4-3正交实验设计.ppt

第三节 正交实验设计 一、不考虑交互作用的正交设计 MATLAB函数 正交实验设计 D=fullfact(levels) 输入参数levels是一个向量，向量的长度就是因素数，向量的每个元素指名该因素的水平数。输出参数D是实验设计矩阵。 D=fullfact([2,3,2]) D = 1 1 1 2 1 1 1 2 1 2 2 1 1 3 1 2 3 1 1 1 2 2 1 2 1 2 2 2 2 2 1 3 2 2 3 2 单因素方差分析 p=anoval(X) 对矩阵X中的数据进行单因素方差分析。矩阵X的每一列表示一个独立样本，每个样本中，包含一组独立的观察值。原假设是X中的所有样本均来自相同的总体。返回值p是原假设的概率值。如果p值很小，则应怀疑原假设的正确性。通常如果p值小于0.05则认为是显著的； p值小于0.01则是非常显著。 x=[0.236 0.257 0.258 0.238 0.253 0.264 0.248 0.255 0.259 0.245 0.254 0.267 0.243 0.261 0.262] p=anova1(x) Source SS df MS F ProbF ------------------------------------------------------- Columns 0.00105 2 0.00053 32.92 1.34305e-005 Error 0.00019 12 0.00002 Total 0.00125 14 双因素方差分析 p=anova2(X) 对矩阵X中的数据进行双因素方差分析。矩阵X的不同的列表示一个因素，不同的行表示另一个因素。返回值p是一个向量，第一个是列因素原假设成立的概率值。第二个是行因素原假设成立的概率值。如果p中第一个值很小，则表明至少有一列的均值与其它的列不同。如果p中第二个值很小，则表明至少有一行的均值与其它的行不同。运行结束后还会显示方差分析图。 x=[76 67 81 56 51 82 69 96 59 70 68 59 67 54 42 63 56 64 58 37 ] p=anova2(x) Source SS df MS F ProbF ------------------------------------------------- Columns 1947.5 4 486.875 13.24 0.0002 Rows 1182.95 3 394.317 10.72 0.001 Error 441.3 12 36.775 Total 3571.75 19 p=anova2(X，reps) 对重复实验，用参数reps指定每组的行数，reps必须是正整数。如reps=3，表示每3行表示一组值，X的行数必须是3的倍数。返回值p是一个向量，第一个是列因素原假设成立的概率值。第二个是行因素原假设成立的概率值。第三个是表示行列间的交互作用。如果p中第一个值很小，则表明至少有一列的均值与其它的列不同。如果p中第二个值很小，则表明至少有一行的均值与其它的行不同。如果p中第三个值很小，则表明行列间有交互作用。运行结束后还会显示方差分析图 二、考虑交互作用的正交设计 一、不考虑交互作用的正交设计 三、小结 2 1 1 2 1 2 2 8 1 2 2 1 1 2 2 7 1 2 1 2 2 1 2 6 2 1 2 1 2 1 2 5 1 1 2 2 2 2 1 4 2 2 1 1 2 2 1 3 2 2 2 2 1 1 1 2 1 1 1 1 1 1 1 1 7 6 5 4 3 2 1 列号 实验号 1 2 3 3 9 3 1 2 3 8 2 3 1 3 7 2 1 3 2 6 1 3 2 2 5 3 2 1 2 4 3 3 3 1 3 2 2 2 1 2 1 1 1 1 1