〈精品〉Unit-5改善5.3全因子实验.ppt

Factorial Experiments的概要 理解阶乘实验的优点 确定如何分析一般阶乘实验 理解统计性交互作用的概念 分析2和3因子实验 用诊断技术评价统计模型的“适合度” 确认实验中最显著的或关键性的因子 目的: 把因子数据输入 Minitab 然后用 Stat ANOVA Interactions Plot.画交互作用图 程序: 把这两个数据集输入一个Minitab文件 提示: 你只需要输入实验矩阵一次 你可以用两个列对每个实验的响应进行说明  选择ANOVA Interactions Plot 然后完成对话框 Factorial Experiments介绍:Factorials vs.OFAT Factorial Experiments介绍 : Factorials vs. OFAT Minitab里ANOVA目录说明 统计方差分析单因子...... 堆栈的结果允许你作多重比较，可以处理均衡或非均衡的设计 统计方差分析单因子...... (未堆叠存放) 各群的数据分列在不同的列中不能做多重比较 统计方差分析 平衡方差分析 只适用于均衡设计（反复数不一致时不可用） 允许使用于混合模型（固定或随机因子） 统计方差分析 一般线形模型 可用于非均衡设计或嵌套的设计 最有功效的ANOVA命令--需要较多的计算时间 2因子 full factorial experiment表现方式 (包括主效果和交互作用) : y = A B A*B or y = A | B 主效果表现 : y = A B 交互作用表现 : y = A*B Full Factorial分析步骤 1. 将实验结果输入到MINITAB，能看出反应变量的所有值和因子的水平 2. 对均衡的设计使用统计方差分析 平衡方差分析, 对非均衡的设计使用统计方差分析 一般线形模型(GLM对均衡/非均衡设计均可使用) 3. 先解释最高次的交互作用的p-value和 F值. 为了分析交互作用，通过MINITAB画 交互作用图 4. (可选择)对主要的交互作用，可使用 统计表格描述性统计表格调查其 基础统计量. 5. 若高次交互作用不显著时，可解释下一级交互作用. (即..., A和B, B和C, 或 A 和C的交互作用). 6. 若下一级交互作用显著，利用统计表格描述性统计表格调查其基础统计量. Full Factorial分析步骤 7. 若所有交互作用都不显著，用单因子方差分析 分析对主效果的 p-value和 F值. 利用图表能观察其主效应图. 8. 以上面的结果为基础，对于不显著的交互作用等，实施简化模型再分析。 然后进行残差分析（Residual Analysis). 简化模型不必要时立即实施残差分析。 9. 为了观察各效果是否真的显著，对显著的效果再计算e2(Epsilon-Squared). 10. 把结论和建议事项作成文件. 11. 确认后制定实验计划并加以实施 例题1: 铸件硬度 我们要回答以下问题： 温度和时间对硬度是否有显著影响？ 因子间的特定组合（交互作用）是否对硬度有显著影响？ 统计模型: 假设检验: 例题1: 铸件硬度 例题1: 铸件硬度 此实验是均衡设计. 因此在Minitab里, 选统计方差分析平衡方差分析 . 例题1: 铸件硬度 例题1: 铸件硬度 例题1: 铸件硬度 例题1: 铸件硬度 例题1: 铸件硬度 例题1: 铸件硬度 例题1: 铸件硬度 例题1: 铸件硬度 当对于每个因子组合存在不相同的观测结果数时，我们必须使用 统计方差分析一般线形模型. 如在下面情况时: 在铸件硬度文件中消除数据中的任何一行。 用 统计方差分析一般线形模型 产生Minitab的输出。  你的结论是什么？他们和原来的分析结果相比有什么不同？ 目的: 分析一个有显著交互作用的 2-因子实验 输出变量: 认知度 输入变量: Money 低（LO） 中（Med） 高（Hi） Time 低（LO） 中（Med） 高（Hi） 输入DATA 残差分析 残差 vs. 因子的图形分析 方差分析结果 交互作用图 基础统计量 目的 : 分析电刷(Brushing)、焊接电流(Welding Current)和 镀金(Chrome Plating)是否对Pitch Diameter影响. 输出