11第十一章_正交设计(一).ppt

第十一章 正交设计 正交表 正交试验设计的直观分析 正交试验设计的方差分析 正交试验设计应注意的问题 正交试验设计的多种用法： 正交多项式 农业试验其目的不外乎两个，一是发现事物内部的客观规律，二是改善生产 影响事物内部规律和生产的因素可以有许多，希望在一次或有限的几次试验中考察全部因子，从而找到各个因子的最佳组合，这往往不容易做到，而每次试验仅考察一、二个因子，又不容易找到因子之间的搭配关系 析因试验设计随着所考察的因子数的增加、每一因子水平数的增加，析因试验的规模将迅速扩大，这又给试验带来很大的麻烦和困难；如同时考察4个因子，每一因子设计3个水平，则需34＝81个组合，每一组合两个重复，就需162个独立供试单位 因此，如何在一定的试验规模内安排尽可能多的因子，每一因子安排尽可能多的水平，又不失精确性，其较好的办法就是正交试验设计；正交试验设计会有一定的损失，但这种损失一般不影响试验的主要结论 在多因素试验中，很重要的一个工作是考察因子之间的交互作用，但随着因子数的增加，因子之间的这种互作会逐渐变小，且三个或以上因子之间的互作一般很难解释得清楚；事实上，在绝大多数试验中，三因子或以上的这种互作不太可能达到显著 所谓正交试验设计，就是利用正交表来安排试验，正交试验设计仅安排因子的部分水平组合，而不是全部组合 因而正交试验设计与析因试验设计有很大的不同 正交试验设计是安排多因素试验中经常使用的一种试验设计方法 正交试验设计其最大的优点是只需根据预先选定的正交设计表来安排试验，因此设计容易，统计分析也很方便 下面我们首先介绍正交表 第一节 正交表 一、正交表的概念 （一）完全对 设有两组元素 ai = (a1,a2,…,aα)，bj = (b1,b2,…bβ) ai(i＝1,2,…,α)和bj(j＝1,2,…,β)配成一对，则这两组元素共组成αβ个元素对： (a1，b1)，(a1，b2)，…，(aα，bβ) 即由元素ai和bj构成了完全对 例如，一组数为（1,2,3），另一组数为（1,2,3,4） 则这两组数构成的完全对为 (1,1)，(1,2)，(1,3)，(1,4)，(2,1)，(2,2)，(2,3)，(2,4)，(3,1)，(3,2)， (3,3)，(3,4) 共3×4＝12个元素对 形成了完全对 矩阵：由m行n列元素或数字组成 当一个矩阵中任何两列同一横行 的元素对为一个完全对，且每对 出现的次数是相同的，就称这两 列为均衡搭配 这种均衡搭配的完全对，又称为完 全有序对；否则，就称为搭配不均 衡 如有一个8行×3列的矩阵（见右）： 第一列与第二列：完全有序对 第一列与第三列：不是完全对 第二列与第三列：完全对，但搭配不均衡 矩阵中任两列元素搭配均衡具有对称性 （二）正交表的定义和格式 定义：设有一个n行k列的矩阵A，其中第i列元素由数字1，2，…，m所组成（i=1，2，…，k)，如果A矩阵的任意两列（第i列与第j列）都搭配均衡，矩阵A就是一张正交表 A表共7列，每列8个元素，可以看出，这7列中每两列都是正交的，即每2列都构成完全有序对：1、都包含了（1,1）,（1,2）,（2,1）,（2,2）4个数字对；2、每对出现的次数均为2次，因此矩阵A为一张正交表 B表共5列，每列8个元素，可以确定，第2、3、4、5列是两两完全有序对，因此是正交的，第一列与第2、3、4、5列均构成了8个数字对（1,1),(1,2),(2,1),(2,2),(3,1),(3,2),(4,1),(4,2)且每一数字对均出现一次，因此也构成了完全有序对，即矩阵B也是一张正交表 正交试验设计就是选择一张合适的正交表来安排多个因子的一种试验设计方法；正交表常画成表格的形式：左为试验号，上为列号，安排因素数 设有一个试验，其考察的因素有N个，其中第一个因素有m1个水平，第二个因素有m2个水平，…，第N个因素有mN个水平，因此整个试验的全部组合为m1×m2×…×mN个每一水平组合就是一个处理，记其中第i个处理为：Ti＝（ti1，ti2，…，tiN） 表示在Ti处理中，第一个因素取ti1个水平，第二个因素取ti2个水平，…，第N个因素取tiN个水平的试验 显然，一个试验需作m1×m2×…×mN个组合的处理，其工作量太庞大，因此可以从中取出一部分来完成这一试验，所取出的n个处理写成n×N表格，以形成一个试验方案（N≤k） 进行n次试验（即正交表中的行数，即处理数）使得k列中任意两列（即任意两个因素）组成的元素对为一完全有序对，即搭配均衡，具有这种性质的n个处理组成的试验方案就称为正交试验设计方案；对应于这一正交试验设计方案的表格就是正交表；这种