正交表的数据分析和其构造.docVIP

正交表的数据分析及其构造 【摘要】：全文分三个部分共十章。第一部分给出一种从全局到局部的正交表数据分析新方法，称为GL算法(Global-LocalAlgorithm)。主要用来求解已知或者未知多元系统函数的稳定中心。所谓稳定中心，相当于一个多元函数的自变量的一个点，在这个点处一方面它的多元函数值接近一个给定的目标值，另一方面，在这个自变量点的一个给定的区域内，相应的多元函数值波动很小。第二部分给出一种利用投影矩阵的正交分解构作正交表的新方法，称为矩阵象构作法(MatrixImageConstruction)。正交表的第j列的矩阵象A_j正好是方差分析中的第j个因子的平方和S_j~2=Y~TA_jY中的投影矩阵．方差分析中的第i个和第j个因子的平方和S_i~2和S_j~2的独立性等价于矩阵象A_i和A_j的正交性。而矩阵象A_i和A_j的正交性等价于正交表的正交性。因而我们不但可以用投影矩阵正交分解技术进行数据分析，而且可以用这个技术构造正交表。历史对正交表的构作方法多用于对少量的等水平的对称正交表的构作，而矩阵象构造法对大量的混合水平正交表的构作更有效，可以构造出相当规模的GL算法所需要的各种各样的正交表。第三部分给出GL算法的应用技术。包括指标转化、问题转化和数据转化三方面的内容。指标转化是指如何把数学中的解方程组、解非线性规划、求多元函数积分和求多元函数偏导数等的数学指标经指标转化变成GL算法求解稳定中心的指标；问题转化是指如何把统计中的估计、预测和检验问题转化为GL算法求解稳定中心的问题：数据转化是指如何把一般常见的数据转化成正交试验下的数据，从而也能用GL算法解决问题。全文的目的是要说明：GL算法是一个有理论基础、具有可实现性(可以构造它所需要的各种正交表)、可操作性强和应用面广泛的统计数据算法。【关键词】：稳定性不变性信息分解比正交表试验设计投影矩阵置换矩阵 【学位授予单位】：华东师范大学 【学位级别】：博士 【学位授予年份】：2006 【分类号】：O241.6 【目录】：摘要11-12ABSTRACT(英文摘要)12-13主要符号对照表13-15第一章绪论15-19第一部分正交表的数据分析-GL算法19-89第二章GL算法的基本定理21-362.1问题的提出21-232.1.1问题21-222.1.2设计与试验22-232.1.3数据232.2波动分解基本定理23-312.2.1风险函数的分解23-272.2.2平均方差指标的控制27-292.2.3偏离度指标的控制29-312.3正交表基本定理31-362.3.1描述因子x_j水平k的示性集合31-322.3.2正交表的强度32-332.3.3正交化变换33-36第三章全局分析-G步计算36-563.1扭曲度的估计36-413.2扭曲度的性质41-443.2.1扭曲度与正交设计的选取无关41-423.2.2扭曲度与容差Δx的等比例变大或者变小无关42-433.2.3扭曲度关于数据变换的不变性43-443.3扭曲度的预测44-483.3.1因子x_j水平k的扭曲度的估计44-453.3.2用因子x_j水平k的扭曲度U_(jk)~2(x~0)对更新点扭曲度U_H~2(x~*)的预测45-483.4在不考虑目标时对扭曲度的调优48-513.5G步算法介绍51-533.5.1无目标信息分解比估计表51-523.5.2试验数据的稳定性变换523.5.3无目标信息分解比估计表和试验数据的稳定性变换相结合52-533.6全局分析的实际例子53-56第四章局部分析-L步计算56-894.1减少偏离度的基本定理56-594.1.1线性调优公式56-584.1.2扭曲度关于线性调优的不变性58-594.2偏离度调优因子和调优方法的确定59-634.2.1偏离度调优因子的确定—因子x_j的偏离度信息分解比59-614.2.2偏离度调优方法的确定—线性调优和有目标信息分解比表调优61-634.3在考虑目标时对扭曲度的调优63-694.3.1扭曲度调优因子的确定—因子x_j的扭曲度信息分解比63-654.3.2扭曲度调优水平的确定—有目标信息分解比表调优65-694.4局部分析的指标及其综合分析方法69-724.5L步算法介绍72-774.5.1有目标信息分解比估计表72-734.5.2线性调优公式73-744.5.3偏离度调优与扭曲度调优相结合74-774.6局部调优的实际例子77-89第二部分正交表的构造-MI构作法89-187第五章MI构作法的基本定理92-1265.1矩阵象的定义和性质92-1005.1.1矩阵象的提出92-955.1.2矩阵象的计算95-965.1.3矩阵象的同变性96-975.1.4矩阵象的不变性97-995.1.5矩阵象的关联矩阵表示99-1005.2正交表