燕山大学 正交试验设计课程设计 题目：正交试验设计在牌照识别中的应用 学院（系）：理学院 年级专业： 11经济统计 学号： 110108020005 学生姓名：吕凯旋 指导教师：孟宪云 教师职称：教授 完成时间：2014年11月4日 燕山大学课程设计（论文）任务书
院（系）：理学院基层教学单位：燕山大学 说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。 2014年11月1日燕山大学课程设计评审意见表
摘要 摘要：车辆牌照识别技术是智能交通系统中采集交通数据的重要技术手段。本文将正交试验设计方法应用于车辆牌照识别技术影响因素分析。在归纳了影响牌照识别准确度的主要因素的基础上，以上海市虹桥路测试数据为实例，运用正交试验设计方法进行分析，得出了光线为车辆牌照识别技术主要影响因素的结论，进而给出了提高车辆牌照识别正确度的建议。 关键词牌照识别；正交试验设计；影响因素；智能交通系统
Abstract Abstract：The license plate recognition(LPR)is an important technology of traffic data collecting intelligent traffic system．This paper presents orthogonal experimental design(OED) method to the analysis of factors impacting LPR．Then，main factors’influence on the LPR are sorted．Based on the real sample of Hongqiao Road in Shanghai，the OED method is found feasible．Also，it concludes that light is the key factor affecting LPR．And correspondent conclusion and advices of LPR were put forward． Key words license plate recognition；orthogonal experimental design；influencing factors；intelligent traffic system
单因素实验设计报告 :因素实验报告设计单因素实验设计举例正交实验单因素实验设计方案篇一:实验报告单因素方差分析 5.1、实验步骤: 1(建立数据文件。 定义2个变量:PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。 3(单击“确定”按钮，得到输出结果。 结果解读: 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438;如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差(平均变差)分别为102.729和12.6 88，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤: 1(建立数据文件。 定义2个变量:Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。
2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。 3(单击“确定”按钮，得到输出结果。 结果解读: 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733;如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差(平均变差)分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P 值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α,0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤: 1(建立数据文件。 定义3个变量:weight和method，分别表示幼苗干重(mg)和处理方式。将method的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni和Scheffe方法。 3(单击“确定”按钮，得到输出结果。
全面试验设计法 在试验设计中，为了获得全面试验信息，对所选取的试验因素的所有水平组合全部实施一次以上，这种试验设计方法称为全面试验设计法或全面析因试验，它适用于要考察的因素和水平数都不太多的场合，主要用于单因素和双因素试验。对于多因素试验，用此法会使试验次数太多，试验工作量太大，因此常采用正交试验设计和均匀试验设计等方法。 5.1单因素全面试验设计法 一、完全随机化试验设计（completely randomized design） 完全随机化单因素试验设计，是一种最基本、最简单的试验设计方法，它是将研究对象完全随机地分配于一个因素的各个水平组。 设因素A共m个水平，即A1、A2、……、A m，每个水平又重复r 次，则总共要实施mr次试验。如果这mr个试验的实施顺序完全按随机原则确定，那么，这种试验设计方法就称为完全随机化单因素试验设计。在这种设计方法中，重复和随机化原则都得到了满足。 1、试验方案设计 例5-1 在无酒精啤酒的研究中为了解麦芽的浓度对发酵液中双乙酰生成量的影响，在发酵温度7 C、非糖比0.3、二氧化碳压力0.6kg/cm2和发酵时间6天的试验条件下，麦芽汁浓度（因素A）选三个水平（A1＝6％,A2 ＝10％,A3＝12％），每个水平重复5次，即m=3,r=5,进行完全随机化试验，寻因素A的最佳水平（发酵液中双乙酰含量越
低越好）。 在本试验中，共进行mr=3×5=15次试验，试验顺序按完全随机化方法安排，常用的随机化方法有二种： （1）抽签法：准备15张纸签，A1、A2 和A3各写5张，充分混合，然后抽签决定试验顺序。 （2）随机数表法：从随机数表（见p328的附表6）上随机地抽取一个数字，从此开始往上下左右的任一方向读取15个两位数（如出现相同的两位数字，就跳过去，再往后多读一个两位数），然后再按从小到大顺序将这15个两位数依次编号，这个编号即为试验顺序号。 表5-1所列的是按随机数表法确定出的完全随机化单因素试验方案，所以顺序为A3A1 A3A3 A1A2 A3 A1A2 A1A2A1A2 A3 A2A1A2 2、试验结果分析 按照表5-1所确定的试验顺序进行试验，所得试验结果如表5-2所示。将表5-2的试验数据按第2章中的表2-2进行整理，此处省略整理过程，详细过程，作为课外作业去完成！ 表5-2 完全随机化单因素试验结果 本试验的目的是要了解A1, A2……A m之间是否有差异，如有差异，
食品试验设计与分析 一、名词解释 科技论文：是通过运用概念、判断、推理、证明或反驳等逻辑思维手段来分析、表达自然科学理论和技术开发研究成果的文字材料。 可行性研究报告：随着近代自然科学技术、科技管理和商品经济的高度发展，每开展一个新的研究项目或建设项目，投资者都要对投资效果进行预测，要多方周密地调查研究，寻找能够获得最佳投资效果的可行方案，以便为最终决策提供科学依据。这种调查研究叫可行性研究。 科技合同：科技合同（协议）是在科研、试制、成果推广、技术转让、技术咨询服务等科技活动中，采用经济合同这一法律形式签订的契约，合同各方必须具有法人资格，才能签订科技合同。 样本：是总体中所抽取的一部分个体。 总体：是指考察的对象的全体。 试验指标：在试验设计中，根据试验的目的而选定的用来衡量或考核试验效果的质量特性试验因素：凡对试验指标可能产生影响的原因或要素 正交试验设计：正交实验设计也称正交设计，是用来科学地设计多因素试验的一种方法。 二、填空。 1.根据研究方法不同，可把科技论文分为理论型、实验型、描述型。 2.科技应用文包括可行性研究报告、科技合同、和科技论文。 3.根据科技论文写作目的和作用的不同分为学术性论文、技术性论文、学位论文后者又可分为学士论文、硕士论文、博士论文。 4.试验设计的三原则重复原则、随机化原则、局部控制。 5.试验误差可分为三类，即随机误差、系统误差和疏忽误差。 6.统计推断包括假设检验和参数估计。 7.显著性检验方法，常用的有t检验、F检验、x2检验、μ检验等。 三、简答。 1.简述科技论文作用。 答：1.科技论文是科研成果的总结和记录，是进行学术交流的重要手段，也是进行科技成果鉴定和评审科技成果的重要依据。 2.科技论文是政府或企业进行重大技术决策的依据。 3.科技论文是科研工作的一个组成部分，是考核科技人员工作业绩的重要标准之一，也是科技人员申报、晋升技术职称的重要依据之一。 4.4.科技论文的数量越多，质量越高，标志着某个部门、单位、企业的研究水平越高，也是其科技工作成效和科学研究实力的具体体现。 2.试比较学术论文和学位论文在写作格式和风格方面的异同。 答：①学术论文的写作格式结构形式具有一定的规律，形成了一套独特的结构程序，一般包括8个部分前置部分（题名、论文作者、关键词、摘要）主题部分（引言、正文、结论、参考文献）；②风格客观朴素在学术论文里，不需要用一些华丽的或是带情感的词句；单独性
应用数学0801 080705015 赵宏晨 双因素优选法的实际试验中的应用举例 第一部分：问题提出。 某产品的质量受反应温度和反应时间两个因素的影响，已知温度范围为：20~100摄氏度，时间范围为：30~160分钟，试选用一种双因素优选法进行优选，并简单说明可能的优选过程。假设产品质量是时间和温度的单峰函数。 第二部分：问题分析。 产品质量受反应温度与时间的影响。决定使用旋升法来求得产品质量最优时的反应温度和时间；在固定一个因素时采用0.618单因素法搜索最优。 第三部分：问题解决。 1. 时间的优选。 20100x ≤≤℃℃，30min 160min y ≤≤，固定温度1x =60℃。用单因素优选时间，决定采用0.618法，即选取1300.618(16030)110.34min y =+?-=，即控制（反应温度，反应时间）在（60℃，110.34min ），得到产品质量1111(,)z f x y =，再在1y 的对称点2y ，即2300.382(16030)79.66min y =+?-=，则1212(,)z f x y =。 比较11z 与12z 的质量，如果1112z z >，则去掉反应时间30~79.66min ，只考虑79.66~160min 的那一段区间。如图： 若1211z z >，则去掉110.34~160min ，只考虑30~110.34min 那一段区间。如此循
环试验，直到找到一个时间y，假设在120min处达到最优，进入下一因素的优选。 2.温度的优选。 固定时间120min，用单因素0.618法优选最佳反应温度。步骤与1相同，假设在温度70℃时达到最优，记录下此时产品质量的数据，并且去掉20~ ℃60℃的部分，若最佳温度落在20~ ℃℃的部分。 ℃60℃范围内，就去掉60~100 3.在温度优选下的时间优选。 固定温度70℃，对时间进行单因素优选，假设得到的最优时间110min，记录下产品的质量并且去掉120min上半部分； 4．优选的循环。 重复上述过程直到找到** x y使产品质量最优。 (,) 优选过程如图所示：
甜酒酿实验设计 一、甜酒酿简介 甜酒酿，属于徽州风味。不完全属于酒的类别，却有着酒的芳香，因其由糯米制就，因此有滋润了淳淳米香，是安徽一带极具盛名的风味小吃。是用蒸熟的江米(糯米)拌上酒酵（一种特殊的微生物酵母）发酵而成的一种甜米酒。酒酿也叫醪糟。 米酒又被称为清酒，据较早的文献记录晋代的《酒诰》记载： “酒之所兴，肇自上皇，或云仪狄，一曰杜康。有饭不尽，委余空桑，郁积成味，久蓄气芳，本出于此，不由奇方。”其中指出，酒起源于远古时代，是米放在室外，长时间放置后产生的。由此可见，在中国古代，首先被辛勤的劳动人民创造出来的美酒便是米酒。 我国古人一直有喝品味米酒的习惯，在日常生活中，无论是祭祀天地、祖先还是庆贺征战或农业丰收，米酒都是必不可少的。《周礼.天官酒正》中记载： “辨三酒之物，一曰事酒，二曰昔酒，三曰清酒。”唐代诗人李白也曾有“金樽清酒斗十千，玉盘珍羞值万钱”的诗句。可见，米酒在中国酒文化历史中扮演着一种重要的角色，随着历史的沉淀和文化的堆积，品味米酒早已不仅仅是口舌之欲，更是在细嗅那印在米酒中的时间和历史的味道，更是在体验古人“莫笑农家腊酒浑，丰年留客足鸡豚”的超然物外的闲适风情。 二、甜酒酿的作用 甜酒酿有健脾开胃、舒筋活血、祛湿消痰、补血养颜、延年益寿的功能，最宜中老年人和体弱者饮用。醪糟汤圆是我国民间一道历史悠久的小吃，广泛流行于长江流域，如四川、湖南、江浙等地。 将醪糟兑水烧开，放入汤圆（通常是无馅的小汤圆），待汤圆浮起后，加入少量桂花即可。醪糟汤圆清香爽口，有酒味但不浓烈。此外，还可以在水沸时打入蛋花，营养口味都更好。在江南民间，为了给产妇滋补，也有必饮米酒
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。
单因素试验设计是指只有一个因素（或仅考查一个因素）对试验指标构成影响的试验。单因素试验设计要求对试验水平进行布局和优化，是一种水平试验设计。 单因素试验设计方法可分为两类：同时试验设计和序贯试验设计。同时试验设计就是一次给出全部试验水平，一次完成全部试验并得到最佳试验结果，如穷举试验设计。序贯试验设计要求分批进行试验，后批试验需根据前批试验结果进一步优化后序贯进行，直到获取最佳试验结果，如平分试验设计、黄金分割试验设计。 一、试验范围与试验精度 （一）试验范围 试验范围指试验水平的范围。试验设计时需预先确定试验范围，一般采用两种方法：○ 1经验估计。可凭经验估计试验范围，并在试验过程中作调整。○2预先试验。要求在较大范围 内进行探索，通过试验逐步缩小范围。 （二）试验间隔与试验精度 试验间隔是指试验水平的间距，试验精度是指试验结果逼近最佳水平的程度。显然，试验间隔与试验精度是一对矛盾，试验间隔越大，试验精度越低。在保证试验精度的条件下，试验水平变化而引起的试验结果变动必须显著地超过试验误差。 （三）试验顺序 在确定试验顺序时，往往习惯于按照试验水平高低依次做试验。这样，随着试验的进行，有些因素会发生缓慢变化甚至影响试验结果。因此，正确的做法是采用随机化方法来确定试验顺序。在试验工作量较少或者试验准确度要求较低时，也可以采用按水平高低或者选取中间试验点的方法来进行试验排序。 需强调指出，以上不仅对单因素试验设计，而且对所有试验设计方法都适用。 二、单因素试验设计 （一）平分试验设计 平分试验设计就是平分试验范围，把其中间点作为新试验点，然后不断缩小试 验范围直到找到最佳条件。当试验结果呈单向变化时，也就是说最佳试验点只可能在试验中间点的一侧，可采用平分试验设计。该方法简便易行，但要注意单向性特征。 （二）穷举试验设计与均分试验设计 穷举试验设计是将所有可能的试验点在一批试验中全部进行试验。均分试验设 计是根据试验精度要求，均分整个试验范围以获得所有试验点。显然，均分试验设计不仅充分体现了穷举试验设计的思想，而且也明确了具体试验设计方法。 如试验起始点为a ，终点为b ，试验点的间隔区间为L ，则均分试验设计的试 验点数n 为 1L a b n +-= （1-1） 该试验设计的特点是对所试验的范围进行“普查”，试验点数量较多，宜用于 对目标函数性质没有掌握或很少掌握的情况。 （三）黄金分割试验设计 黄金分割试验设计就是在预定试验范围内采用0.618黄金分割原理安排新试验 点，直到找到最佳试验结果为止，因而又称0.618试验设计。黄金分割就是在特定范围内寻求黄金分割点（k ）及对称点（1-k ）。在0~1的试验范围内，黄金分割点（k ）为0.618，其对称点（1-k ）为0.382。 黄金分割点试验设计涉及两个层面，一是已知试验范围内的黄金分割点的寻 求，二是新试验范围的确定与进一步寻优。如图1-1所示，首先在试验范围（a ，b ）内，按照0.618黄金分割原理安排两个试验点x 1、x 2；然后根据试验结果确定进一
第四届“探密生命”实验设计大赛 课 题：纳米材料介导的目的基因在肿瘤细胞上的表达 负责人：王 璞 生物科学类 2009级 组 员：杜 爽 生物科学类 2009级 武梦菲 生物科学类 2009级 柳善达 生物科学类 2009级 崔 桐 生物科学类 2010级
一、实验基本构思 （一）实验背景 在日新月异的今天，肿瘤仍是严重威胁人类健康的重大疾病之一。目前，其发病率呈逐年上升趋势，2020年全世界癌症（恶性肿瘤）发病率将比现在增加50%，全球每年新增患者人数将达到1500万人。近20年来，癌症居死亡原因之首，我国的癌症死亡率上升了29%。所以，如何走出肿瘤治疗的瓶颈，仍需要我们继续探索。 制疗癌症的传统方法有三种：手术治疗，放射治疗及化学治疗。基因治疗则是近年来兴起的一种新的治疗热点，被认为是治疗恶性肿瘤最有希望的治疗方案之一。它的基本思路是将正常的遗传物质导入病人的体细胞并使之表达，产生有治疗作用的蛋白质．从而达到治疗疾病的目的。这种方法直接应对造成疫病的本质——损伤的基因，而不是解决由损伤基因造成的疾病症状，因而有可能从根本上对疾病进行治疗。而介导目的基因的载体一直是基因治疗研究领域中最至关重要的核心问题之一。纳米材料自被发现之初就一直备受青睐，近年来将纳米材料分散于聚合物中以提高高分子材料性能的研究也日益活跃，并取得了许多可观的成果。 （二）实验意义 随着人们对p53基因与肿瘤发生机制研究的深入，以及对纳米材料性能作用的不断发现，利用纳米材料介导p53基因及其相关因子对肿瘤的预防、治疗将更加有针对性，对人类攻克肿瘤具有重要的参考意义。然而纳米材料作为基因介导的载体虽具有发展前景，但目前仍有许多未知问题尚待解决。通过这个实验，可以初步验证纳米材料作为载体介导目的基因（野生型P53基因）在肿瘤细胞中可有效表达。并通过实验中相关量的对比设置，对纳米材料运用有更一步的认识，提供理论依据。 （三）实验目的 1、验证所选纳米材料能否与目的基因结合实现复合——转染的过程，并分析各溶液条件对复合率、 转染率的影响。 2、选取标记基因，检测目的基因的转入，并观察目的基因表达部位与数量。 3、设计实验证明目的基因正常表达。 4、观察肿瘤细胞的各项指标，研究肿瘤细胞转染后对肿瘤细胞的抑制作用。 5、整理分析，并与预期进行比较，发现问题，得出结论。
实验室工程包括实验室系统工程、通风系统工程、洁净系统工程、环保系统工程、供气系统工程、纯水系统工程、智能化系统工程、装饰装修工程等。本文为大家介绍一下实验室整体规划设计说明。一起来了解一下。 一个一流的实验室在建设中必须做好对供排水系统工程(包括自来水、空气能热水、纯净水、高纯水等)、电控系统工程(包括220V、380V动力电源、仪器电源、光照电源)、特种气体配送系统工程(包括气瓶间、气体输送系统、气体净化吹扫、防火断气系统、低压预警、泄漏预警等)、有害气体输出净化系统工程(包括废气源收集装置、废气输出系统、废气净化装置、变频动力装置、智能风控调节装置、消音装置等)、基础配套装置(包括实验台、仪器台、功能柜、试验装备)、室内装饰(包括空调、光照、电控、地面、墙壁、屋顶、间隔、门窗、局部吊顶等)等六大关联系统进行全面、专业、系统的规划与设计。这样才能在实验室建设中做到施工有规范、设计有标准。只有做到系统的规划与设计，才能真正满足实验室的硬件要求。 ▼实验室应整体规划与设计 实验室规划设计对实验室环境、实验效果的影响如何？防火安全、环保健康、防腐、功能完备是当前我国现代实验室基础建设的重中之重。因此，实验室建设项目立项后，应由实
验室专业设计机构、使用部门、基建部门、设计院四家组建“实验室建设专项设计工作组”，联合对实验室整个系统工程进行整体规划与设计，以此达到设计目标，减少损失。 ▼不同设计理念达成的不同效果 实践证明，众多实验室建设项目都是项目经理负责制。使用部门在项目运作上从规划与设计，到商务运作、安装、监督等整个过程均有其全程参与，而非实验室技术相关部门对建设机构辅助协调相关标准执行。整个项目设计贯穿、围绕着安全、环保、实用、耐久、美观等等以人为本的设计理念。 ▼加强实验室专业设计的意识 据了解，当前，仍有相当一部分实验室在建设立项后，往往是主体完工90%以上才对实验室基础装备进行购买式的招标，并且分为装饰、实验家具、空调、纯净水等十多标段进行分别采购。其结果是很多环节严重脱节，出现问题互相推诿，甚至出现一些基建已经建好的间隔被推倒、铺设好的地面被重来等问题，特别是水、电、气、风四大配套系统工程几乎都要按功能所需进行重新改造布设。最后不仅很难满足实验需要的技术条件而且造成巨大浪费。
单因素实验设计 单因素实验设计是指在实验中只有一个研究因素，即研究者只分析一个因素对效应指标的作用，但单因素实验设计并不是意味着该实验中只有一个因素与效应指标有关联。单因素实验设计的主要目标之一就是如何控制混杂因素对研究结果的影响。常用的控制混杂因素的方法有完全随机设计、随机区组设计和拉丁方设计等。 一、完全随机设计 1.概念与特点 又称单因素设计或成组设计，是医学科研中最常用的一种研究设计方法，它是将同质的受试对象随机地分配到各处理组进行实验观察，或从不同总体中随机抽样进行对比研究。该设计适用面广，不受组数的限制，且各组的样本含量可以相等，也可以不相等，但在总体样本量不变的情况下，各组样本量相同时的设计效率最高。 例如：为了研究煤矿粉尘作业环境对尘肺的影响，将18只大鼠随机分到甲、乙、丙3组，每组6只，分别在地面办公楼、煤炭仓库和矿井下染尘，12周后测量大鼠全肺湿重（g），通过评价不同环境下大鼠全肺平均湿重推断煤矿粉尘对作用尘肺的影响，具体的随机分组可以如下实施： 第一步：将18只大鼠编号：1，2，3， (18) 第二步：可任意设置种子数，但应作为实验档案记录保存（本例设置spss11.0软件的种子数为200）； 第三步：用计算机软件一次产生18个随机数，每个随意数对应一只老鼠（本例用spss11.0软件采用均匀分布最大值为18时产成的18个随机数）； 第四步：最小的6个随机数对应编号的大鼠为甲组，排序后的第7个至第12个随机数随因编号为乙组，最大的6个随机数对应编号的大鼠为丙组（结果见表1）。 表1 分配结果 编号 1 2 3 4 5 6 7 8 9 3.75 8.75 16.29 11.12 5.49 3.98 13.64 16.71 1.69 随机 数 组别甲乙丙乙乙甲丙丙甲 编号10 11 12 13 14 15 16 17 18 13.62 16.36 2.12 4.74 11.54 3.98 0.13 17.35 16.38 随机 数 组别丙丙甲乙乙甲甲丙丙 2.随机数的产生方法 （1）随机数字表：如附表13（马斌荣，医学统计学，第4版），这是一个由0～9十个数字组成60行25列的数字表。说这些数字是随机的，是因为十个数字出现的频率近似相同，且出现的次序也没有规律。欲获得随机数，则事先根据研究性质确定随机数的位数，然后任意指定行和列，按事先确定的方向和方法读取随机数。如：将符合实验要求的20只动物随
常见的实验设计与举例 一、单因素实验设计 单因素完全随机设计、单因素随机区组设计、单因素拉丁方实验设计和单因素重复测量实验设计是四种基本的实验设计，复杂的实验设计大多都是在这四种形式上的组合。研究者根据不同的研究假设、实验目的与条件使用不同的实验设计，但无论哪种实验设计都有一个共同的目标，即控制无关变异，使误差变异最小。 1.完全随机设计研究中有一个自变量，自变量有两个或多个水平，采用随机化方法，通过随机分配被试给各个实验处理，以期实现各个处理的被试之间在统计上无差异，这种设计每个（组）被试只接受一个水平的处理。完全随机实验的方差分析中，所有不能由处理效应解释的变异全部被归为误差变异，因此，处理效应不够敏感。 例：研究阅读理解随着文章中的生字密度的增加而下降。自变量为生字密度，共有四个水平：5:1、10:1、15:1、20:1，因变量是被试的阅读理解测验分数。实验实施时，研究者将32名被试随机分为四个组，每组被试阅读一种生字密度的文章，并回答阅读理解测验中有关文章内容的问题。 完全随机实验设计实施简单，接受每个处理水平的被试数量可以不等，但需要被试的数量较大，且被试个体差异带来的无关变异混杂在组内变异中，从而使实验较为不敏感。完全随机实验数据的统计分析，如果是单因素两组设计，采用独立样本t检验；如果是单因素完全随机多组设计则采用一元方差分析（One -Way ANOV A）。 2.随机区组设计研究中有一个自变量，自变量有两个或多个水平，研究中还有一个无关变量，也有两个或多个水平，并且自变量的水平与无关变量的水平之间没有交互作用。当无关变量是被试变量时，一般首先将被试在这个无关变量上进行匹配，然后将他们随机分配给不同的实验处理。 例：仍以文章的生字密度对阅读理解影响的研究为例，但由于考虑到学生的智力可能对阅读理解测验分数产生影响，但它又不是该实验感兴趣的因素，于是研究者采用单因素随机区组设计，在实验实施前，研究者首先给32个学生做了智力测验，并按智力测验分数将学生分为8个区组，然后随机分配每个区组内的4个同质被试分别阅读一种生字密度的文章。
毕业论文实验设计的三大要素和四个原则 一般来说，应具备以下条件：人力、物力和时间满足设计要求;实验设计的三要素和四原则均符合专业和统计学要求;重要的实验因素和观测指标没有遗漏，并做了合理安排;重要的非实验因素(包括可能产生的各种偏性)都得到了很有效的预防和控制;研究过程中可能出现的各种情况都已考虑在内，并有相应的对策和严格的质量控抗对操作方法、实验数据的收集、整理、分析等均有一套规范的规定和正确的方法。而其中准确把握统计研究设计的三要素和四原则，无疑是其设计方案科学严谨的象征。 毕业论文实验设计的三大要素： 实验设计三要素应着重考虑： 一、受试对象的种类问题。这里面包含以下几种情形：l、一般医学科研常用动物、离体标本或人体内取得的某些样本作为受试对象;2、新药的临床前试验一般用动物作为受试对象;3.新药的临床试验阶段一般用人作为受试对象。新药临床试验一般分为4期，在1期临床试验阶段，通常用健康志愿者作为受试对象;而在其他各期临床试验阶段，常用患特定疾病的患者作为受试对象。选择什么样的患者，应有严格的规定。 二、实验因素。实验研究的目的不同，对实验的要求也不同。若在整个实验过程中影响观察结果的因素很多，就必须结合专业知识，对众多的因素做全面分析，必要时做一些预实验，区分哪些是重要的实验因素，哪些是重要的非重要的实验因素，以便选用合适的实验设计方法妥善安排这些因素。水平选取的过于密集，实验次数就会增多，许多相邻的水平对结果的影响十分接近，不仅不利于研究目的的实现，而且将会浪费人力、物力和时间;反之，该因素的不同水平对结果的影响规律不能真实地反映出来，易于得出错误的结论。在缺乏经验的前提下，应进行必要的预实验或借助他人的经验，选取较为合适的若干个水平。所谓质量因素，就是因素水平的取值是定性的，如药物的种类、处理方法的种类等。应结合
单因素重复测量实验设计 一、单因素重复测量实验设计的基本特点 在单因素完全随机实验中，组内变异实际上是由两部分组成的：实验中测量误差引起的变异和未控制的无关变量带来变异，其中订是被试个体差异带来的变异。减少误差变异的一个方法是控制个体差异引起的无关变量，达到这个目标的途径之一是使用随机区组设计，而控制个体差异的一个更有效的方法是重复测量实验设计，也叫被试内设计。 在一个非重复测量实验设计，或被试间设计中，例如我们在前面介绍的完全随机设计、随机区组设计和拉丁方设计中，一个共同的特点是实验中每个被试仅接受一个处理水平，被试的个体差异带来的变异混杂在误差变异中。重复测量实验设计的基本方法是：实验中每个被试接受所有的处理水平。这种实验设计的目的是利用被试自己做控制，使被试各方面特点在所有的处理中保持恒定，以最大限度地控制由被试的个体差异带来的变异。 使用重复测量设计的前提是研究者必须事先假设，当若干处理水平连续实施给同一被试时，被试接受前面的处理对接受后面的处理没有长期影响。重复测量设计在有些情况下是不合适的，当处理的实施对被试有长期影响时，如学习、记忆效应，不能使用重复测设计。例如，在一个教学研究中，要比较两种教学方法对学生学习成绩的影响。我们不可能使用同一班学生先后接受两种教学方法，然后比较它们对学生学习成绩的影响，因为前一种教法的教学不可避免地对学生接受后一种教法的教学产生影响。在心理与教育研究中，许多实验处理会对被试产生学习、记忆效应，因此使用重复测量设计要特别谨慎。 另外，顺序效应也是重复设计中应特别注意的问题。被度连续接受处理时，练习、疲劳等效应是难免的，因此重复测量设计中需要考虑平衡顺序效应的问题。 与完全随机和随机区组设计非常不同的是，重复测量实验设计使用少量的被试，它们的图解比较如下： （a （b （c 图2-4-1 单因素完全随机、随机区组、复重 测量实验设计中分配被试的比较 从三个图的比较中可以看出，在同样的有一个自变量、自变量有4个水平的实验中，完全随机设计使用16个随机选择的被试，随机区组设计使用4组、每组4个同质被试，因此也是16个被试，而重复测量设计仅用4个被试，每个被试接受所有的实验处理。 二、单因素重复测量实验设计与计算举例 （一）研究的问题与实验设计 我们继续以4种文章的生字密度对学生阅读理解的影响的研究为例。为了更好地控制被试变量，研究者仅用8名被试，每个被试阅读4篇生字密度不同的文章，并测他们各篇文章的阅读理解分数。选择使用重复测量实验设计是由于研究者假设，当实验安排合适时，被试阅读一篇文章举对阅读另一篇文章产生影响。但是，在这种实验设计中，疲劳效应和顺序效应是必须考虑的。为了减少疲劳效应，研究者决定将4篇文章在下午分4次施测。平衡顺序效应的方式有两种：以随机顺序实施4种生字密度的文章，或以拉丁方实施4 区组区组区组区组被试1 被试2 被试3 被试4
试验设计与统计分析课程实习论文 题目：不同栽培模式及施氮量对土壤水分含量、土壤硝态氮和铵态氮含量的影响
不同栽培模式及施氮量对土壤水分含量、土壤硝态氮和铵态氮含 量的影响 摘要：【目的】随着农业生产的发展，通过合理施肥提高肥料利用率已被认为是可持续农业发展的一条重要途径，推广小麦配方施肥，特别是研究氮、磷肥料对小麦的生长和产量的影响，已刻不容缓，高产品种必须有与之相适应的施肥方案，才能发挥其应有的价值。【实验设计】通过研究对比不同种植模和施氮量下耕层土壤矿化氮的含量及冬小麦的产量，找出最佳栽培模式和合理的施氮量，从而达到增产的目的.田间试验采取裂区设计,试验设栽培模式和施氮量2种因子。栽培模式设露地栽培（常规）、麦草覆盖（覆草）、垄上覆膜（覆膜）、垄上覆膜沟内覆草（垄沟）、冬季补灌(补灌)五种方式；施氮设不施氮、施120 kg/hm2N和240 kg/hm2N三个水平。【结果】试验结果表明,五种不同栽培模式中麦草覆盖、陇上覆膜和陇上覆膜沟内覆草能显著增加耕层土壤(0-20cm)的储水量；在水分充足的情况下不同栽培模式对耕层土壤（0-20cm）矿化氮含量及冬小麦产量没有显著影响；不同的施氮量对耕层土壤水分含量没有显著影响，但对小麦产量、生物量和耕层土壤矿化氮含量影响极为显著，施氮量为120kg/hm2N和240kg/hm2N处理的生物量比不施氮均能增加50%以上，但两者生物量之间差异很小；施氮量为120kg/hm2N和240kg/hm2N处比不施氮小麦产量均增加23%以上，土壤矿化氮含量均增加55%以上，但两者生物量之间差异很小。 关键词：不同的栽培模式；不同施氮量；水分含量；小麦产量；硝态氮氮含量；铵态氮含量 前言：不同氮、磷营养对小麦生长发育、养分吸收、产量及其构成和品质有明显的影响。适宜的氮、磷配比及用量可提高小麦干重、有效穗数、穗长、穗粒数、百粒重，提高小麦植株对氮、磷养分的吸收。氮是小麦营养中最为重要的元素之一，它影响小麦的生长发育和产量形成。由于土壤中有效氮素含量低，而小麦的需氮量有很多，施氮肥具有明显的增产作用。小麦吸收磷主要在拔节孕穗期，但早期的磷营养对于植株，尤其对根系极为重要。据Black的试验[1]，磷肥可以显著增加分蘖与次生根数；在磷肥充足的条件下，氮肥促进分蘖与次生根数的作用
试验设计与数据处理 课程论文 论文题目：大豆分离蛋白的改性研究 学院名称： 专业班级： 姓名： 学号： 二OO九年十二月三十日
大豆分离蛋白的改性研究 摘要：用正交实验设计对实验进行改进，采用极差分析和方差分析法，研究不同改性条件对大豆蛋白乳化性的影响，找出主要影响因素。 关键词：正交试验设计；正交表；大豆分离蛋白；改性 一、概述 正交试验设计是利用“正交表”选择试验的条件，并利用正交表的特点进行数据分析，找出最好的或满意的试验条件，以及相关影响因素，适用于多因素的设计问题。 蛋白质是组成人体的主要物质, 是人体生命活动的物质基础, 如果人们的膳食中蛋白质的摄入量不足, 就会使人消瘦, 引起各种疾病, 特别是对于儿童, 会造成发育不良, 智力低下。人类食用蛋白质主要有两大类, 即植物蛋白和动物蛋白。由于植物蛋白周期短、资源丰富、产量大等优点, 在食用蛋白中占70% 以上, 而动物蛋白则不足30%。近年来, 由于世界人口急剧增长, 耕地面积减少, 开发高营养、高产量的植物蛋白成为人类研究的重要目标。功能特性在食品的各个领域得到广泛应用, 但由于天然大豆蛋白的这些功能特性尚不能满足现代食品加工的要求, 为此, 国内外学者正谋求一些方法来改善这些功能特性。 通过改性可以改善大豆分离蛋白的起泡性、溶解性、乳化性等，本试验主要对乳化性的影响因素进行分析，为三因素三水平实验，影响因素较多，利用正交设计实验可以缩短实验时间，减少工作量，降低成本，因而对此进行正交试验设
计的改进。 二、试验设计 1.试验目的：研究不同条件下对蛋白质乳化性的影响。 2.试验指标：用蛋白质的乳化性(y)作为考察指标，该指标越大表明影响性越大。 3.确定因子与水平：本实验设定的因素水平有质量分数，离子强度，PH值。质量分数选择0.5%，1.0%，2.0%；离子强度选择0.1M,0.5M,1.0M；PH值选择5，7，9。 表1 因素水平表 4.正交表选择：本实验为三水平三因素实验，经分析选用L9(34)。 三、试验结果 按试验设计方案实施后，所得的试验结果如表2所示。 表2 试验结果数据表
DOE（Design of Experiment,试验设计） 目录 [隐藏] ? 1 什么是DOE ? 2 为什么需要DOE ? 3 DOE的基本原理 ? 4 DOE实验的基本策 略 ? 5 DOE的步骤 ? 6 DOE的作用 ?7 DOE的方法 ?8 参考文献 [编辑] 什么是DOE DOE（Design of Experiment）试验设计，一种安排实验和分析实验数据的数理统计方法；试验设计主要对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。 试验设计源于1920年代研究育种的科学家Dr.Fisher的研究, Dr. Fisher是大家一致公认的此方法策略的创始者, 但后续努力集其大成, 而使DOE在工业界得以普及且发扬光大者, 则非Dr. Taguchi (田口玄一博士) 莫属。 [编辑] ?要为原料选择最合理的配方时（原料及其含量）； ?要对生产过程选择最合理的工艺参数时； ?要解决那些久经未决的“顽固”品质问题时； ?要缩短新产品之开发周期时； ?要提高现有产品的产量和质量时； ?要为新或现有生产设备或检测设备选择最合理的参数时等。 另一方面，过程通过数据表现出来的变异，实际上来源于二部分：一部分来源于过程本身的变异，一部分来源于测量过程中产生的变差，如何知道过程表现出来的变异有多接近过程本身真实的变异呢？这就需要进行MSA测量系统分析。 [编辑]
试验设计的三个基本原理是重复，随机化，以及区组化。 所谓重复，意思是基本试验的重复进行。重复有两条重要的性质。第一，允许试验者得到试验误差的一个估计量。这个误差的估计量成为确定数据的观察差是否是统计上的试验差的基本度量单位。第二，如果样本均值用作为试验中一个因素的效应的估计量，则重复允许试验者求得这 一效应的更为精确的估计量。如s 2是数据的方差，而有n次重复，则样本均值的方差是。这一点的实际含义是，如果n=1，如果2个处理的y 1 = 145，和y 2 = 147，这时我们可能不能作出2个处理之间有没有差异的推断，也就是说，观察差147-145=2可能是试验误差的结果。但如果n合理的大，试验误差足够小，则当我们观察得y1随机化是试验设计使用统计方法的基石。 所谓随机化，是指试验材料的分配和试验的各个试验进行的次序，都是随机地确定的。统计方法要求观察值（或误差）是独立分布的随机变量。随机化通常能使这一假定有效。把试验进行适当的随机化亦有助于“均匀”可能出现的外来因素的效应。 区组化是用来提高试验的精确度的一种方法。一个区组就是试验材料的一个部分，相比于试验材料全体它们本身的性质应该更为类似。区组化牵涉到在每个区组内部对感兴趣的试验条件进行比较。 [编辑] 策略一：筛选主要因子（X型问题化成A型问题） 实验成功的标志：在ANOVA分析中出现了1~4个显着因子；这些显着因子的累积贡献率在70%以上。 策略二：找出最佳之生产条件（A型问题化成T型问题） 实验成功的标志：在第二阶段的实验中主要的误差都是随机因素造成的。 因为各因子皆不显着，因此，每一因子之各项水准均可使用,在此情况下岂不是达到了成本低廉且又容易控制之目的。 策略三：证实最佳生产条件有再现性。 [编辑] 第一步确定目标 我们通过控制图、故障分析、因果分析、失效分析、能力分析等工具的运用，或者是直接实际工作的反映，会得出一些关键的问题点，它反映了某个指标或参数不能满足我们的需求，但是针对这样的问题，我们可能运用一些简单的方法根本就无法解决，这时候我们可能就会想到试验设计。对于运用试验设计解决的问题，我们首先要定义好试验的目的，也就是解决一个什么样的
摘要：正交试验设计是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分析因式设计的主要方法，是一种高效率、快速、经济的实验设计方法。 关键字：正交试验设计单指标直观分析正交表 0 引言 如今，科学的快速进步带来各种各样革命性的产品，这些产品不是凭空而生，是人类科学家经过多次成功与失败的试验总结完善而成。试验设计融会于各种学科领域，并非只存于工学；它是一个理论到实践应用实施的过程，包括明确试验目的、制定可行方案、结合专业和统计学的知识，做出周密完整、科学严谨的整个试验过程。但试验往往需消耗大量人力、物力和财力，所以实际试验过程中我们应该仔细分析导致各种试验结果的影响因素，挑选最合适的的主干部分，用最优的方案去得到我们需要的试验结果。而正交试验设计可以满足上述特点，试验次数少、效率高、低成本。本文主要论述单指标正交试验设计及其结果的直观分析。 1 普通试验方法 1.1 独立重复试验 某几个试验因素各自不同的因素水平数相乘便得到独立重复试验的总次数，如对a因素b水平试验来说，其试验总次数为次。这种试验盲目性大，没有明确的最优试验方案，耗时耗力，特别是对于某些杂，多的因素水平而言，毫操作性。 2 正交表 2.1 等水平正交表 正交表是一整套规则的设计表格，是正交试验设计用来安排试验因素和水平数并分析试验结果的基本工具，符号表示举例如下: L 8（2 7） 正交表的列数m 每一列的水平数r 实验的次数n 正交表的代号L 正交表的构造需要用到组合数学和概率学知识，而且如果我们在实际应用中正交表类型选择不当，则会造成很大一部分人力物力的浪费，甚至有些正交表其构造方法到目前还未解决。但目前广泛使用的正交表有以下几种： 2水平正交表： 3水平正交表：