重复试验在试验设计中的探讨.pdfVIP

重复试验在试验设计中的探讨 马长兴 方开泰 南开大学数学系 香港浸会大学，中国科学院应用数学所 摘要 大多数经典的试验需要做重复试验．重复试验可以给出模型较好的估计，也可以进行模 型识别，但它需要很多的试验，即增加了很多试验时间和费用．因此，一个试验是否需要重复 是十分重要的，也是很复杂的．本文从若干角度讨论了何时需要重复试验以及重复试验的优 缺点． 关键词：正交设计，均匀设计，均匀正交表，最优设计，线性模型 在任何试验中都有随机误差的干扰，为了减少这种干扰，在古典的诸试验设计方法中 都强调了要重复试验．例如，在单因素(一种方式分组)和双因素(两种方式分组)试验中， 大多数要求有重复试验．重复试验可以较好地估计因素的主效应和交互效应以及随机误差 的方差，借助于后者可作模型识别，好处是显然的．但重复试验需要较多的试验，在人力、 财力和日11；3有限时，能否不作重复试验也能达到预期的效果呢?运用正交设计和均匀设计 在一定程度上能达到上述要求，已有大量成功案例．那么，在正交设计和均匀设计中是否需 要重复试验呢?本文尝试从几个例子来探讨重复试验的好处和缺点，由于问题的复杂性， 本文的讨论挂一漏万在所难免． §1单因素试验 古典单因素试验是将该因素(记为A)取若干个水平，例如q个水平，在每个水平上作 若干个试验，试验的模型为 场=肛+啦+Emi=l，．．．，q；J=1，．．．，m， (1．1) 式中p为总平均，n。为A在，扎的主效应，q，为试验的随机误差，Mj为响应值(试验结 果)．当因素A为定性变量时，试验应该有重复(啦三2，i=l，…，q)，否则会影响试验的可靠 性． 若因素A为连续变量，这时不一定非用方差分析模型(1．1)来描述因素A与响应(y) 之间的关系，也可用回归模型来描述．如果，，与A之间有线性关系 Y=岛+卢Iz+E， (1．2) 这里我们以z代表A的取值，以强调A为连续变量，e为随机误差，岛和风为回归系 计为将试验点一半放在一1，另一半放在I．这里D．最优设计强烈地推荐有重复的试验．若 y与A之间有二次模型 S1， Y=岛+局z+如茁2+E，J嚣J (1．3) D一最优设计推荐在～l，0，1上作同样多的重复试验．以n表示试验的数目，则上述两个模 型的D．最优设计可表达为 线性模型 二次模型 一l l —1 0 1 试验数 旦 旦 试验数 2 2 3 3 3 如果，y与z之间的回归模型并不十分清楚，是否要作重复试验呢?让我们来看一个 生长曲线模型的例子．生长曲线模型在化学、物理和生物中十分常见，生长曲线有很多类型 (详见Ratkowsky(1983))，威布尔(Weibell)模型是其中的一种． 例一若y与x之间有weibeu模型 Y=1一exp{一2x2)+E，0≤z≤2， (1．4) 她希望通过试验来找出y与x之间的(近似)关系．我们通过下面印模拟试验，来讨论如 何寻找y和x之间的近似关系，以及水平多少(重复多少)对试验结果的影响． 阶多项式回归模型来拟合五组数据，其拟合程度见图l(a)一(d)．若用非线性回归模型 Y=1一plexp{D2x2}+E，