第4章 试验设计

四、结构静载试验
4.3 观测方案设计：局部应变测量的测点布置
（3）开裂应变的测定 • 未出现裂缝时，仪器 读数逐渐变化。
1
P
2
3
4
5
P
• 某载荷下出现裂缝时 ，跨越裂缝的测点仪 器读数突然变大；相 邻的读数突然变小
2#应变片
3#应变片
四、结构静载试验
4.1 试验准备 4.2 加载方案设计 4.3 观测方案设计 4.4 测量数据的整理
4.4 测量数据的整理
（4）曲线、图表
(1)荷载-变形、荷载-应变、荷载-应力曲线等
钢筋混凝土梁跨中弯矩-挠度曲线
试验设计
试验准备
试件设计 加载设计 观测设计 误差控制措施 安全控制措施 试件制作与安装 人员组织分工 仪器检查与标定 辅助性试验 加载、观测 数据采集
试件形状、尺寸 试件数量 设计构造措施 确定实验荷载图式 确定加载装置 确定加载制度 确定观测项目 确定测点数目和位置 选择测试仪器
试验实施
结果分析
4.4 测量数据的整理
（4）曲线、图表 无量纲变化（Normalization）
为了验证钢筋混凝土矩形单筋梁的截面承载力公 式,需要进行大量的试验研究
4.4 测量数据的整理
（4）曲线、图表
4.4 测量数据的整理
（4）曲线、图表
Average drag coefficient for cross-flow over a smooth circular cylinder and a sphere
4.2 加载方案设计
（3）试验荷载计算 研究性试验: 不针对具体工程，无规范给定荷载值
根据材料实测强度和几何参数，计算出构件承载力极 限时的内力：

(2) B C D E A 行间调整 D E A B C A B C D E E A B C D C D E A B
5×5拉丁方
3. 优缺点： 优缺点：
优点：满足试验设计的原则，能提供无偏的试验 优点：满足试验设计的原则， 误差估计；由于两个方向都设计的区组，因此可 误差估计；由于两个方向都设计的区组， 以控制两个方向的土壤差异，精度较高；设计简 以控制两个方向的土壤差异，精度较高； 单，统计分析简单；缺区能补充。 统计分析简单；缺区能补充。 缺点：缺乏伸缩性，因为重复数等于处理数； 缺点：缺乏伸缩性，因为重复数等于处理数；要求 一块规则平整的地形，一个试验不能分开设置，缺 一块规则平整的地形，一个试验不能分开设置， 乏灵活性。 乏灵活性。
3. 局部控制： 局部控制：
局部控制：在试验的一个小范围内， 局部控制：在试验的一个小范围内，保持除试 验处理以外的一切影响试验结果的因素要控制 相似或相同的条件下 。 局部控制的作用： 局部控制的作用： 1）降低试验误差 2）正确的估计试验处理的效应值
重复
随机排列
局部控制
无偏估计试验误差
降低试验误差
处理数＝重复数＝行数＝ 处理数＝重复数＝行数＝列数 根据处理数×重复数（处理数的平方数） 根据处理数×重复数（处理数的平方数）将 试验地分成若干个小区， 试验地分成若干个小区，然后将应用的拉丁方设 计方案安排到各小区中。 计方案安排到各小区中。
2、设计方案
1）根据处理数查标准的拉丁方表（P25页）， 根据处理数查标准的拉丁方表（P25页 也可以人工排标准的拉丁方表。 也可以人工排标准的拉丁方表。 常用拉丁方理论方案
缺点： 缺点：
要求试验地能满足安排全部试验小区，且 要求试验地能满足安排全部试验小区， 规则的地块； 规则的地块；

PDF created with pdfFactory Pro trial version
举 例
1. 判断颜色对销售量是否有显著影响，实际上也
就是检验具有同方差的四个正态总体的均值是 否相等的问题 2. 如果四个总体的均值相等，可以期望四个样本 的均值也会很接近 § 四个样本的均值越接近，我们推断四个总体均值
PDF created with pdfFactory Pro trial version
1. 随机误差
2.
在因素的 同一 水平 ( 同一 个总体 ) 下 ，样本的 各观 察值之间的差异 § 比如，同一种颜色的饮料在不同超市上的销售量 是不同的 § 不同超市销售量的差异可以看成是随机因素的影 响 ，或者 说是 由 于 抽样的随 机 性 所 造 成 的， 称 为 随机误差 系统误差 § 在因素的不 同 水平 ( 不 同 总体 ) 下 ， 各观 察值之 间 的差异 § 比如，同一家超市，不同颜色饮料的销售量也是 不同的 § 这种差异可能是由于抽样的随机性所造成的，也 可能 是由 于颜色本 身所造成 的，后者 所形成的 误 差是由系统性因素造成的，称为系统误差
什么是方差分析?
（例子的进一步分析）
① 检验饮料的颜色对销售量是否有影响，也就 是检验四种颜色饮料的平均销售量是否相同 ② 设µ1为无色饮料的平均销售量，µ2粉色饮料的 平均销售量，µ3为橘黄色饮料的平均销售 量， µ 4 为绿色饮料的平均销售量， 也就是检 验下面的假设 ① H0: µ1 = µ2 = µ3 = µ4 ② H1: µ1 , µ2 , µ3 , µ4 不全相等 ③ 检验上述假设所采用的方法就是方差分析
1 2 3 4 5
该饮料在五家超市的销售情况 无色
26.5 28.7 25.1 29.1 27.2

可编辑修改精选全文完整版一、单个样本平均数的u 检验 1. u 检验u 检验（u -test ），就是在假设检验中利用标准正态分布来进行统计量的概率计算的检验方法。

Excel 中统计函数（Ztest ）。

有两种情况的资料可以用u 检验方法进行分析：✓ 样本资料服从正态分布 N （μ,σ2）,并且总体方差σ2已知；✓ 总体方差虽然未知，但样本平均数来自于大样本（n ≥30）。

【例4-1】某罐头厂生产肉类罐头，其自动装罐机在正常工作时每罐净重服从正态分布N （500，64）（单位，g ）。

某日随机抽查10瓶罐头，得净重为：505，512，497，493，508，515，502，495，490，510。

问装罐机当日工作是否正常？（1） 提出假设无效假设H 0：μ＝μ0＝500g ，即当日装罐机每罐平均净重与正常工作状态下的标准净重一样。

备择假设H A ：μ≠μ0，即罐装机工作不正常。

（2）确定显著水平α＝0.05（两尾概率）（3）构造统计量，并计算样本统计量值样本平均数：均数标准误：统计量u 值：（4）统计推断 由显著水平α＝0.05，查附表，得临界值u 0.05＝1.96概率P>0.05,故不能否定H 0 ，所以，当日装罐机工作正常。

2.t 检验 t 检验（t -test ）是利用t 分布来进行统计量的概率计算的假设检验方法。

它主要应用于总体方差未知时的小样本资料（n<30）。

其中， 为样本平均数，为样本标准差，n 为样本容量。

[例4-2]用山楂加工果冻，传统工艺平均每100g 加工500g 果冻，采用新工艺后，测定了16次，得知每100g 山楂可出果冻平均为520g ，标准差12g 。

问新工艺与老工艺在每100g 加工果冻的量上有无显著差异？（1）提出无效假设与备择假设 ，即新老工艺没有差异。

，即新老工艺有差异。

（2）确定显著水平 α＝0.01（3=520g所以（4）查临界t 值，作出统计推断 由df =15，查t 值表（附表3）得t 0.01（15）=2.947，因为|t |>t 0.01， P <0.01， 故应否定H 0，接受H A ， 表明新老工艺的每100g 加工出的果冻量差异极显著。