试验的设计与数据处理.ppt

试验设计与数据处理 内 容 基本统计分析 差异显著性分析 试验设计 方差分析 回归分析与相关分析 多元统计分析 未整理的数据资料为原始资料，是零星的、孤立的和杂乱无章，无规律可循，只有通过科学的整理和分析，可发现其规律性，揭示内在的本质。 描述统计分析是最基本的数据处理方法，包括次数分布、统计量计算等等。 二、差异显著性分析 单个样本平均数的差异检验－u检验，t 检验 两个样本平均数的差异检验 成组试验数据的检验－ u 检验，t 检验 成对试验数据的检验－t 检验 三个及三个以上样本平均数的差异检验－方差分析（F检验） 当df=9时，查临界值得：t 0.05（9）=2.262，|t|＝1.381 t 0.05（9） ，所以P0.05，表明两种工艺的粗提物中茶多糖含量无显著差异。 三、试验设计 单因素试验 复因素试验 综合试验 1、单因素试验 在其他因素相对一致的条件下，只研究某一个因素效应的试验，称为单因素试验。 单因素试验不仅简单易行，结果易于分析，而且能对被试验因素作深入研究，是研究某个因素具体规律时常用而有效的手段。 单因素试验方案制定时，应根据研究目的要求及试验条件，把要研究的因素分成若干水平，每个水平就是一个处理，再加上对照（有时就是该因素的零水平）即可。 在设计单因素试验方案时，应注意数量水平的级差不能过细。过细，试验因素不同水平的效应差异不明显，甚至会被试验误差所掩盖，试验结果不能说明问题。 单因素试验由于没有考虑各因素之间的相互关系，试验结果往往具有一定的局限性。 2、复因素试验 研究两个或两个以上不同因素效应的试验，称为复因素试验或多因素试验。复因素试验克服了单因素试验的缺点，可分析因子的主效应及其交互作用，确定各因素不同水平的优化组合，其结果能较全面地说明问题，试验效率较高。能 但随着试验因素的增多，往往容易使试验过于复杂庞大，反而会降低试验的精确性。处理数目与试验种类、排列方法、要求的精确程度有关，应以较少的处理解决较多问题。 因此，复因素试验一般以2-4个试验因素较好。 复因素试验的种类 完全方案 不均衡方案 正交设计 均匀设计 回归设计 配方试验设计 回归设计 （1） 回归正交试验设计 a、一次回归正交试验设计 b、二次回归正交试验设计 （2） 回归旋转设计 a、二次回归正交旋转组合设计 b、二次通用旋转组合设计 2.1 完全方案 表3-1 N、Ｐ、Ｋ三因素二水平完全实施方案 （1）正交试验设计 对于单因素或两因素试验，因其因素少 ，试验的设计 、实施与分析都比较简单 。但在实际工作中 ，常常需要同时考察 3个或3个以上的试验因素 ，若进行全面试验 ，则试验的规模将很大 ，往往因试验条件的限制而难于实施 。正交试验设计就是安排多因素试验 、寻求最优水平组合 的一种高效率试验设计方法。 利用正交表，适用于多因素试验，以部分实施代替全面实施。 常用的等水平正交表有：L4（23）， L8（27），L9(34），L16（45)； 常用的混合水平正交表有：L8（4×24），L12（3×24），L12(6×22）， L16（42×29)， L16（44×23) 正交试验结果的直观分析法 1、选出参考最优组合 2、判明各因子对试验指标影响的主次关系 (1)分别计算各因素、各水平的试验指标Ki及其平均值，与Ki的极差Ri (2)比较各因素的极差R ，排出各因素的主次关系，根据K值的大小，选取理论上的最优组合 3、比较参考最优组合和理论最优组合，确定最终最优组合 L8(4×24)正交表 响应面方法(Response Surface Methodology,简称RSM)是利用合理的试验设计并通过实验得到的一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。响应面法目前已成为降低成本、优化加工条件的一种有效方法，广泛地应用于农业、生物、食品、化学等领域。 Plackett- Burman 设计法 Plackett-Burman，Plackett- Burman ( PB)设计法是由Plackett和Burman于1946年提出的一种近饱和的2 水平试验设计方法。它建立在非完全平衡设计原理的基础上，通过N个实验至多可以研究（N－1）个变量（N一般为4的倍数）。在实验过程中，通常会预留出虚拟变量作为误差分析。每个变量有高、低两个水平，分别以+、-标记，在整个Plackett-Burman设计中，每个变量取高、低水平的值各N/2次，而且在某个因素取得高（低）水平时，其他各个因素取得高、低水平各N/4次。它是用最少试验次数估计出因素的主效应，从众多的考察因素中快速有效地筛选出