正交试验设计方差分析
(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。
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。
正交试验的方差分析法
C×D
B×D A×D
A
B A×B C A×C D A×D
C×D
B×D
B×C
A
B A×B C A×C D
E
D×E C×D C×E B×D B×E A×E A×B
B×C
(四) 列出试验方案
把正交表中安排原因旳各列(不包括欲考 察旳交互作用列)中旳每个数字依次换成该原 因旳实际水平，就得到一种正交试验方案。
上一张 下一张 主 页 退 出
此例不考察交互作用，可将品种(A)、 密度(B)和施氮量 (C)依次安排在L9(34)旳第1、 2、3列上，第4 列 为空列，见表2-4。
表11-4 表头设计
列号 1 2 3 4 因素 A B C 空
原因 数 2 3
4
L9（34）表头设计
列
号
1
2
3
4
A A B×C1
C 3 1(3) 2(5) 3(8) 2(5) 3(8) 1(3) 3(8) 1(3) 2(5)
上一张 下一张 主 页 退 出
第二节 正交试验资料旳方差分析
若各号试验处理都只有一种观察值，则称 之为单个观察值正交试验；
若各号试验处理都有两个或两个以上观察 值，则称之为有反复观察值正交试验。
上一张 下一张 主 页 退 出
A原因是氮肥施用量，设A1、A2、A3 3个水平 ； B原因是磷肥施用量，设B1、B2、B3 3个水平 ； C原因是钾肥施用量，设C1、C2、C3 3个水平。 这是一种3原因每个原因3水平旳试验 ，各原因旳 水平之间全部可能旳组合有27种。
上一张 下一张 主 页 退 出
假如进行全方面试验 ，能够分析各原因 旳效应 ，交互作用，也可选出最优水平组合。
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.。
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
高级篇 第二章 正交试验设计及统计分析-方差分析
0.415
（2）显著性检验
根据以上计算，进行显著性检验，列出方差分析表，结果见表10-24
变异来源
A B C△ 误差e 误差e△ 总和
平方和 45.40 6.49 0.31 0.83 1.14 53.03
自由度 2 2 2 2 4
表10-24 方差分析表
均方 F值
Fa
22.70 79.6 F0.05(2,4) =6.94
油温℃A 1 1 2 2 3 3 4 4
1.8 4.5 9.8 6.8 3.24 20.25 96.04 46.24
表10-27 试验方案及结果分析
含水量％B 油炸时间s C
1
1
空列 1
2Hale Waihona Puke 2211
2
2
2
1
1
2
1
2
1
2
1
2
2
2 11.4
1 10.2
1 12.1
11.5
12.7
10.8
空列 1 2 2 1 2 1 1 2
3.24 11.4 F0.01(2,4)=18.0
0.16
0.41
0.285
显著水平 ** *
因素A高度显著，因素B显著，因素C不显著。 因素主次顺序A-B-C。
（3）优化工艺条件的确定
本试验指标越大越好。对因素A、B分析，确定优 水平为A3、B1；因素C的水平改变对试验结果几乎无影
响，从经济角度考虑，选C1。优水平组合为A3B1C1。 即温度为58℃，pH值为6.5，加酶量为2.0%。
K2k2 SST＝QT CT
…
Kmk2 SSk
Q
＝
j
1 r
正交试验设计(方差分析)
子
A 罗拉加压 10×11×10 （原工艺） 11×12×10 13×14×13
B 后区牵伸 1.80 （原工艺） 1.67 1.50 6 8 10
C 后区隔距 （原工艺）
返回
首先要选择一个合适的正交表,选 L9 (34 ) 来制定试验 方案. 其次，将A、B、C三个因素随机地填在表的三列上， 如A、B、C依次放在1，2，3列，第4列为空列，这个过 程叫表头设计.
A1 1、 2、 3、 4、
A2 5、 6 7、
A3 8、 9
各水平所在的试 验号
各水平所在试验 号的试验数据
1.5、1.3、－0.2
2.6、1.4、－0.3
2.8、 0.4、 0
在因素A每个水平的三次试验中，因素B、C三个水平 都分别各出现一次，因此,可以理解为因素A有三个水平， 每个水平重复做三次试验，按照单因子方差分析:
第4 列 1 2 3
因素A第1 水平3次 试验结果yi 重复测定 y1 值 y2 y3
单因素 4 2 1 2 3 y4 5 2 2 3 1 y5 因素A第2 试验数 1 （y1 y2 ... y9 ） SS 6 ＝ （ y1 y22 y3 ） （y4 3y5 y6 ） （y7 y8 2y9 ） （修正项） 水平 3次重 1 y6 据资料 3 9 复测定值 7 1 3 1 3 2 y7 T 格式 ＝ （K K K ） 8 3 2 1 3 y8
，
，
同理可选出因素B和因素C的最好条件分别为B3、C1。 于是通过 “算一算”得到一个较优的水平组合A1 B3C1.称为 “算一算” 的好条件. 比较“直接看”的好条件A2B3C1与 “算一算”的好条 件A1 B3C1，除了因素A的水平不同外，其它两个因素所取 的好条件是一致的。又因为第一列的极差与误差列的极差 接近，认为因素A对条干不匀率的影响不显著,为方便操作 选取原工艺A1.最后确定最优工艺为A1B3C1.
5-2正交试验设计(方差分析)
正交表
选择部分条件进行试验，再通过数据分析来 寻找好的条件，这便是试验设计问题。通过 少量的试验获得较多的信息，达到试验的目 的：发现那些因子对试验结果确有影响，因 子的什么水平组合是最好的。
第五章 正交试验设计
一、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 取两个不同状态进行比较，有210=1024、 如 果每个因素取三个不同状态310=59049个不同 的试验条件
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 譬如：考察两个因子，先固定A在A1，发 现B3好，再固定B3，发现A1好，但是实际上好 的条件是A2B2。 B1 B2 B3 A1 50 56 62 A2 56 70 60 A3 54 60 58
利用正交表进行试验设计的方法就是正交试 验设计。
表 4 .1 试验号 1 2 3 4 5 6 7 8 9 列号 1 1 1 1 2 2 2 3 3 3
L 9 (3 ) 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
4
“L”表示正交表，“9”是行数，在试验中表示试 验的条件数，“4”是列数，在试验中表示可以安排 的因子的最多个数，“3”是表的主体只有三个不同 数字，在试验中表示每一因子可以取的水平数。
二、无交互作用的正交设计与数据分析
- 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)。
6
表2.实验方案及实验结果的直观分析
列号 实验号
1 A wH2SO4 (%) 1 B mCuSO4· 5H2O(g) 1 C mZn (g) 1 空白列 2 10min内H2的 产率 32.62
2
3 4
2
3 1
1
1 2
2
3 3
1
3 1
40.40
41.07 34.97
5
6 7 8 9
2
3 1 2 3
此，因素水平变化所引起的波动，即因素A的偏差平方和SA应为：
SA=∑(yi-y总)2= (34.74-39.08)2+(38.71-39.08)2+(43.78-39.08)2
=123.37 上述计算结果我们可以通过S总=SA+ Se式来检验SA和 Se 计算正确与否。
(4)自由度和平均偏差平方和的计算 为了消除个数不同对实验指标所产生的影响，
S总 ( yi y总 )2
i 1
n
由表3知:
y总=1/9(32.62+34.97+36.62+40.40+…+44.53)=39.08
则：S总=(32.62-39.08)2+(34.97-39.08)2+…+(44.5339.08)2=151.08 S总反映了实验数据总的波动情况，如果硫酸质量分
i 1
i
即除以(n-1)，就得到平均偏差平方和。
平均偏差平方和 nS 1
为什么不除以n而要除以(n-1)呢？这是因为n个 数(y1, y2, y3, ……yn)之间并非彼此毫无关系，它们满 足的关系是： 1 n y yi n i 1 即n个数之和的均值为一定值，因此，n个数中 只有(n-1)个可“自由”变动，所以，求平均偏差平 方和时除以(n-1)，数学上将这个(n-1)称为S的自由 度。
4.因素的显著性判断 设因素A的F比为FA：
当FA >F0. 01 (n1, n2 )时，说明该因素水平的改变
对实验结果有很显著的影响，记作**。
当FA >F0. 05 (n1, n2 )时，说明该因素水平的改变
对实验结果有显著的影响，记作*。 当FA >F0. 10 (n1, n2 )时，说明该因素水平的改变 对实验结果有一定的影响，记作O。
114.09 117.25 120.34 38.03 39.08 40.11 2.08
C mZn (g)
122.77 115.23 113.68 40.92 38.41 37.89 3.03
空白列
10min内H2的 产率
119.9 117.56 114.22 39.96 39.18 38.07 1.89
为了弥补直观分析方法的不足，可采用方差分析 方法对实验结果进行计算分析。所谓方差分析就是将 因素水平(或交互作用)的变化引起的实验结果间的差 异与误差的波动所引起的实验结果间的差异区分开来 的一种数学方法。 方差分析的中心要点是：把实验数据总的波动分 解成两部分，一部分反映因素水平变化引起的波动， 另一部分反映实验误差引起的波动。即把数据总的偏 差平方和(S总)分解为因素的偏差平方和(SA、SB、SC ……)与误差的偏差平方和(Se)，并计算它们的平均偏 差平方和(也称均方和，或均方)，然后进行检验，最 后得出方差分析表。
二.方差分析中的一些基本概念
1.偏差平方和
方差分析的关键是对偏差平方和的分解，因此，
充分理解这一概念是至关重要的。
所谓偏差平方和是指一组数据中，各个数(y1, y2, y3……yn)与它们的算术平均数y之差的平方和。用符号 S来表示。即：
1 1 y ( y1 y2 ...... yn ) yi n n i 1
若以S1表示A1水平下实验误差所引起的波动，其值应 为：S1=(32.62-34.74)2+(34.97-34.74)2+(36.62-34.74)2 =8.0870。同理可以求出A2 、A3水平下实验误差所引 起的波动，其值分别为S2=7.8389，S3=11.7875 则，A因素的各个水平下总的偏差平方和应为： Se= S1+ S2+ S3=8.0870+7.8389+11.7875=27.71 (2) S总的计算 总的偏差平方和S总是指全部实验数据中，每个数据(yi) 与总平均值(y总)之差的平方和，即：
应采用平均偏差平方和，其计算公式为：
因素A的平均偏差平方和=SA/fA 误差的平均偏差平方和=Se/fe 式中SA、Se分别代表因素A和误差的偏差平方和 fA=A因素的水平数-1，它代表SA的自由度
fe=f总-fA，它代表Se的自由度
f总=总的实验次数-1，它代表S总的自由度
在本例中f总=9-1=8，fA=3-1=2， fe=8-2=6
F比 = S
f因素
误差
f 误差
为了判断F比值的大小所表明的物理意义(即F比值多大 时，可以认为实验结果的差异主要是由因素水平的 改变所引起的；其值多小时，可以认为实验结果的 差异主要是由实验误差所引起的)，这就需要有一个 标准来衡量F比值，此标准就是根据统计数学原理编 制的F分布表，F分布表列出了各种自由度情况下F比 的临界值。
数水平的改变对实验指标不发生影响，而且实验中
也没有误差产生的话，那么全部实验数据理应都一
样，即S总应等于零，但情况并非如此。
(3) S wH2SO4 (SA)的计算 对于因素A来讲，当它取一水平时，3次实验(即1、4、7实验)结 果的均值(y)应为： y1=1/3(y1+y4+y7)=1/3(32.62+34.93+36.62)=34.74 y1代表了3次一水平实验对H2产率的影响。同理： y2=1/3(y2+y5+y8)=38.71 y3=1/3(y3+y6+y9)=43.78 y2、y3分别代表了3次二水平和三水平实验对H2产率的影响。因
则
1 n 1 n X xi yi C n i 1 n i 1 X y C
于是
S ( xi x)2 [( yi C ) ( y C )]2 ( yi y)2
i 1 i 1 i 1
n
n
n
3. F比与F分布表 (1) F比
F比是指因素水平的改变引起的平均偏差平方和与误 S因素 差的平均偏差平方和的比值。即： (2) F分布表及其查阅方法
当实验所测得的n个数(y1, y2, y3, ……yn)数值较 大时，为了简化计算，可将每一个原始数据yi(i=1, 2, 3……n)都减去同一个常数C，这并不影响偏差平方 和的计算结果，但计算的工作量却简化了许多。
上述推论可通过以下简单换算予以证明。 若令Xi=yi-C (i=1, 2, ……n)
但是，极差值仅仅反映了各因素影响实验指标的主次 关系，它不能告诉我们各个因素对实验指标影响的程 度。也就是说，它既不能指明这些因素中哪个是影响 实验指标的关键因素，也不能提供一个标准，用来考 察、判断各个因素的作用是否显著。
第二：就因素A而言(因素B、C也类同)，其中k1、k2、 k3值之间的差异是如何产生的？是由于A因素水平不 同引起的呢？还是由于实验误差所造成的呢？还是 两者综合作用的结果？从直观分析角度是无法说清 楚的。 正是由于直观分析存在着上述的缺点，所以需 要采用方差分析的方法来弥补上述的不足。 1.单因素实验的方差分析 为了便于讨论，我们仍以实验室制取H2的因素 之一------A因素(硫酸的质量分数)为例，来说明单个 因素的实验数据的方差分析方法。
2 ( y y ) i i 1 n
n
则
S
为了计算方便，上式可简化为一种更常见的形式：
S yi 2 yi y y yi 2 ny 2
2 2 i 1 n i 1 i 1 i 1 n n n n
若令：
G yi
i 1
CT
ቤተ መጻሕፍቲ ባይዱ
G2 n
n
则
S yi 2 CT
方差分析是把实验数据总的波动(即数据的总的偏差平方 和S总)分解成两部分：一部分反映因素水平变化引起的波动 (即因素的偏差平方和)，对本例而言仅为S wH2SO4；另一部分 反映实验误差引起的波动(即误差的偏差平方和Se)。即： (1) Se的计算
表3.实验结果分析 参与wH2SO4某一水平的实验编号 A1(20%) 1 4 7 A2 (25%) 2 5 8 平均值y A3 (30%) 3 6 9 10minH2产率 A1(20%) 32.62 34.97 36.62 34.74 A2 (25%) 40.40 36.53 39.19 38.71 A3 (30%) 41.07 45.75 44.53 43.78
三.正交试验设计的方差分析 现以实验室制取H2为例，来说明正交设计的方 差分析的基本方法。若该实验所考察的因素、水平 如表1和表2所示。
表1. 因素水平
因素 水平 一 二 A wH2SO4 (%) 20 25 B mCuSO4· 5H2O(g) 0.4 0.5 C mZn (g) 4 5
三
30
0.6
2
2 3 3 3
1
2 2 3 1
3
2 3 2 1
36.53
45.75 36.62 39.19 44.53
列号 实验号
K1 K2 K3 k1 k2 k3 R
A wH2SO4 (%)
104.21 116.12 131.35 34.78 38.70 43.78 9.05
B mCuSO4· 5H2O(g)
正交试验设计的方差分析
一.方差分析的意义
前面我们介绍了正交设计方案及其结果的直 观分析，该方法简单明了，通俗易懂，计算工作 量少，便于普及和推广。但直观分析方法不能把 实验中由于实验条件的改变而引起的数据波动同 实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所对应的实验结果间的差异， 究竟是由于因素水平不同引起的，还是由于实验 误差引起的。