402.2K因子实验策画简介.ppt

重复和复制 定义 重复- 相同的实验一个接一个连续。 复制- 整个或部分实验设计实施多次，在不同的时期，也可能 以不同的次序。 优点 重复有助于改善信噪比，尤其是当量仪的检测能力很低时，它能使我们计算样本以及分析方法。 复制就更有用- 它能使我们估计影响实验的总变异。 例如：设定差异，我们因此可以估计变量效果的误差。 假如我们已经对较早的例题（良率）做了两次复制。 数据组如下（同样也在 Expt 2^2 Replicated. mtw). 复制分析 32 54 38 24 浓度1 浓度2 催化剂1 催化剂2 34 40 50 22 Conc 1 Conc 2 Catalyze 1 Catalyze 2 02-17 复制分析 结果:EXPT2＾2 replicated. MTW 拟合因子: Yield 与 cata, conc Yield 的效应和系数的估计（已编码单位） 项 效应 系数 系数标准误差 T P 常量 36.750 0.6614 55.56 0.000 cata -11.500 -5.750 0.6614 -8.69 0.001 conc 1.500 0.750 0.6614 1.13 0.320 cata*conc -17.500 -8.750 0.6614 -13.23 0.000 S = 1.87083 PRESS = 56 对于 Yield 方差分析（已编码单位） 来源 自由度 Seq SS Adj SS Adj MS F P 主效应 2 269.00 269.00 134.500 38.43 0.002 2因子交互作用 1 612.50 612.50 612.50 175.00 0.000 残差误差 4 14.00 14.00 3.500 纯误差 4 14.00 14.00 3.500 合计 7 895.50 现在我们可以评估统计显著性 复制分析 在柏拉图中我们可以看到 说明有显著效果的直线在 其右侧. 在正态图中我们可以看到有显著效果的标注. 02-18 复制分析 02-18 主效果图和交互作用图看起来与早前的情况非常相似. 更多的自由度意味着我们可以计算出P值. 浓度条件(P=0.320)是不显著的,但是因为存在较强的交互作用,需要将其保留分析内. 随机化 将实验随机化是非常重要的.它可避免被不知的菲实验变量的效果(如环境)所干扰,这些干扰可产生错误的实验结果. 02-19 2k 因子实验简介-其他 Y= f (X) 从Minitab中排列非复制实验的输出 02-20 我们可以建立方程式 Yield = 36.75-5.75*constant+0.75*const-8.75*cata*cons ( 使用代码 ( +1 和 -1 ) ) Y= f (X) 这个方程式是怎样组成的? 方程式的原素有什么意义? 36.75-常数项，是所有实验的平均良率（即当所有因子的代码水平设为0时） -5.75 *catalyzer-来自主效果图-如果将catalyzer从低水平变化到高水平时,良率的平均变化是-5.75 consistence一样 -8.75*cata*cons-交互作用图,如果cata*cons从低水平变化到高水平时,良率平均变化是-8.75 如果Catalyzer取+1,Consistence取-1，