1.方差分析在科学研究中有何意义？如何进行平方和与自由度的分解？如何进行F检验和
多重比较？
（1）方差分析的意义
方差分析，又称变量分析，其实质是关于观察值变异原因的数量分析，是科学研究的重要工具。方差分析得最大公用在于：a. 它能将引起变异的多种因素的各自作用一一剖析出来，做出量的估计，进而辨明哪些因素起主要作用，哪些因素起次要作用。b. 它能充分利用资料提供的信息将试验中由于偶然因素造成的随机误差无偏地估计出来，从而大大提高了对实验结果分析的精确性，为统计假设的可靠性提供了科学的理论依据。
（2）平方和及自由度的分解
方差分析之所以能将试验数据的总变异分解成各种因素所引起的相应变异，是根据总平方和与总自由度的可分解性而实现的。
（3）F检验和多重比较
①F检验的目的在于，推断处理间的差异是否存在，检验某项变异原因的效应方差是否为零。实际进行F检验时，是将由试验资料算得的F值与根据df1=df t（分子均方的自由度）、df2=df e（分母均方的自由度）查附表4（F值表）所得的临界F值（F0.05（df1，df2）和F0.01（df1，df2））相比较做出统计判断。若F< F0.05（df1，df2），即P>0.05，不能否定H0，可认为各处理间差异不显著；若F0.05（df1，df2）≤F＜F0.01（df1，df2），即0.01 ②多重比较，统计学中把多个平均数两两间的比较称为多重比较，其方法有很多。 a.最小显著差数法，简称LSD法。其步骤是：列出平均数的多重比较表，比较表中各处 理按其平均数从大到小至上而下排列；计算最小显著差数LSD0.05和LSD0.01；将平均数多重比较表中两两平均数的差数与LSD0.05、LSD0.01比较，做出统计推断。 b.最小显著极差法，简称LSR法。常用的LSR法有q检验和新复极差法 i.q检验法：列出平均数多重比较表；由自由度df e、秩次矩K查临界q值，计算最 小显著极差LSR0.05,K，LSR0.01,K；将平均数多重比较表中的各极差与相应的最小显著 极差LSR0.05,K，LSR0.01,K比较，做出统计推断。 ii.新复极差法，与q检验法的步骤相同，唯一不同的是计算最小显著极差时需要查SSR表（附表6）。 2.方差分析有哪些基本假定？为什么有些数据资料需经过数据转换才能作方差分析？常 用的转换方法有哪几种？各在什么条件下应用？ （1）方差分析的基本假定包括，效应的可加性、分布的正态性、方差的同质性。 （2）对于不符合基本假定的试验资料应采用适当的方法给予改善。如果发现有异常的观察值、处理或单位组，只要不属于研究对象本身的原因，在不影响分析正确性的条件下加以删除。但有些资料就其性质来说就不符合方差分析的基本假定。对这类资料不能直接进行方差分析，而因考虑采用非参数方法分析或进行适当数据转换后作方差分析。 （3）常用的数据准换方法有以下一些。 a.平方根转换，适用于各组方差与其平均数之间有某种比例关系的资料，尤其适用于 总体呈Poisson分布的资料。它可以使Poisson分布的计数资料或轻度偏态的资料正态化。 b.对数转换，适用于当各组数据的标准差、全距与其平均数大体成比例或变异系数CV 接近一个常数时，采用对数转换可获得同质性的方差；能使服从对数正态分布的变 量正态化。 c.反正弦转换，常用于服从二项分布的率或百分比的资料，如产品的合格率。 d.倒数转换，适用于当各组数据的标准差与其平均数的平方成正比时。 3.在提取大豆蛋白的科研过程中，为研究浸泡温度（A）对大豆蛋白提取率的影响，将其 他因素固定，取因素A的5个水平反别为A1（40℃）、A2（50℃）、A3（60℃）、A4（70℃）、A5（80℃），每个水平重复3次，由3个试验人员共同完成。测定结果如表3-1，B1、B2、B3分别为3个试验人员的测定结果。试分析A因素和B因素的作用是否显著，并确定A 的适宜水平。 表3-1 不同浸泡温度对蛋白质提取率的影响单位% 在SPSS中打开EXCEL文件得到图3-1。 图3-1 由表3-2可知，每个实验员在不同浸泡温度下对蛋白质的提取率的均值和标准偏差。 由表3-3可知，因素实验员的平方和、自由度、均方、F值和Sig.值分别为1.516、2、0.758、0.108和0.899；因素温度的平方和、自由度、均方、F值和Sig.值分别为2453.044、4、613.261、87.198和0.000。因素实验员的Sig.>0.05，说明3个实验员的检验技术没有显著差异。温度的Sig.<0.01，说明不同温度下对蛋白质的提取率有极显著差异。 由表3-4可知，在显著水平为0.05时，A4（70℃）、A5（80℃）浸泡温度下两个水平蛋白质提取率间无显著差异，提取率最高，适合作为蛋白质提取率的温度。 4.随机区组试验设计有什么特点，应用随机区组试验设计方法时应注意什么？ 实验设计与数据处理心得体会 刚开始选这门课的时候,我觉得这门课应该就是很难懂的课程,首先我们做过不少的实验了,当然任何自然科学都离不开实验,大多数学科(化工、化学、轻工、材料、环境、医药等)中的概念、原理与规律大多由实验推导与论证的,但我觉得每次到处理数据的时候都很困难,所以我觉得这就是门难懂的课程,却也就是很有必要去学的一门课程,它对于我们工科生来说也就是很有用途的,在以后我们实验的数据处理上有很重要的意义。 如何科学的设计实验,对实验所观测的数据进行分析与处理,获得研究观测对象的变化规律,就是每个需要进行实验的人员需要解决的问题。“实验设计与数据处理”课程就就是就是以概率论数理统计、专业技术知识与实践经验为基础,经济、科学地安排试验,并对试验数据进行计算分析,最终达到减少试验次数、缩短试验周期、迅速找到优化方案的一种科学计算方法。它主要应用于工农业生产与科学研究过程中的科学试验,就是产品设计、质量管理与科学研究的重要工具与方法,也就是一门关于科学实验中实验前的实验设计的理论、知识、方法、技能,以及实验后获得了实验结果,对实验数据进行科学处理的理论、知识、方法与技能的课程。 通过本课程的学习,我掌握了试验数据统计分析的基本原理,并能针对实际问题正确地运用,为将来从事专业科学的研究打下基础。这门课的安排很合理,由简单到复杂、由浅入深的思维发展规律,先讲单因素试验、双因素试验、正交试验、均匀试验设计等常用试验设计 方法及其常规数据处理方法、再讲误差理论、方差分析、回归分析等数据处理的理论知识,最后将得出的方差分析、回归分析等结论与处理方法直接应用到试验设计方法。 比如我对误差理论与误差分析的学习:在实验中,每次针对实验数据总会有误差分析,误差就是进行实验设计与数据评价最关键的一个概念,就是测量结果与真值的接近程度。任何物理量不可能测量的绝对准确,必然存在着测定误差。通过学习,我知道误差分为过失误差,系统误差与随机误差,并理解了她们的定义。另外还有对准确度与精密度的学习,了解了她们之间的关系以及提高准确度的方法等。对误差的学习更有意义的应该就是如何消除误差,首先消除系统误差,可以通过对照试验,空白试验,校准仪器以及对分析结果的校正等方法来消除;其次要减小随机误差,就就是要在消除系统误差的前提下,增加平行测定次数,可以提高平均值的精密度。 比如我对方差分析的理解:方差分析就是实验设计中的重要分析方法,应用非常广泛,它就是将不同因素、不同水平组合下试验数据作为不同总体的样本数据,进行统计分析,找出对实验指标影响大的因素及其影响程度。对于单因素实验的方差分析,主要步骤如下:建立线性统计模型,提出需要检验的假设;总离差平方与的分析与计算;统计分析,列出方差分析表。对于双因素实验的方差分析,分为两种,一种就是无交互作用的方差分析,另一种就是有交互作用的方差分析,对于这两种类型分别有各自的设计方法,但就是总体步骤都与单因素实验的方差分析一样。 《数据分析方法》 课程实验报告 1.实验内容 （1）掌握回归分析的思想和计算步骤； （2）编写程序完成回归分析的计算，包括后续的显著性检验、残差分析、Box-Cox 变换等内容。 2.模型建立与求解(数据结构与算法描述) 3.实验数据与实验结果 解：根据所建立的模型在MATLAB中输入程序（程序见附录）得到以下结果：（1）回归方程为： 说明该化妆品的消量和该城市人群收入情况关系不大，轻微影响，与使用该化妆品的人数有关。 的无偏估计： （2）方差分析表如下表： 方差来源自由度平方和均方值 回归（） 2 5384526922 56795 2.28 误差（）12 56.883 4.703 总和（）14 53902 从分析表中可以看出：值远大于的值。所以回归关系显著。 复相关，所以回归效果显著。 解：根据所建立的模型，在MATLAB中输入程序（程序见附录）得到如下结果：（1）回归方程为： 在MTLAB中计算学生化残差（见程序清单二），所得到的学生化残差r的值由残差可知得到的r的值在（-1，1）的概率为0.645，在（-1.5，1.5）的概率为0.871，在（-2，2）之间的概率为0.968. 而服从正态分布的随机变量取值在（-1，1）之间的概率为0.68，在（-1.5，1.5）之间的概率为0.87，在（-2.2）之间的概率为0.95，所以相差较大，所以残差分析不合理，需要对数据变换。 取=0.6进行Box-Cox变换 在MATLAB中输入程序（见程序代码清单二） 取，所以得到r的值（r的值见附录二）其值在（-1，1）之间的个数大约为20/31=0.65，大致符合正态分布，所以重新拟合为： 拟合函数为： 通过F值，R值可以检验到，回归效果显著 （3）某医院为了了解病人对医院工作的满意程度和病人的年龄，病情的严重程度和病人的忧虑程度之间的关系，随机调查了该医院的23位病人，得数据如下表： 《实验设计与数据处理》大作业 班级：环境17研 姓名： 学号： 1、 用Excel （或Origin ）做出下表数据带数据点的折线散点图 余浊（N T U ) 加量药（mL) 总氮T N (m g /L ) 加量药（mL ) 图1 加药量与剩余浊度变化关系图 图2 加药量与总氮TN 变化关系图 总磷T P (m g /L ) 加量药（mL) C O D C r (m g /L ) 加量药（mL) 图3 加药量与总磷TN 变化关系图 图4 加药量与COD Cr 变化关系图 去除率(%) 加药量(mL) 图5 加药量与各指标去除率变化关系图 2、对离心泵性能进行测试的实验中，得到流量Q v 、压头H 和效率η的数据如表所示，绘制离心泵特性曲线。将扬程曲线和效率曲线均拟合成多项式（要求作双Y 轴图）。 η H (m ) Q v (m 3 /h) 图6 离心泵特性曲线 扬程曲线方程为：H=效率曲线方程为：η=+、列出一元线性回归方程，求出相关系数，并绘制出工作曲线图。 (1) 表1 相关系数的计算 Y 吸光度（A ） X X-3B 浓度（mg/L ） i x x - i y y - l xy l xx l yy R 10 -30 2800 20 -20 30 -10 40 ()() i i x x y y l R --= = ∑ 50 10 60 20 70 30 平均值 40 吸光度 X-3B浓度（mg/L） 图7 水中染料活性艳红（X-3B ）工作曲线 一元线性回归方程为：y=+ 相关系数为：R 2= (2) 代入数据可知： 样品一：x=样品二：x=、试找出某伴生金属c 与含量距离x 之间的关系(要求有分析过程、计算表格以及回归图形)。 表2 某伴生金属c 与含量距离x 之间的关系分析计算表 序号 x c lgx 1/x 1/c 1 2 2 3 3 4 4 5 5 7 6 8 7 10 1 第0章 1 试验数据处理的主要作用 试验设计合理的规划试验，以通过较高效的试验方案获得更具代表性的数据 数据处理对试验数据进行分析研究，从而获得研究对象的变化规律，为生产和科研提供指导。 数据处理的具体作用： 第一章 2 真值的概念和特点 真值 某时刻和某一状态下，某量的可观值或实际值。 真值很多是位置的，但部分又是已知的。 3 平均值，尤其是算数平均值，加权平均值的概念。 平均值 科学实验中，经常将多次试验值得平均值作为真值的近似值。 (1) 算数平均值（arithmetic mean ） 同样试验条件下，如多次试验值服从正态分布，则算数平均值是这组等精度试验值中最佳或最可信赖的值。 (2) 加权平均值（weighted mean ） 若一组试验数据的精度或可靠度不一致，为了突出可靠性高的数值，可以采用加权平均值 权值的确定方法：①取试验值出现的频率ni/n ②若xi 为每组试验值的平均值，则权值为每组试验的次数 ③根据权与绝对误差的平方成反比确定 ④根据试验者的经验确定 4 误差的概念，包括绝对误差与相对误差。 判断影响结果的因素主次 优化试验或生产方案 确定试验因素与试验结果之间的近似函数关系 判断试验数据的可靠性 预测试验结果 控制试验结果 n n x i n ===121n x x x x i n ==+++= 121 5 误差的类型及产生的原因。 随机误差 系统误差 过失误差 6 精密度、正确度和准确度的概念。 1精密度定义：一定条件下多次试验值得彼此符合程度或一致程度。 正确度定义：大量试验结果的算数平均值与真值的一致程度。 准确度定义：反映系统误差与随机误差的综合 正确度：大量试验结果的算数平均值与真值的一致程度。 反映试验系统随机误差的大小 准确度：反映系统误差与随机误差的综合 7随机误差的检验法F 检验法。 1）检验两组实验数据精密度是否一致—双侧检验 （2）检验两组实验数据精密度优劣—单侧检验 a. 左侧检验 ① 取统计量为： ②给定显著性水平α ③查表确定临界值： ④ 判断:若 且 结论：S12相对S12两无显著减小。 b. 右侧检验 8 系统误差的t 检验法。 2122S F S = ① 取统计量为： ②给定显著性水平α ③查表确定临界值： 1212 (1,1) F n n α - --122(1,1) F n n α--④ 判断:若 121212 2 (1,1)F (1,1) F n n F n n αα- --<<--结论：则两组数据方差无显著差异。 2 122 S F S =112(1,1)F n n α---F 1<12F (1 ,1)F n n α<--12(1,1)F n n α--12F (1 ,1)F n n α<-- 课 程 论 文 课程名称试验设计与数据处理 专业2012级网络工程 学生姓名孙贵凡 学号201210420136 指导教师潘声旺职称副教授 成绩 科学研究与数据处理 学院信息科学与技术学院专业网络工程姓名孙贵凡学号：201210420136 摘要：《实验设计与数据处理》这门课程列举典型实例介绍了一些常用的实验设计及实验数据处理方法在科学研究和工业生产中的实际应用，重点介绍了多因素优化实验设计——正交设计、回归分析方法以对目标函数进行模型化处理。其适于工艺、工程类本科生使用，尤其适用于化学化工、矿物加工、医学和环境学等学科的本科生使用。其对行实验设计可提供很大的帮助，也可供广大分析化学工作者应用。关键字：优化实验设计; 标函数进行模型化处理; 正交设计; 回归分析方法 1 引言 实验是一切自然科学的基础,科学界中大多数公式定理是由试验反复验证而推导出来的。只有经得起试验验证的定理规律才具有普遍实用性。而科学的试验设计是利用自己已有的专业学科知识，以大量的实践经验为基础而得出的既能减少试验次数，又能缩短试验周期，从而迅速找到优化方案的一种科学计算方法，就必然涉及到数据处理，也只有对试验得出的数据做出科学合理的选择，才能使实验结果更具说服力。实验设计与数据处理在水处理中发挥着不可估量的作用，通过科学合理的实验设计过程加上严谨规范的数据处理方法，可以使水处理原理，内在规律性被很好的发现，从而更好的应用于生产实践。 2 材料与方法 2.1 供试材料 1. 论文所围绕的目标和假设 研究的目标就是实验的目的，我们设计了这个实验是想来做什么以及想得到什么样的结论。要正确的识别问题和陈述问题，这些需要专业知识和大量的阅读文献综述等方法来获得我们所要提出的问题。需要对某一个具体的问题，并且对这个具体的问题提出假设。如水处理中混凝剂的最佳投加量，混凝剂的最佳投加量有一个适宜的PH值范围。 试验设计与数据处理方法总述及总结 王亚丽 （数学与信息科学学院 08统计1班 081120132） 摘要：实验设计与数据处理是一门非常有用的学科，是研究如何经济合理安排 试验可以解决社会中存在的生产问题等，对现实生产有很重要的指导意义。因此本文根据试验设计与数据处理进行了总述与总结，以期达到学习、理解、掌握的以及灵活运用的目的。 1 试验设计与数据处理基本知识总述 1.1试验设计与数据处理的基本思想 试验设计与数据处理是数理统计学中的一个重要分支。它是以概率论、数理统计及线性代数为理论基础，结合一定的专业知识和实践经验，研究如何经济、合理地安排实验方案以及系统、科学地分析处理试验结果的一项科学技术，从而解决了长期以来在试验领域中，传统的试验方法对于多因素试验往往只能被动地处理试验数据，而对试验方案的设计及试验过程的控制显得无能为力这一问题。 1.2试验设计与数据处理的作用 （1）有助于研究者掌握试验因素对试验考察指标影响的规律性，即各因素的水平改变时指标的变化情况。 （2）有助于分清试验因素对试验考察指标影响的大小顺序，找出主要因素。（3）有助于反映试验因素之间的相互影响情况，即因素间是否存在交互作用。（4）能正确估计和有效控制试验误差，提高试验的精度。 （5）能较为迅速地优选出最佳工艺条件（或称最优方案），并能预估或控制一定条件下的试验指标值及其波动范围。 （6）根据试验因素对试验考察指标影响规律的分析，可以深入揭示事物内在规律，明确进一步试验研究的方向。 1.3试验设计与数据处理应遵循的原则 （1）重复原则：重可复试验是减少和估计随机误差的的基本手段。 （2）随机化原则：随机化原则可有效排除非试验因素的干扰，从而可正确、无偏地估计试验误差，并可保证试验数据的独立性和随机性。 （3）局部控制原则：局部控制是指在试验时采取一定的技术措施方法减少非试验因素对试验结果的影响。用图形表示如下： 2试验设计与数据处理方法总述和总结 2.1方差分析 （1）概念：方差分析是用来检验两个或两个以上样本的平均值差异的显著程度。并由此判断样本究竟是否抽自具有同一均值的总体。 （2）优点：方差分析对于比较不同生产工艺或设备条件下产量、质量的差异，分析不同计划方案效果的好坏和比较不同地区、不同人员有关的数量指标差异是否显著时，是非常有用的。 （3）缺点：对所检验的假设会发生错判的情况，比如第一类错误或第二类错误的发生。 （4）基本原理：方差分析的基本思路是一方面确定因素的不同水平下均值之间的方差，把它作为对由所有试验数据所组成的全部总体的方差的第一个估计值；另一方面再考虑在同一水平下不同试验数据对于这一水平的均值的方差，由此计算出对由所有试验数据所组成的全部数据的总体方差的第 二个估计值。比较上述两个估计值，如果这两个方差的估计值比较接近就说明因素的不同水平下的均值间的差异并不大，就接受零假设；否则，说明因素的不同水平下的均值间的差异比较大。 试验设计与数据分析 1.方差分析在科学研究中有何意义？如何进行平方和与自由度的分解？如何进行F检验和多重比较？ （1）方差分析的意义 方差分析，又称变量分析，其实质是关于观察值变异原因的数量分析，是科学研究的重要工具。方差分析得最大公用在于：a. 它能将引起变异的多种因素的各自作用一一剖析出来，做出量的估计，进而辨明哪些因素起主要作用，哪些因素起次要作用。 b. 它能充分利用资料提供的信息将试验中由于偶然因素造成的随机误差无偏地估计出来，从而大大提高了对实验结果分析的精确性，为统计假设的可靠性提供了科学的理论依据。 （2）平方和及自由度的分解 方差分析之所以能将试验数据的总变异分解成各种因素所引起的相应变异，是根据总平方和与总自由度的可分解性而实现的。 （3）F检验和多重比较 ① F检验的目的在于，推断处理间的差异是否存在，检验某项变异原因的效应方差是否为零。实际进行F检验时，是将由试验资料算得 的F 值与根据df 1=df t （分子均方的自由度）、df 2=df e （分母均方的自由度）查附表4（F 值表）所得的临界F 值（F 0.05（df1，df2）和F 0.01（df1，df2））相比较做出统计判断。若F< F 0.05（df1，df2），即P>0.05，不能否定H 0，可认为各处理间差异不显著；若F 0.05（df1，df2）≤F ＜F 0.01（df1，df2），即0.01 大数据处理综合处理服务平台的设计与实现 （广州城市职业学院广东广州510405） 摘要：在信息技术高速发展的今天，金融业面临的竞争日趋激烈，信息的高度共享和数据的安全可靠是系统建设中优先考虑的问题。大数据综合处理服务平台支持灵活构建面向数据仓库、实现批量作业的原子化、参数化、操作简单化、流程可控化，并提供灵活、可自定义的程序接口，具有良好的可扩展性。该服务平台以SOA为基础，采用云计算的体系架构，整合多种ETL技术和不同的ETL工具，具有统一、高效、可拓展性。该系统整合金融机构的客户、合约、交易、财务、产品等主要业务数据，提供客户视图、客户关系管理、营销管理、财务分析、质量监控、风险预警、业务流程等功能模块。该研究与设计打破跨国厂商在金融软件方面的垄断地位，促进传统优势企业走新型信息化道路，充分实现了“资源共享、低投入、低消耗、低排放和高效率”，值得大力发展和推广。 关键词：面向金融，大数据，综合处理服务平台。 一、研究的意义 目前，全球IT行业讨论最多的两个议题，一个是大数据分析“Big Data”，一个是云计算“Cloud Computing”。 中国五大国有商业银行发展至今，积累了海量的业务数据，同时还不断的从外界收集数据。据IDC（国际数据公司）预测，用于云计算服务上的支出在接下来的5 年间可能会出现3 倍的增长，占据IT支出增长总量中25%的份额。目前企业的各种业务系统中数据从GB、TB到PB量级呈海量急速增长，相应的存储方式也从单机存储转变为网络存储。传统的信息处理技术和手段，如数据库技术往往只能单纯实现数据的录入、查询、统计等较低层次的功能，无法充分利用和及时更新海量数据，更难以进行综合研究，中国的金融行业也不例外。中国五大国有商业银行发展至今，积累了海量的业务数据，同时还不断的从外界收集数据。通过对不同来源，不同历史阶段的数据进行分析，银行可以甄别有价值潜力的客户群和发现未来金融市场的发展趋势，针对目标客户群的特点和金融市场的需求来研发有竞争力的理财产品。所以，银行对海量数据分析的需求是尤为迫切的。再有，在信息技术高速发展的今天，金融业面临的竞争日趋激烈，信息的高度共享和数据的安全可靠是系统建设中优先考虑的问题。随着国内银行业竞争的加剧，五大国有商业银行不断深化以客户为中心，以优质业务为核心的经营理念，这对银行自身系统的不断完善提出了更高的要求。而“云计算”技术的推出，将成为银行增强数据的安全性和加快信息共享的速度，提高服务质量、降低成本和赢得竞争优势的一大选择。 试验设计与数据分析试题（A） 一、选择题： 1、已知某样品质量的称量结果为：2.0 10±g，则其相对误差，为： A、2.0， B、2.0 ±， C、% 2 D、% 2.0 2、用法寻找某实验的最优加入量时，若当前存优范围是[628,774]，好点是718， 则此时要做试验的加入点值是 ( ) A、.628＋774 2 B、628＋×(774－628) C、628＋774－718 D、2×718－774 3、经过平面上的6个点，一定可以找到一个次数不高于（）的多项式。 A、4 B、5 C、6 D、7 4．有一条1 000 m长的输电线路出现了故障，在线路的开始端A处有电，在末端B处没有电，现在用对分法检查故障所在位置，则第二次检查点在 ( ) A．500 m处 B．250 m处 C．750 m处 D．250 m或750 m处 5、 L 8 （27）中的7代表（） A. 最多允许安排因素的个数 B. 因素水平数 C. 正交表的横行数 D. 总的实验次数 6、. 在L 9 （34）表中，有A，B，C三个因素需要安排。则它们应该安排在（）列 A. 1，2，3 B. 2，3，4 C. 3，4，5 D. 任意3列 ★7、某实验因素对应的目标函数是单峰函数，若用分数法需要从[0，21]个试验点中找最佳点，则需要做试验的次数是 ( ) A．6次 B．7次 C．10次 D．20次 ★8、. 用L 8 （27）进行正交实验设计，若因素A和B安排在第1、2列，则A×B，应排在第（）列。 A. 3 B. 4 C. 5 D. 6 ★9、正方体的边长为2.0 10±，则体积的绝对误差限为： A、32.0 B、3 2.0? C、2.0 D、60 ★10、有一双因素优选试验，20≤x≤40,10≤y≤20.使用纵横对折法进行优选．分别对因素x和y进行了一次优选后其新的存优范围的面积为（） A、200 B、100 C、150 D、50 1.方差分析在科学研究中有何意义？如何进行平方和与自由度的分解？如何进行F检验和 多重比较？ （1）方差分析的意义 方差分析，又称变量分析，其实质是关于观察值变异原因的数量分析，是科学研究的重要工具。方差分析得最大公用在于：a. 它能将引起变异的多种因素的各自作用一一剖析出来，做出量的估计，进而辨明哪些因素起主要作用，哪些因素起次要作用。b. 它能充分利用资料提供的信息将试验中由于偶然因素造成的随机误差无偏地估计出来，从而大大提高了对实验结果分析的精确性，为统计假设的可靠性提供了科学的理论依据。 （2）平方和及自由度的分解 方差分析之所以能将试验数据的总变异分解成各种因素所引起的相应变异，是根据总平方和与总自由度的可分解性而实现的。 （3）F检验和多重比较 ①F检验的目的在于，推断处理间的差异是否存在，检验某项变异原因的效应方差是否为零。实际进行F检验时，是将由试验资料算得的F值与根据df1=df t（分子均方的自由度）、df2=df e（分母均方的自由度）查附表4（F值表）所得的临界F值（F0.05（df1，df2）和F0.01（df1，df2））相比较做出统计判断。若F< F0.05（df1，df2），即P>0.05，不能否定H0，可认为各处理间差异不显著；若F0.05（df1，df2）≤F＜F0.01（df1，df2），即0.01 《试验设计与数据处理》 专业：机械工程班级：机械11级专硕学号：S110805035 姓名：赵龙 第三章：统计推断 3-13 解：取假设H0：u1-u2≤0和假设H1：u1-u2＞0用sas分析结果如下：Sample Statistics Group N Mean Std. Dev. Std. Error ---------------------------------------------------- x 8 0.231875 0.0146 0.0051 y 10 0.2097 0.0097 0.0031 Hypothesis Test Null hypothesis: Mean 1 - Mean 2 = 0 Alternative: Mean 1 - Mean 2 ^= 0 If Variances Are t statistic Df Pr > t ---------------------------------------------------- Equal 3.878 16 0.0013 Not Equal 3.704 11.67 0.0032 由此可见p值远小于0.05，可认为拒绝原假设，即认为2个作家所写的小品文中由3个字母组成的词的比例均值差异显著。 3-14 解：用sas分析如下： Hypothesis Test Null hypothesis: Variance 1 / Variance 2 = 1 Alternative: Variance 1 / Variance 2 ^= 1 - Degrees of Freedom - F Numer. Denom. Pr > F ---------------------------------------------- 2.27 7 9 0.2501 由p值为0.2501＞0.05（显著性水平），所以接受原假设，两方差无显著差异 第四章：方差分析和协方差分析 4-1 解： Sas分析结果如下： Dependent Variable: y Sum of Source DF Squares Mean Square F Value Pr > F 试验设计与数据处理试验报告 正交试验设计 1.为了通过正交试验寻找从某矿物中提取稀土元素的最优工艺条件，使稀土元素提取率最高，选取的水平如下： 需要考虑交互作用有A×B，A×C，B×C，如果将A，B，C分别安排在正交表L8（2）的 1,2,4列上，试验结果（提取量/ml）依次是1.01,，1,33，1,13，1.06,，1.03，0.08,，0.76，0.56. 试用方差分析法（α=0.05）分析实验结果，确定较优工艺条件 解：（1）列出正交表L8（27）和实验结果，进行方差分析。 试验号 A B A×B C A×C B×C 空号提取量（ml） 1 1 1 1 1 1 1 1 1.01 2 1 1 1 2 2 2 2 1.33 3 1 2 2 1 1 2 2 1.13 4 1 2 2 2 2 1 1 1.06 5 2 1 2 1 2 1 2 1.03 6 2 1 2 2 1 2 1 0.8 7 2 2 1 1 2 2 1 0.76 8 2 2 1 2 1 1 2 0.56 K1 4.53 4.17 3.66 3.93 3.5 3.66 3.63 K2 3.15 3.51 4.02 3.75 4.18 4.02 4.05 k1 2.265 2.085 1.83 1.965 1.75 1.83 1.815 k2 1.575 1.755 2.01 1.875 2.09 2.01 2.025 极差R 1.38 0.66 0.36 0.18 0.68 0.36 0.42 因素主次 A A×C B A×B B×C 优选方案 A1B1C1 SS J 0.23805 0.05445 0.0162 0.00405 0.0578 0.0162 0.02205 Q 7.7816 总和T 7.68 P=T^2/n 7.3728 SS T 0.4088 差异源SS df MS F 显著性 A 0.23805 1 0.23805 19.5925 9259 * B 0.05445 1 0.05445 4.48148 1481 A*B 0.0162 1 0.0162 1.33333 3333 C 0.00405 1 0.00405 0.33333 3333 A*C 0.0578 1 0.0578 4.75720 1646 《实验设计与数据处理》教学大纲 （Experiment Design and Data Analysis） 一、基本信息 课程代码： 学分：2 总课时：32 课程性质：硕士专业必修课 适用专业：环境工程 先修课程：高等数学、概率论、线性代数 二、本课程教学目的和任务 本课程是环境工程硕士生的专业课。数据分析作为一种研究手段，主要是通过从系统设计、参数设计和允许误差设计入手，运用一定的物质手段，在人为控制或模拟自然现象的条件下，使环境过程以纯粹的、典型的形式表现出来，以便进行观察、研究、探索环境本质及其规律，使试验设计建立在统计理论基础之上，试验设计与数据处理相并重。 三、大纲的教学体系 以课堂教学和上机操作为主，采用多媒体教学，辅以课堂讨论、专题讲解等内容。主要开展环境试验的优化设计、环境数据的展示分析、环境数据的比较分析、环境数据的关系分析、环境数据的类别分析、环境数据的序列分析、环境数据的序列分析、正交试验的数据分析、回归分析、数据分析软件学习等内容。 四、教学内容及要求 第一章环境实验设计与数据处理概论 要求掌握（1）环境试验研究的目的与任务；（2）环境试验研究的类型；（3）环境试验研究的程序 重点内容：准确理解环境试验研究类型的区分；理解环境试验研究的设计步骤，以及试验设计的基本要求。 难点内容：理解环境试验因子、水平、处理、重复、响应指标等要素，了解准确度、精密度等概念。 第二章环境试验的优化设计 要求掌握（1）非均分设计；（2）黄金分割设计；（3）纵横对折设计；（4）平行线设计；（5）环境试验的正交设计；（6）环境试验点均匀设计；熟悉单因子、双因子优选设计的基本方法，熟悉正交表的定义和类型；了解均匀设计与正交设计的区别。 重点内容：正交试验的设计步骤，常见的正交设计运用方法，均匀设计的步骤 难点内容：了解分数法设计；旋升设计；逐步提高设计；陡度法设计；单纯形法设计等。 第三章环境数据的展示分析 第四章 1、误差的来源: 主要有四个方面：1.设备仪表误差：包括所使用的仪器、器件、引线、传感器及提供检定用的标准器等，均可引入误差。2.环境误差：周围环境的温度、湿度、压力、振动及各种可能干扰测量的因素，均能使测量值发生变化，使测量失准，产生误差；3.人员误差：测量人员分辨能力、测量经验和习惯，影响测量误差的大小。4.方法误差：研究与实验方法引起的误差。 2、误差的分类： 粗大误差、系统误差、随机误差；粗大误差的特点是测量值显著异常。处理方法是在对实验结果进行数据处理之前，须先行剔除坏值。系统误差的特点是在测量条件一定时，误差的大小和方向恒定，当测量条件变化时，误差按某一确定规律变化。处理方法：由于误差是按某一确定规律变化的，即误差变化可用函数式或用曲线图形描述偶然出现，误差很大，数据异常。可以理论分析、实验验证，找到规律并修正。随机误差的特点是测量时，每一次测量的误差均不相同，时大时小，时正时负，不可预定，无确定规律。处理方法是采用数理统计的方法，来研究随机误差的特征，以判断它对测量结果的影响。 粗大误差或者坏值的判断方法:剔除方法有两种：1)格拉布斯准则。设对某物理 量进行N 次重复测量，得测量列x1，x2，···xn ，算术平均值11n i i x x n -==∑测量值与平均值之差称为残余误差或残差，用Vi 表示，即V i i x x - =- 测量列的标准差 σ= 若某测量值xi 的残差绝对值(,)V n αλασ>时，则判为坏值。（n 为测量次数，α为置信度）。2)3σ准则。确定其最大可能误差，并验证各测量值的误差是否超过最大可能误差。一般为简化计算，提出以+-3σ 为最大可能误差，也称为3σ准则。 3.误差传递公式及其应用（任意选取两个方面） 试验设计与数据处理 学院 班级 学号 学生 指导老师 第一章 4、 相 故100g 中维生素C 的质量围为：。 5、1）、压力表的精度为1.5级，量程为0.2MPa ， 则 2）、1mm 的汞柱代表的大气压为0.133KPa ， 所以 3）、 1mm 则： 6. 样本测定值 3.48 算数平均值 3.421666667 3.37 几何平均值 3.421406894 3.47 调和平均值 3.421147559 3.38 标准差s 0.046224092 3.4 标准差σ 0.04219663 3.43 样本方差S 2 0.002136667 总体方差σ2 0.001780556 |||69.947|7.747 6.06 d x =-=> 算术平均误差△0.038333333 极差R 0.11 7、S?2＝3.733，S?2＝2.303 F＝S?2/S?2＝3.733/2.303=1.62123 而F 0.975（9.9）=0.248386，F0.025(9.9)=4.025994 所以F 0.975（9.9）< F 8.旧工艺新工艺 2.69% 2.62% 2.28% 2.25% 2.57% 2.06% 2.30% 2.35% 2.23% 2.43% 2.42% 2.19% 2.61% 2.06% 2.64% 2.32% 2.72% 2.34% 3.02% 2.45% 2.95% 2.51% t-检验: 双样本异方差假设 变量1 变量2 平均0.025684615 2.291111111 方差0.000005861 0.031611111 观测值13 9 假设平均差0 df 8 09印刷工程5班方桂森 090210526 1、某饮料生产企业研制出一种新型饮料。饮料的颜射共有四种，分别为橘黄色、 粉色、绿色和物色透明。随机从超市市场收集了前一期该种饮料的销售量（万元），如下表所示，试问饮料的颜色是否对销售产生影响。 答：实验数据处理如下表: 实验分析：其中F-crit是显著性水平为0.05时F的临界值，也就从F分布表中查到的F0.05（3，16），在本次试验中，F=10.4>F-crit=3.23，所以颜色因素对实验指标销售有显著影响，而 P-value=0.000466<0.01,说明颜色因素对销售有显著影响，因为P-value表示的是因素对实验结果无显著影响的概率。 2、在用原子吸收分光光度法测定镍电解液中微量杂质铜时，研究了乙炔和空气流量变 化对铜在某波长上吸光度的影响，得到下表所示的吸光度数据。试根据表中数据分 析乙炔和空气流量的变化对铜吸光度的影响。 答：实验数据分析如下表： 实验分析：表中行代表的是乙炔流量，列代表的是空气流量。在乙炔流量因素中，我们可以看到，F=23.39361>F-crit=3.490295且P-value=0.000026586498341<0.01，所以乙炔流量这个因素对铜吸光度的影响非常显著，而在空气流量中F 试验设计与数据处理 试验设计方法 对于化工、轻工、制药、食品、生物、材料、农林、机械等需要实验与观测的学科专业，经常需要通过试验来寻找所研究对象的变化规律，并通过对规律的研究达到各种实用的目的，如提高产量、降低消耗、提高产品性能或者是质量等。自然科学和工程技术中所进行的试验，是一种有计划地实践，科学的试验设计，能用较少的试验次数，达到预期的试验目标，事半功倍。常用的试验设计方法有优选法、正交试验设计、均匀设计、回归正交试验设计、配方法试验设计等，下面简单介绍一下这些常用的实验设计方法，并根据本次试验特点选定一种适合的方法。 优选法 所谓优选法（optimum seeking method）就是根据生产和科研中的不同问题，利用教学原理，合理地安排试验点，减少试验次数，以求迅速找到最佳点的一类科学方法。在生产和科学试验中，人们为了达到优质、高产、低消耗的目的，需要对有关因素（如配方、配比、工艺操作等条件）的最佳点进行选择，所有这些选择点的问题，都称之为优选问题。 优选法可以解决那些试验指标与因素间不能用数学形式表达，或者是虽然可以表达，但是形式很复杂的问题。 普遍使用的单因素优选法主要包括来回调试方法、黄金分割法、分数法、对分法、抛物线法、分批试验法、逐步提高法等。下面对最典型的黄金分割法做简单的介绍。 所谓黄金分割法就是对于长为L的初始区间[a,b]，将第一个试验点x1安排在试验范围的0.618处（距离左端点a），即： x1=a+(b-a)*0.618 再在区间[a,x1]取对称点x2, 使第二个试验点x2安排在试验范围[a,x1]的0.618处（距离左端点a），即： x2=b-(b-a)*0.618=a+(b-a)*0.382 做两次试验，分别得到f(x1)和f(x2)，比较f(x1)、f(x2)的大小。若f(x1)>f(x2)，就去掉区间[a,x2]，在留下的区间[x2,b]中已有了一个试验点x1，然后再用以上的求对称点的方法做下去，继续寻优，直到满足条件为止。 摘要 随着云时代的来临，大数据也吸引越来越多的关注，企业在日常运营中生成、积累的用户网络行为数据。这些数据是如此庞大，计量单位通常达到了PB、EB甚至是ZB。Hadoop作为一个开源的分布式文件系统和并行计算编程模型得到了广泛的部署和应用。本文将介绍Hadoop完全分布式集群的具体搭建过程与基于Hive的数据分析平台的设计与实现。 关键字Hadoop，MapReduce，Hive Abstract With the advent of cloud, big data also attract more and more attention, the enterprise of the generation and accumulation in the daily operation of the user network behavior data. The data is so large, the measuring unit is usually achieved the PB, EB, and even the ZB. The Hadoop distributed file system as an open source, and parallel computing programming model has been widely deployed and application. This article introduces Hadoop completely distributed cluster process of concrete structures, and the design and implementation of data analysis platform based on the Hive. key words Hadoop，MapReduce，Hive 上海应用技术学院2009-2010 学年第 1 学期 《试验设计与数据处理》期（末）试卷参考答案 一、解：记空气流量为因素A ，A 因素水平数r=4，乙炔流量为因素B ，B 因素水平数s=5；总试验次数n=rs=20，按照方差分析的公式得计算得： 12 df 75.155,,4 ,3df 35.473,SS 537.6375,e A B ======e B A SS df SS 得方差分析表如下： 差异源 SS df MS F 显著性 A 537.6375 3 179.2125 28.61486 * * B 35.473 4 8.86825 1.415994 误差 75.155 12 6.262917 总计 648.2655 19 查表得95.5)12,3(,49.3)12,3(01.005.0==F F ，41.5)12,3(,25.3)12,4(01.005.0==F F 可见因素A 即空气流量对吸光度的影响非常显著，乙炔流量没有显著影响。 二、解： 可见c 与T 之间近似存在线性关系，设回归方程为 bc a T +=? 代入回归计算公式可得： a=92.911，b=0.6381， 相关系数R ×R=0.9995说明所建立的回归方程与试验数据拟合得很好。 三、解：采用分数法，试验区间为[3,8]，以1为单位可等分为5份，设桶数为x 时试验指标值为f(x),则： 第一次试验点在3/5即6桶处，得试验指标值f(6); 第二次试验点在2/5即5桶处，得试验指标值f(5),比较两次试验结果f(6)>f(5), 舍掉区间[3,5]； 第三次试验点在区间[5,8]的2/3即7桶处，得试验指标f(7),比较试验指标得f(6)>f(7)，试验结束，最优结果为6桶。 四、解：（1）这是一个4因素2水平的试验，但还有一个交互作用，为5因素2水平，可将因素A，B，C，D分别放在正交表的第1，2，4，7列，交互作用A× （2）按照直观分析法得计算结果如下： 因素主次 C A×B B A D （3）根据上一步排出的因素主次，可知交互作用A×B比因素B，A对试验指标的影响更大，所以确定A、B的水平应按A、B各水平搭配的好坏来确定。两因素的搭配表如下：实验设计与数据处理心得
数据分析方法课程设计报告
实验设计与数据处理
试验设计与数据处理复习提纲
试验设计与数据处理课程论文
试验设计与数据处理
试验设计与数据分析
大数据处理综合处理服务平台的设计实现分析报告
试验设计与数据分析试题(A)
试验设计与数据分析
实验设计与数据处理课后答案
试验设计与数据处理试验报告
《实验设计与数据处理》教学大纲
试验设计与数据处理(整理)
实验设计与数据处理(第二版部分答案)
实验设计与数据处理习题练习
试验设计与数据处理方法
基于Hadoop数据分析系统设计
试验设计与数据分析(答案)
相关主题
文本预览