下载文档原格式
第7章-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)。
本章介绍极差分析法,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7－１ R 法⽰意图图中，Ｋj ｍ为第ｊ列因素m ⽔平所对应的试验指标和，K ｊm 为Ｋjm 的平均值。
由K jm 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。
R j 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 j =max(jm j j K K K ,,,21 ）-ｍin(jm j j K K K ,,,21 )R j 反映了第ｊ列因素的⽔平变动时，试验指标的变动幅度。
R j 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 j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L9（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 i 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Ａ1所对应的试验指标之和及其平均值分别为：K A １=ｙ１+y ２+ｙ3＝0+１７+２4=４1,=1A K 31K A1=１3．7同理，对因素Ａ的第2⽔平Ａ２和第３⽔平A 3，有ＫA2=ｙ4+ｙ5+y 6=１２＋47＋28=87,=2A K 31K Ａ2=2９ K A ３＝y ７+y 8＋y ９=１＋18+42＝61，=3A K 31K 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(Ａ1,A 2,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A 1、Ａ2和A ３来说,三组试验的试验条件是完全⼀样的。
正交试验结果的极差分析法正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。
因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。
下面以L4（23）表为例讨论正交试验结果的极差分析法。
表4-13 L4 (2 3）正交试验计算表在表4-13中：I j——第j列“1”水平所对应的试验指标的数值之和。
Ⅱj——第j列“2”水平所对应的试验指标的数值之和。
（第j列有“3”，“4”水平时）k j——第j列同一水平出现的次数。
等于试验的次数（n）除以第j列的水平数。
——第j列“1”水平所对应的试验指标的平均值。
——第j列“2”水平所对应的试验指标的平均值。
D j——第j列的极差。
等于第j列各水平对应的试验指标平均值中的最大值减最小值，即用极差法分析正交试验结果应引出以下几个结论：①在试验范围内，各列对试验指标的影响从大到小的排队。
某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。
所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。
②试验指标随各因素的变化趋势。
③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。
④对所得结论和进一步研究方向的讨论。
例4-5要求对例4-4的试验问题，写出应用正交试验设计方法的全过程，用极差法分析正交实验的结果。
解：试验目的：提高磺化反应的乙酰胺苯的收率。
试验指标：乙酰胺苯的收率表4-14因素水平表应考虑的交互作用：A×B，A×C选择的正交表：L8（27），表头设计及计算结果均见表4-15。
应该引出的四个结论如下：1．各列对试验指标影响大小的排队问题。
因为极差D3=D4=4.75最大，依次是D1=2.75，D2=D7=2.25，D6=1.75，最小是D5=0.75。
正交试验结果的极差分析法正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。
因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。
下面以L4（23）表为例讨论正交试验结果的极差分析法。
表4-13 L4 (2 3）正交试验计算表列号1 2 3 试验指标y i试验号1 1 1 1 y12 1 2 2 y23 2 1 2 y3n=4 2 2 1 y4I j I1 = y j+y2I2 = y1+y3I3 = y1+y4II j II1 = y3+y4II2 = y2+y4II3 = y2+y3k j k1 =2 k2 =2 k3 =2I j/k j I1/k1I2/k2I3/k3II j/k j II1/k1II2/k2II3/k3极差(D j) max{}-min{} max{}-min{} max{}-min{}在表4-13中：I j——第j列“1”水平所对应的试验指标的数值之和。
Ⅱj——第j列“2”水平所对应的试验指标的数值之和。
（第j列有“3”，“4”水平时）k j——第j列同一水平出现的次数。
等于试验的次数（n）除以第j列的水平数。
——第j列“1”水平所对应的试验指标的平均值。
——第j列“2”水平所对应的试验指标的平均值。
D j——第j列的极差。
等于第j列各水平对应的试验指标平均值中的最大值减最小值，即用极差法分析正交试验结果应引出以下几个结论：①在试验范围内，各列对试验指标的影响从大到小的排队。
某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。
所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。
②试验指标随各因素的变化趋势。
③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。
④对所得结论和进一步研究方向的讨论。
实验报告实验三：正交试验结果的极差分析与方差分析课程名称考查学期姓名学号专业成绩任课教师实验三：正交试验结果的极差分析与方差分析一、实验目标熟练使用Excel和SPSS软件进行正交试验设计和结果分析二、实验要求按照1人/组的样式，所有成员都应该根据实验内容完成相应的任务。
三、仪器设备笔记本电脑与数据分析软件Excel、SPSS。
四、实验内容1. 正交试验数据的极差分析（Excel）大枣的微波干燥工艺研究，试验因素选取A微波功率（W）、B干燥时间（min）、C载样量（kg/m2），以干燥大枣中总黄酮的含量为指标（越高越好），试选出最优工艺条件。
表3-1. 因素水平表水平试验因素A（微波功率/W）B（干燥时间/min）C（载样量/kg/m2）1150105 22501510 33502015表3-2. 干燥大枣中的总黄酮含量试验号微波功率A干燥时间B空列载样量C总黄酮含量1（mg/g）总黄酮含量2（mg/g）11111272.6 278.9 21222251.7 250.331333245.2 247.2 42123289.7 279.6 52231275.8 268.8 62312258.7 257.7 73132246.6 246.2 83213231.4 232.1 93321222.1 228.6表3-3 干燥大枣中的总黄酮含量极差分析试验号列号重复试样指标和1 2 3 41 2A B C1 1 1 1 1 272.6 278.9 551.52 1 2 2 2 251.7 250.3 5023 1 3 3 3 245.2 247.2 492.44 2 1 2 3 289.7 279.6 569.35 2 2 3 1 275.8 268.8 544.66 2 3 1 2 258.7 257.7 516.47 3 1 3 2 246.6 246.2 492.88 3 2 1 3 231.4 232.1 463.59 3 3 2 1 222.1 228.6 450.7K11545.9 1613.6 1531.4 1546.8K21630.3 1510.1 1522.0 1511.2K31407.0 1459.5 1529.8 1525.2k1257.650 268.933 255.233 257.800k2271.717 251.683 253.667 251.867k3234.500 243.250 254.967 254.200R 37.217 25.683 1.567 5.933较优水平A2B1C1因为指标越大越好，所以为因素A的2水平，即A2较好。
正交检验的极差分析和方差分析教材正交检验的极差分析和方差分析引言：正交检验的极差分析和方差分析是统计学中常用的两种分析方法。
它们被广泛应用于实验设计和数据分析中，可以帮助我们判断变量之间的差异是否显著，并且确定是哪些因素对变量影响最为显著。
本文将重点介绍正交检验的极差分析和方差分析的基本原理和应用方法。
一、正交检验的极差分析1.1 基本原理正交检验的极差分析是通过观察不同水平的自变量对因变量的影响，推断不同水平之间的差异是否显著的一种方法。
它基于方差分析的原理，通过计算不同水平之间的平均差和标准差，判断不同水平之间的差异是否超过了预期的随机误差范围，从而得出结论。
1.2 应用方法首先，确定研究的自变量和因变量，并确定自变量的水平。
然后，通过随机抽样的方式获取样本数据，并计算每个水平下的极差。
接下来，计算整体样本数据的均值和方差，以及不同水平之间的平均差和标准差。
最后，使用统计方法，比较差异是否显著，并进一步推断不同水平之间的差异。
1.3 实例分析以某品牌洗衣机的不同水平温度对洗涤效果（洗涤时间）为例，通过极差分析探究不同水平温度下洗涤效果是否存在显著差异。
首先，选择3个不同水平的温度：40℃、60℃和80℃。
然后，使用这3个水平的温度进行多次洗涤实验，每次实验记录洗涤时间。
接下来，计算每个水平下的极差，并计算整体样本数据的均值和方差。
最后，使用正交检验的极差分析方法，比较不同水平之间的差异是否显著。
二、方差分析2.1 基本原理方差分析是通过比较不同组之间的方差大小，来判断不同组之间的差异是否显著的一种方法。
它基于总体方差和组内方差之间的关系，通过计算F统计量来比较差异是否显著。
2.2 应用方法首先，确定研究的自变量和因变量，并确定不同组别。
然后，通过随机抽样的方式获取样本数据，并计算每个组别的均值和方差。
接下来，计算总体样本数据的均值和方差，以及组内方差和组间方差。
最后，使用统计方法，计算F统计量，并比较差异是否显著。
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）。
本章介绍极差分析法，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7-1 R法示意图图中，K m为第j列因素m水平所对应的试验指标和，K jm为K m的平均值。
由K m 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。
R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二max（心，耳,，爲）-min（心,兀,,爲）R反映了第j列因素的水平变动时，试验指标的变动幅度。
R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 j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L9（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的最后一一表7-1试验方案及结果分析计算示例：因素A的第1水平A i所对应的试验指标之和及其平均值分别为:1K\i=y i+y2+y3=0+17+24=41, K AI = — K Ai=13.73同理，对因素A的第2水平A和第3水平A,有1K A2=y4+y5+y6=12+47+28=87 K A2=-K A2=2931K A3=y7+y8+y9=1 + 18+42=61 , K A3K A3=20.33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,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A、A和A来说，三组试验的试验条件是完全一样的。
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)。
本章介绍极差分析法，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7-1 R 法示意图图中，K jm 为第j 列因素m 水平所对应的试验指标和，jm为K jm 的平均值。
由K jm 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。
R j 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 j =max()-min()R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。
R j 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 法 1.计算2.判断 ○1K jm ,○2R j○1因素主次 ○2优水平 ○3最优组合R j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L9(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8 9 3323123118.042.0试验指标为液化率，用y i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试验号因素试验结果液化率(%) A B C D1 2 3 4 5 6 7 8 9 1(10)112(50)223(90)331(1)2(4)3(7)1231231(20)2(35)3(50)2313121(1.5)2(2.5)3(3.5)3122310.0017.024.012.047.028.01.0018.042.0K 1K 2K 341.087.061.013.082.094.046.071.072.089.046.054.0=189.013.729.020.34.327.331.315.323.724.029.715.318.0优水平A2B3C3D1Rj15.3 27.0 8.7 14.4主次顺序 B A D C计算示例：因素A的第１水平A1所对应的试验指标之和及其平均值分别为：K A1=y1+y2+y3=0+17+24=41，K A1=13.7同理，对因素A的第２水平A2和第３水平A3，有K A2=y4+y5+y6=12+47+28=87，K A2=29K A3=y7+y8+y9=1+18+42=61，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（A1,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A1、A2和A3来说，三组试验的试验条件是完全一样的。
假如因素A对试验指标无影响，那么应该相等，但由上面的计标可知，实际上并不相等，显然，这是由于因素A的水平变化引起的，因此，的大小反映了A1、A2和A3对试验指标影响的大小。
由于液化率y越大越好，而，所以可判断A2为因素A的优水平。
同理，可判断因素B、C、D的优水平分别为B3、C3、D1。
所以，优水平组合为A2B3C3D1，即最优工艺条件为加水量A2=50ml/100g、加酶量B3=7ml/100g、酶解温度C3=50。
C和酶解时间D1=1.5小时。
二、确定因素主次顺序极差R j按定义计算，如,同理可求出R C和R D. 计算结果列于表7-1中。
比较R j值可知R B>R A>R D>R C，所以试验因素对试验指标的影响的主次顺序为BADC。
即加酶量影响最大，其次是加水量和酶解时间，而酶解温度的影响最小。
三、绘制因素与指标趋势图为了更直观地反映因素对试验指标的影响规律和趋势,用因素的水平作横坐标,试验指标的平均值()作纵坐标,画出因素与指标的关系图(即趋势图),如图7-2所示. (p137)趋势图可为进一步试验时选择因素水平指明方向.如对因素A,由图7-2可见,A2水平时,指标最高,但若能在A2附近再取一些水平(如40、60)作进一步试验,则有可能取得更高的指标;对D因素,若能取一些比D1更小的水平(如1.0和0.5)作进一步试验,也有可能得到更好的结果.以上三个步骤即为极差分析的基本程序与方法.四、说明与讨论1、计算结果的检验: 每一列的K j之和应等于全部试验结果(即指标值)之和，即，m为水平数,n为试验总实施次数.2.因素的最优水平组合,在实际处理中是灵活的,即对于主要因素,一定要选最优水平;而对次要因素,则应权衡利弊,综合考虑其它条件进行水平选取,从而得到最符合实际生产的最优或较优生产工艺条件.3.例6-2的最优工艺条件A2B3C3D1并不在实施的9个试验之中.这表明优化结果不仅反映了已做的试验信息,而且反映了全面试验信息.因此,正交试验设计的部分实施方案反映了全面试验信息.4.例6-2得出的最优工艺条件,只有在试验所考察的范围内才有意义,超出这个范围,情况就可能发生变化。
另外,只能说是“较优工艺条件”,而不能说是“最优工艺条件”.最好能根据趋势图做进一步试验,找出最靠近最优的工艺条件.5.对已确定的最优工艺条件(如例6-2的A2B3C3D1)进行重复试验,验证其试验指标是否最优.7.2 多指标正交试验设计及其极差分析在实际生产和科研试验中,所要考察的指标往往不止一个,这一类的试验设计叫做多指标试验设计.在多指标试验设计中,各指标之间可能存在一定的矛盾,如何兼顾各个指标,找出使每个试验都尽可能好的试验条件呢?换言之，应如何分析多指标试验设计的结果呢?常用的有两种方法:综合平衡法和综合评分法.下面举例说明综合平衡法的分析方法.这种方法在试验方案安排和各指标计算分析方法上,与单指标试验完全一样.其步骤是先分别找出各个指标最优或较优的生产条件,然后将这些生产条件综合平衡,找出兼顾每个指标都尽可能好的生产条件.例7-1 在油炸方便面的生产中，主要原料质量和主要工艺参数对产品的质量有影响。
今欲通过正交试验确定最佳生产条件。
一. 试验方案设计1.确定试验指标评价方便面质量好坏的主要指标是: 脂肪含量(越低越好)，水分含量(越高越好)和复水时间(越短越好)。
2．挑因素，选水平，列出因素水平表根据专业知识和实际经验，确定试验因素和水平，如表7-2所示。
表7-2 因素水平表3．选正交表，设计表头，编制试验方案本试验是四因素三水平试验，不考虑因素间的交互作用，因此，可应选L9(34)安排试验，表头设计和试验方案见表7-3（p140）。
按上述方案实施后，将每一项试验指标都记录下来，见表7-3。
注：对极差分析可以这样选正交表，但对方差分析应留有空列，以便估计试验误差.表7-3 试验方案及结果分析脂肪含量K1K2K370.965.558.167.063.063.660.266.467.967.063.164.4∑=194.523.621.819.422.321.321.220.122.122.622.321.021.5R 4.2 1.1 2.5 1.3水分含量K1K2K37.97.26.87.47.56.99.06.86.18.96.86.2∑=21.92.632.402.272.472.502.303.002.272.032.972.272.07R 0.36 0.20 0.97 0.90复水时间K1K2K310.28.09.39.58.69.49.58.79.310.39.08.2∑=27.53.402.673.103.172.873.133.172.903.103.433.002.73R 0.73 0.30 0.27 0.70二．试验结果分析1．计算每列各水平下每种试验指标的数据和（K1，K2，K3），及其平均值（），并计算极差R，填入表7-3中。
2．画出因素与各种指标的趋势图，如图7-3所示（p140）。
3．按极差大小列出各指标下各因素主次顺序：各因素主次顺序表试验指标主-- 次脂肪含量（%） A C D B水分含量（%） C D A B复水时间（s） A D B C4．初选最优工艺条件根据各指标下的平均数据和，初步确定各因素的最优水平组合为：对脂肪含量（%）：A3B3C1D2（脂肪含量越低越好）对水分含量（%）：A1B2C1D1（水分含量越高越好）对复水时间（s）：A2B2C2D3（复水时间越短越好）5．综合平衡．．．．确定最优工艺条件（难点）！由于三个指标单独分析出来的最优条件并不一致，所以必须根据因素对三个指标影响的主次顺序，综合考虑，确定出最优条件。
首先，把水平选取上没有矛盾的因素的水平定下来，即如果对三个指标影响都重要的某一因素，都是取某一水平时最好，则该因素就是选这一水平。
在本试验中无这样的因素，因此我们只能逐个考察每一因素。
对因素A：从主次顺序来看，对脂肪含量和复水时间的影响都排在第一位为主要因素，而对水分含量的影响则排在第三位，属次要因素，因此，应以主要因素为主选因素的水平。
从初选的最优水平组合中可以看出，对脂肪含量选A3为好，而对复水时间，则选A2为好。
因为二者不一致，所以还须根据试验结果分析确定选A2还是A3。
从表7-3可知，当取A2时，复水时间比取A3时缩短16.1%(有利)，即[(2.67-3.10)÷2.67]×100%=-16.1%，而脂肪含量只比取A3时增加11.0%（不利）,即 [(21.8-19.4)÷21.8]×100%=11.0%，且从水分含量指标来看，取A2也比取A3时更好，因此，应选取A2水平。
注：当取A3时，脂肪含量比取A2时降低12.4%(有利)，即(19.4-21.8)/19.4×100%=－12.4%,复水时间比取A2时增加13.9%（不利），即（3.10-2.67）/3.10×100%=13.9%。
综合平衡∴对“有利”部分,A2>A3;对“不利”部分,A2<A3,故应选A2！对因素B：从主次顺序表中可见，对脂肪含量和水分含量的影响均排在最后，属次要因素；对复水时间的影响排在第三位，所以，应以复水时间这一指标来考虑。
再从初选最优水平组合中可知，对复水时间选B2为好，故B应取B2。
