01410.30510.5529.6807 1110.20410.66811.0811.4510.588 1210.56311.05911.48911.86810.67 1310.56311.0611.48911.86810.67 1410.99611.35311.65811.91111.229 1510.99711.35411.65811.91111.229 1611.10411.43811.69911.91211.317 1711.10511.43811.69911.91211.318 1812.25512.59512.83913.04112.637 1912.25612.59512.8413.04112.638 2012.28212.62312.93313.1912.699单因素分析双曲网壳矢跨比刚度比阶数1/41/51/61/80.51 3.6083 3.9952 4.2635 4.5818 3.42862 4.6255 5.2058 5.5698 5.9443 4.36593 4.6256 5.2058 5.5699 5.9445 4.3664 5.7013 6.3387 6.73867.1346 5.31045 6.57947.33657.83158.3905 6.17776 6.72717.40437.86178.3913 6.273677.33358.15148.67799.2318 6.793987.33388.15188.67799.232 6.794297.99488.85199.3339.49637.526107.99498.85259.33319.49637.526118.75689.661110.20510.5278.0887128.77999.716210.33610.68.1206138.96439.829310.34411.0438.3281149.908910.92311.40911.3269.1858159.909110.92311.40911.3279.18591610.15511.23611.92412.1589.53591710.27811.29911.92512.1589.63721810.68911.59711.94812.4159.9981910.68911.59811.98312.5459.99932010.86811.90212.60712.75110.318网格尺寸网壳厚度阶数161820224001 3.3486 3.6083 3.8165 4.0256 3.15992 4.2943 4.6255 4.8818 5.1377 4.09113 4.2947 4.6256 4.8821 5.1383 4.09134 5.2939 5.7013 6.0167 6.3301 4.95685 6.0542 6.57947.00537.4332 6.1326 6.1884 6.72717.16947.612 6.28257 6.78677.33357.76428.1886 6.71638 6.7877.33387.76478.1891 6.717697.39457.99488.45998.90987.7799107.39497.99498.468.9117.7809118.0918.75689.28539.81218.216128.10148.77999.32579.87338.3556138.27198.96439.522610.0778.4758149.20729.908910.42510.9049.5678159.20769.909110.42510.9059.5686169.302510.15510.85811.56410.186179.407110.27811.00111.72210.309189.89410.68911.19811.72310.63199.894110.68911.19811.73110.632010.2110.86811.52212.22210.927单因素分析柱面网壳矢跨比刚度比阶数1/21/31/41/70.510.88982 1.2484 1.4487 1.6845 1.455120.97008 1.6762 2.1783 2.8843 2.01853 1.1539 1.7933 2.2705 2.9672 2.12414 1.9096 2.5832 2.9693 3.4269 2.96935 2.0831 2.797 3.138 3.6598 2.98496 2.1356 3.1931 3.876 4.6833 3.56417 2.3397 3.2652 3.9681 4.8101 3.66558 2.8132 3.8599 4.4557 4.9311 4.1879 2.8859 3.8679 4.505 5.1587 4.258310 3.3391 4.2056 4.506 5.2819 4.454111 3.3816 4.9433 5.5488 6.2301 5.161312 3.7268 4.9962 5.9204 6.5012 5.413513 3.786 5.001 5.9245 6.943 5.549914 3.9408 5.2452 6.08267.1367 5.712615 4.1347 5.5061 6.1387.3314 5.963516 4.4927 5.7664 6.4867.5527 6.017917 4.5367 6.3621 6.92347.7131 6.410418 4.7917 6.4117.26378.1497 6.702919 4.9462 6.48257.57188.41947.002420 5.0166 6.49547.64248.82377.1666网格尺寸网壳厚度阶数182********1 1.4487 1.5152 1.5745 1.6275 1.47962 2.1783 2.2238 2.2539 2.2745 2.01343 2.2705 2.3283 2.3699 2.4013 2.12224 2.9693 3.0996 3.2157 3.3192 2.85235 3.138 3.2285 3.3012 3.3627 3.00846 3.876 3.9946 4.0944 4.1694 3.70117 3.9681 4.0979 4.2077 4.2919 3.80768 4.4557 4.6399 4.7537 4.8529 4.19959 4.505 4.6469 4.7684 4.8644 4.222110 4.506 4.6497 4.8224 4.9766 4.523511 5.5488 5.7146 5.8587 5.9777 5.216412 5.9204 6.1498 6.3444 6.5041 5.856713 5.9245 6.1776 6.3996 6.5532 5.890814 6.0826 6.2614 6.4165 6.5904 5.99115 6.138 6.3851 6.5998 6.7852 6.165316 6.486 6.7385 6.95517.136 6.393817 6.92347.11897.28997.4348 6.6456187.26377.52817.75717.95137.1094197.57187.89268.14318.3187.6547207.64247.94488.17768.43147.7421最主要作用1 2 3F 比方差分析图周边固支 周边简支方差分析图周边固支 周边简支1.02.03.02.4817 2.5691 2.56912.4818 2.5692 2.56922.8474 2.7369 2.73696.4486 6.1883 6.18836.6364 6.9956 6.99566.6365 6.9956 6.99568.25148.84628.84628.2528.84688.84689.67499.7789.7789.674910.38610.38610.20410.38710.38710.56311.11311.11310.56311.11311.113最主要作用显著因素1 2 3 4 5 极 差方差分析图周边固支 周边简支10.99611.73111.73110.99711.73211.73211.10411.74711.74711.10511.74711.74712.25512.9712.97 12.25612.9712.97 12.28212.99312.9937009001200 2.4032 2.4817 2.513 2.4033 2.4818 2.5132 2.8979 2.8474 2.7735 6.5654 6.4486 6.2767 6.6289 6.6364 6.4563 6.6293 6.6365 6.4567 8.32128.25147.93328.32178.2527.93339.84079.67499.23599.84079.67499.237410.39310.2049.9213 10.73410.56310.16210.73410.56310.16211.26110.99610.456 11.26210.99710.457 11.36211.10410.56211.36311.10510.56412.60612.25511.629 12.60612.25611.63 12.6212.28211.637 1233.6083 3.7393 3.79974.6255 4.805 4.86974.6256 4.8051 4.86985.7013 5.97076.06176.5794 6.8597 6.95316.72717.05077.16557.33357.71687.85517.33387.71717.85547.99488.31428.41227.99498.31448.41248.75689.23949.41518.77999.25399.42428.96439.40589.54589.908910.4110.5839.909110.41110.58310.15510.58110.710.27810.72310.85110.68911.07311.18110.68911.07411.18210.86811.36511.533 60090012003.4358 3.6083 3.59394.4615 4.6255 4.54444.462 4.6256 4.54455.4945 5.7013 5.56446.5399 6.5794 6.35566.7176 6.7271 6.46687.27347.33357.04847.27387.33387.04858.11187.99487.65138.11287.99497.65138.79918.75688.3438.84858.77998.39139.01288.96438.579510.0959.90899.390710.0969.90919.390810.43810.1559.666110.5710.2789.780911.00310.68910.11811.00510.68910.11811.3510.86810.29 1231.4487 1.4235 1.3942.1783 2.307 2.37022.2705 2.3771 2.41812.9693 2.9348 2.89033.138 3.2353 3.26013.8764.0982 4.14793.96814.1475 4.16454.4557 4.4224 4.39344.505 4.6611 4.68824.506 4.7168 4.76435.5488 5.808 5.73675.9204 5.8572 5.86225.92456.2947 6.37226.0826 6.3264 6.41136.138 6.4769 6.58416.486 6.8596 6.96016.92347.27447.28747.26377.44597.35477.57187.66247.7637.64248.03968.102 900120015001.4487 1.4177 1.38762.1783 2.2027 2.15592.2705 2.2837 2.2322.9693 2.9164 2.8573.138 3.2476 3.24713.876 3.8051 3.65693.9681 3.8883 3.73674.4557 4.3651 4.26824.505 4.5118 4.4074.506 4.5303 4.43315.5488 5.5103 5.3385.9204 5.6903 5.41135.9245 5.7489 5.50736.0826 5.9446 5.76696.138 6.0125 5.84436.486 6.2936 6.03346.9234 6.8065 6.57227.26377.0597 6.76347.57187.2963 6.91987.64247.36917.0545。