实验方法与数据处理总复习.ppt

* 回归效果检验（方差分析） 7.3 直线回归（一元线性回归分析） 残差平方和=总平方和-回归平方和 残差平方和自由度=总平方和自由度- 回归平方和自由度 n-2 =n-1 - 1 * 回归效果检验（相关性检验） 相关系数r：衡量两个变量之间线性相关关系密切程度 7.3 直线回归（一元线性回归分析） 回归平方和占据总波动的比重 * 相关系数r：回归平方和占据总波动的比重 7.3 直线回归（一元线性回归分析） ？ ？ * 相关系数的显著性检验：相关系数的绝对值多大才能认为两个变量时相关的，回归方程才有意义？ 7.3 直线回归（一元线性回归分析） 回归方程高度显著； 回归方程不显著。 * 优选法 8.1 概述 8.2 单因素优选法 8.3 双因素优选法 8.4 优选法在因素主次判断中的应用 * * 8.2 单因素优选法-黄金分割法 对于一般的单峰函数，可以采用此法。即将试验点安排在实验范围内距左边界的0.618处。 x1、x2对称。用f(x1)和f(x2)分别表示x1和x2上的试验结果。 若f(x1) 比 f(x2) 好， x1好点，划去试验范围(a, x2) 剩下(x2,b); 若 f(x1) 比 f(x2)差，x2好点，划去试验范围(x1,b) 剩下(a, x1); 在余下的范围内寻找好点； 实验结果前后差别不大时即为最优结果。 x2 0.618 0.382 x1 a b x3 0.618 0.382 x2 x1 b * 例炼某种合金钢，需添加某种化学元素以增加强度，加入范围是1000－2000克，求最佳加入量。 1000 1100 1900 2000 小 大 8.2 单因素优选法-黄金分割法 1. 先在试验范围的0.618处做第1个试验，x1=a+(b-a)×0.618=1618克 2. 第2个试验点由公式，x2= b-(b-a)×0.618=1382克 3. 比较第1与第2个试验效果，现假设第1点好，就去掉第2点，即去掉[1000,1382]那一段范围，留下[1382,2000]。 4. 在[1382,2000] 取第3个实验点，x3=1382+(2000-1382) ×0.618=1764克 5. 如此反复。每次留下的试验范围是上次长度的0.618倍，随试验范围越来越小，试验越趋近最优点 小 1618 中点 1764 大 1382 (1) (3) 2000 * 优选范围： a＜x＜b， c＜y＜d Q a b d c P b Q R 8.3 双因素优选法-对开法 若P、Q接近，可以直接去掉3/4实验范围 Q优 * 优选范围： a＜x＜b， c＜y＜d 8.3 双因素优选法-旋升法（从好点出发法） x、y两个因素的先后顺序对优选结果影响很大；可以分别不同顺序进行优选，对比确定最优。 P2 P1 a b d c b P2 P3 P1 ● * * * 显著性水平： F检验法总结 置信区间： 双边检验拒绝域： 令 * 5.1 概述 因素的选取 水平的选取 5.2 统计判断的思想方法 5.3 平均值分离 5.4 误差控制：费歇尔三原则 第五章 试验设计 * 5.1 概述 实验（试验）设计： 选定因素（因子），使其在一定范围内变化（具体量值称为因素的水平），考察对试验指标（特征值）的影响。 实验设计：采用数理统计的方法合理安排试验、处理数据和评估试验结果 实验设计的任务：如何组织试验，以最小的代价获得最多的信息。 * 实验设计的三个基本内容 工况选择：因素与水平的选取方法； 误差控制：试验方案的制定； 数据处理：分析试验结果。 试验指标(experimental index) ： 为 衡 量 试 验结果，在试验中具体测定的性状或观测的项目称为试验指标。 因素（因子）： 对特征值（试验指标）能够产生影响的物理量。例如：可控因素， 噪声因素。 水平：因素在试验中所取的状态或数量等级。 * 因素选择 两因素试验与两个单因素试验那个更好？ 例子：两种原料合成某一产品的转化率。 因素A：反应温度；因素B：原料用量。 两个单因素试验方案的可靠性比双因素全组合实验方案的可高性差！ * 因素选择 一个数据在单因素实验中只被利用1次