第4讲5(2) 正交试验设计(方差分析)

方差分析和试验设计

6方差分析与试验设计 在研究一个或多个分类型自变量与一个数值型因变量之间的关系时，方差分析就是其中主要方法之一。检验多个总体均值是否相等的统计方法。 所要检验的对象称为因素。因素的不同表现称为水平。每个因子水平下得到的样本数据称为观测值。 随机误差：在同一行业（同一总体）下，样本的各观测值是不同的。抽样随机性造成。 系统误差：在不同一行业（不同一总体）下，样本的各观测值也是不同的。抽样随机性和行业本身造成的。 组内误差：衡量因素在同一行业（同一总体）下样本数据的误差。只包含随机误差。 组间误差：衡量因素在不同一行业（不同一总体）下样本数据的误差。包含随机误差、系统误差。 方差分析的三大假设： 每个总体服从正态分布； 每个总体的方差必须相同； 观测值是独立的； 单因素方差分析（F分布） 数据结构：表示第i个水平（总体）的第j个的观测值。（i列j行）分析步骤： 1提出假设。自变量对因变量没有显著影响 不完全相等自变量对因变量有显著影响 2构造检验的统计量 计算因素各水平的均值（各水平样本均值） 计算全部观测值的总均值（总体均值） 计算误差平方和： 总误差平方和SST：全部观测值与总平均值得误差平方和。 水平项误差平方和SSA：各组平均值与总平均值得误差平方和。组间平方和。 误差项平方和SSE：各样本数据与其组平均值误差的平方和。组内平方和。 SST=SSA+SSE

A B C D E F G 1 误差来源 平方和自由度均方F 值P 值 F 临界值2SS df MS 3组间（因素 来源）SSA k-1MSA MSA/MSE 4组内（误差）SSE n-k MSE 5 总和 SST n-1 计算统计量 各平方和除以它们对应的自由度，这一结果称为均方。 SST 的自由度为（n-1），其中n 为全部观测值的个数。 SSA 的自由度为（k-1），其中k 为因素水平的个数。（组数-1） SSE 的自由度为（n-k ）。 SSA 的均方（组间均方）为 SSE 的均方（组内均方）为 3统计决策 在给定的显著性水平α下，查表得临界值 若，有显著影响； 若，无显著影响； 4方差分析表

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，

方差分析与试验设计

第10章 方差分析与试验设计 三、选择题 1. Ｃ 2. Ｂ 3. Ａ 4. Ｂ 5. Ｃ 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6. Ａ 7. Ｄ 8. Ｄ 9. Ａ 10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. <

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

第10章 方差分析与试验设计

第10章 方差分析与试验设计 三、选择题 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. <

第八章常用试验设计的方差分析

第八章 常用试验设计的方差分析 8.1 多因素随机区组试验和单因素随机区组试验的分析方法有何异同？多因素随机区组试验处理项的自由度和平方和如何分解？怎样计算和测验因素效应和互作的显著性，正确地进行水平选优和组合选优？ 8.2 裂区试验和多因素随机区组试验的统计分析方法有何异同？在裂区试验中误差E a 和E b 是如何计算的，各具什么意义？如何估计裂区试验中的缺区?裂区试验的线性模型是什么？ 8.3 有一大豆试验，A 因素为品种，有A 1、A 2、A 3、A 4 4个水平，B 因素为播期，有B 1、B 2、B 3 3个水平，随机区组设计，重复3次，小区计产面积25平方米，其田间排列和产量(kg )如下图，试作分析。 区组Ⅰ 区组Ⅱ 区组Ⅲ [答案： e MS 0.31，F 测验：品种、播期极显著，品种×播期不显著] 8.4 有一小麦裂区试验，主区因素A ，分A1(深耕)、A2(浅)两水平，副区因素B ，分B1(多肥)、B2(少肥)两水平，重复3次，小区计产面积15平方米，其田间排列和产量(假设数字)如下图，试作分析。 区组Ⅰ 区组Ⅱ 区组Ⅲ [答案： a E MS =0.58， b E MS =2.50，F 测验：A 和B 皆显著，A ×B 不显著] 8.5 设若上题小麦耕深与施肥量试验为条区设计，田间排列和产量将相应如下图，试作分

析，并与裂区设计结果相比较)。 B 1 B 1B 2 B 2 B 2B 1 [答案： A E MS =0.58， B E MS =1.75， c E MS =3.25，F 测验A 、B 均显著，A ×B 不显著] 8.6 江苏省淮南地区夏大豆区域试验部分资料摘录如下： 试点 年份 区组 CK 19—15 31—15 4—1 21—16 试点1 1977年 Ⅰ 134 160 168 226 196 Ⅱ 146 180 156 170 190 Ⅲ 148 206 188 216 200 1978年 Ⅰ 220 264 280 212 168 Ⅱ 228 260 276 208 156 Ⅲ 208 220 300 260 148 试点2 1977年 Ⅰ 137 236 197 196 155 Ⅱ 173 207 178 192 179 Ⅲ 110 171 223 208 125 1978年 Ⅰ 179 201 150 195 186 Ⅱ 182 224 189 203 191 Ⅲ 207 262 187 210 183 各年各点均为随机区组设计，试分析此试验结果。 [答案： 2 =3.67，e MS =406.06，Fv=12.89，Fvs=1.88，Fvy=5.18，Fvsy=10.35] 8.7 在药物处理大豆种子试验中，使用了大中小三种类型种子，分别用五种浓度、两种处理时间进行试验处理，播种后45天对每种各取两个样本，每个样本取10株测定其干物重，求其平均数，结果如下表。试进行方差分析。 处理时间A 种子类型C 浓度B B 1(0×10-6) B 2(10×10-6) B 3(20×10-6) B 4(30×10-6) B 5(40×10-6) A 1(12小时) C 1(小粒) 7.0 12.8 22.0 21.3 24.4 6.5 11.4 21.8 20.3 23.2 C 2(中粒) 13.5 13.2 20.4 19.0 24.6 13.8 14.2 21.4 19.6 23.8 C 3(大粒) 10.7 12.4 22.6 21.3 24.5 10.3 13.2 21.8 22.4 24.2 A 2(24小时) C 1(小粒) 3.6 10.7 4.7 12.4 13.6 1.5 8.8 3.4 10.5 13.7

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

正交试验方差分析(通俗易懂)

第十一章正交设计试验资料得方差分析 在实际工作中，常常需要同时考察3个或3个以上得试验因素,若进行全面试验，则试验得规模将很大,往往因试验条件得限制而难于实施。 正交设计就是安排多因素试验、寻求最优水平组合得一种高效率试验设计方法. 第一节、正交设计原理与方法 (一）正交设计得基本概念 正交设计就是利用正交表来安排多因素试验、分析试验结果得一种设计方法。它从多因素试验得全部水平组合中挑选部分有代表性得水平组合进行试验，通过对这部分试验结果得分析了解全面试验得情况，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得影响: Ａ因素就是氮肥施用量,设A１、Ａ2、A3 3个水平; B因素就是磷肥施用量，设B1、B2、B3 3个水平; C因素就是钾肥施用量，设C1、C2、C3 3个水平。 这就是一个3因素每个因素3水平得试验,各因素得水平之间全部可能得组合有2７种。 如果进行全面试验，可以分析各因素得效应，交互作用,也可选出最优水平组合。 但全面试验包含得水平组合数较多，工作量大，由于受试验场地、经费等限制而难于实施。 如果试验得主要目得就是寻求最优水平组合，则可利用正交设计来安排试验. 正交设计得基本特点就是:用部分试验来代替全面试验,通过对部分试验结果得分析，了解全面试验得情况。 正交试验就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得混杂。 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个水平组合得全面试验得情况，找出最佳得生产条件。 一、正交设计得基本原理 表１1－1 ３３试验得全面试验方案

第六章--方差分析与正交试验设计讲解学习

第六章 方差分析与正交试验设计 在生产实践和科学研究中，经常要分析各种因素对试验指标是否有显著的影响。例如，工业生产中，需要研究各种不同的配料方案对生产出的产品的质量有无显著差异，从中筛选出较好的原料配方；农业生产中，为了提高农作物的产量，需要考察不同的种子、不同数量的肥料对农作物产量的影响，并从中确定最适宜该地区种植的农作物品种和施肥数量。 要解决诸如上述问题，一方面需要设计一个试验，使其充分反映各因素的作用，并力求试验次数尽可能少，以便节省各种资源和成本；另一方面就是要对试验结果数据进行合理的分析，以便确定各因素对试验指标的影响程度。 §6.1 单因素方差分析 仅考虑一个因素A 对试验指标有无显著影响，可以让A 取r 个水平：r A A A ,,,21 ，在水平i A 下进行i n 次试验，称为单因素试验，试验结果观测数据ij x 列于下表： 并设在水平i A 下的数据i in i i x x x ,,21来自总体),(~2 i i N X ，),,2,1(r i 。 检验如下假设： r H 210:， r H ,,,:211 不全相等 检验统计量为 ),1(~) /() 1/(r n r F r n S r S F e A 其中2 1 2 11)()(x x n x x S i r i i r i n j i A i ，称为组间差平方和。 211 )(i r i n j ij e x x S i ，称为组内差平方和。

这里 r i i n n 1 ， i n j ij i i x n x 1 1 ， r i n j ij i x n x 111。 对于给定的显著性水平)05.001.0(或 ，如果),1(r n r F F ，则拒绝0H ，即认为因素A 对试验指标有显著影响。 实际计算时，可事先对原始数据作如下处理： b a x x ij ij 再进行计算，不会影响F 值的大小。 例1 试分析三种不同的菌型对小白鼠的平均存活日数影响是否显著？ 解：30,11,9,10,3321 n n n n r 16.6,27.7,22.7,4321 x x x x 43.70)()(21 2 11 x x n x x S i r i i r i n j i A i ， 74.137)(211 i r i n j ij e x x S i 49.5)27,2(90.601.0 F F ，说明三种不同菌型的伤寒病菌对小白鼠的平均存活日数的影响高度显著。 §6.2 双因素方差分析 同时考察两个因素A 和B 对试验指标有无显著影响，可以让A 取r 个水平： r A A A ,,,21 ，让B 取s 个水平：s B B B ,,,21 ，在各种水平配合),(j i B A 下进行试验， 称为双因素试验。 一、无交互作用的双因素方差分析 在每一种水平配合),(j i B A 下作一次试验，称为无交互作用的双因素试验，试验结果观测数据ij x 列于下表：

第10章__方差分析与试验设计

第10章方差分析与试验设计 三、选择题 1.Ｃ 2.Ｂ 3.Ａ 4.Ｂ 5.Ｃ 1.方差分析的主要目的是判断（）。 Ａ.各总体是否存在方差 Ｂ.各样本数据之间是否有显著差异 Ｃ.分类型自变量对数值型因变量的影响是否显著 Ｄ.分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是（）。 Ａ.组间平方和除以组内平方和Ｂ.组间均方除以组内均方 Ｃ.组间平方除以总平方和Ｄ.组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为（）。 Ａ.随机误差Ｂ.非随机误差Ｃ.系统误差Ｄ.非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为（）。 Ａ.组内误差Ｂ.组间误差Ｃ.组内平方Ｄ.组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它（）。 Ａ.只包括随机误差 Ｂ.只包括系统误差 Ｃ.既包括随机误差，也包括系统误差 Ｄ.有时包括随机误差，有时包括系统误差 6.Ａ 7.Ｄ8.Ｄ9.Ａ10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它（）。 Ａ.只包括随机误差 Ｂ.只包括系统误差 Ｃ.既包括随机误差，也包括系统误差 Ｄ.有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定（）。 Ａ.每个总体都服从正态分布Ｂ.各总体的方差相等 Ｃ.观测值是独立的Ｄ.各总体的方差等于0 8.在方差分析中，所提出的原假设是0:=···= ，备择假设是（） 12 k Ａ.1:12···kＢ.1:12···k Ｃ. 1:···kＤ.1:1,2,···,k不全相等 12 9.单因素方差分析是指只涉及（）。 Ａ.一个分类型自变量Ｂ.一个数值型自变量 Ｃ.两个分类型自变量Ｄ.两个数值型因变量 10.双因素方差分析涉及（）。 Ａ.两个分类型自变量Ｂ.两个数值型自变量 Ｃ.两个分类型因变量Ｄ.两个数值型因变量 11.Ｂ12.Ｃ

试验设计案例方差分析

1、通过以下试验设计案例总结“正交试验设计的基本程序和步骤”。 案例：为了研究啤酒酵母最适合的自溶条件，选择3因素3水平正交试验。因素有温度℃（A）和pH（B），加酶量（C）3个，试验指标为蛋白质含量，试验指标越大越好。选用L9(34) 正交表，试验方案和结果如下表，试作方差分析，并找出啤酒酵母最适合的自溶条件。 4

1、明确试验目的，确定试验指标：找出啤酒酵母最适合的自溶条件，可用蛋白质含量作为本试验的试验指标。 2挑因素，选水平：影响啤酒酵母最适合的自溶条件的因素有温度、pH和加酶量3个，分别用A、B、C表示，并且每个因素都取3个水平，因此，此次选取3因素3水平正交试验。 3、选择合适的正交表：根据所选取的实验因素和实验水平数，决定该实验选取L9(34) 正交表。 4、进行表头设计（表1-1） 表1-1 由于此试验不考察因素之间的交互作用，所以采用不考察交互作用的方差分析法进行实验结果发差分析，并且此试验无重复试验，所以采用不考察交互作用的方差分析法中的无重复试验的方差分析。结果如表1-3

本例a=b=c=3,各因素每一水平的重复次数m=3，总处理次数为9次(n). ②平方和与自由度的分解。 平方和的分解： 矫正数 C=()2 i x n ∑=2T n =65.2/9=477.8596 总平方和 SS T =2i x ∑-C=6.252+4.972+…+8.952-C =530.89-477.8596=53.0304 A 因素平方和 SS A =2iA K m ∑-C=（15.762+18.572+31.252）/3-C =523.2617-477.8596=45.4021 B 因素平方和 SS B = 2iB K m ∑-C=（25.182+21.412+18.992）/3-C =484.3469-477.8596=6.4873 C 因素平方和 SS C = 2 iC K m ∑-C=（22.652+21.452+21.482）/3-C =478.1718-477.8596=0.3122 误差平方和 SS e = SS T -SS A -SS B -SS C =53.0304-45.4021-6.4873-0.3122=0.8288 对于空列也可用同样方法计算平方和： 空列平方和 SS D =2iD K m ∑-C=（20.742+21.872+22.972）/3-C =478.6884-477.8596=0.8288 自由度的分解： 总自由度 df T =n-1=9-1=8 A 因素 df A =a-1=3-1=2 B 因素 df B =b-1=3-1=2 C 因素 df C =c-1=3-1=2 误差 df e =df T -df A -df B -df C =8-2-2-2=2 显然，误差的自由度等于各空白列自由度之和，正交表中各列的自由度为该列的水平数减1。 ③F 测验。方差分析的结果见表1-4。由方差分析的结果可知，A 因素（温度）的F 值 显著，说明A 因素对蛋白质含量有显著的影响 表1-4 方差分析表 变异来源 SS df MS F F α

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

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

正交试验方差分析(通俗易懂)复习过程

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