试验设计与数据分析01.ppt

Self-Introduction QIU Xiang (邱翔) 2000 Bachelor 2003 Master 2006 Doctor 2010 Postdoc 2010 Assoc. Professor CellEmail: doe_qiu2011@163.com, doeqiu 试验设计与数据分析Design of Experiment and Data Processing 2011.09.01 Outline 1、学分：2 ，学时：32 2、课程性质：专业必修课 3、适用专业：数学与应用数学专业 4、先修课程： 概率论与数理统计 高等数学(微积分) 线性代数 5、考核方式：考试，开闭卷 平时20%、期末80%。 课程要求 课堂纪律 出勤率 作业 References 《试验设计)》,峁诗松等编著, 中国统计出版社 《试验设计与数据处理》，李云雁，胡传荣编著，化学工业出版社 《实验设计)》,刘文卿著, 清华大学出版社 《试验设计》，苏均和编著，上海财经大学出版社 什么是统计学？ Grass——Cow——Milk Data——Statistics——Information 统计学与试验设计 我们在生活和工作中会接触到大量的信息和数据，我们未来会成为经济管理人员、策划分析人员或科研工作者。其中一部分人会成为数据的生产者，另外一部分人会成为数据的使用者。 你必须知道如何向别人提供有用的数据； 你必须有能力弄懂别人提供数据的涵义； 你必须掌握专门手段使你高效地使用数据。 3. 基本概念 1、指标 指标：衡量试验结果好坏的特性值 定量指标：流量，电阻，抗压强度，考试成绩 定性指标：台风的破坏度，药物的疗效 单指标试验：考查单个指标 多指标试验：考查两个或多个指标 3.基本概念 因子与水平 因子：影响试验结果的因素 水平：因子所处的状态 可控因子 不可控因子(噪声因子，误差因子) 5. 试验设计及其目的 在明确所要考查的因子及其水平后对试验进行总体安排称为试验设计 减少试验误差 减少试验次数 便于对试验结果进行统计分析 6. 试验设计方法 区组设计 拉丁方设计 尤登方设计 正交试验设计 回归设计 参数设计 均匀设计 混料设计 7. 试验设计的基本原则 重复：一个试验点在相同条件下重复进行多次试验 提供标准差的估计 提供指标均指的更为精确的估计 重复时间延长和试验费用的平衡 7. 试验设计的基本原则 随机化：试验材料的分配和试验点的试验次序要随机确定 试验结果相互独立 抵消部分不可控因子 准确估计试验误差 区组：把试验单元分为若干小组，组内试验条件相近，组间试验条件可近可远 8. 试验设计过程注意事项 试验目的明确，试验方法可靠； 选择含有关键信息的指标进行测量，仪器具有可重复性； 选好可控因子； 选择试验设计方案； 试验过程； 统计分析； 结论与建议。 作业 1. 试验设计和数据处理的关系 2. 概率论与数理统计的关系 3. 应用数学和数学应用的区别与联系 * * Processing 1 试验设计与数据处理的发展概况 20世纪20年代，英国生物统计学家及数学家费歇（R．A．Fisher）提出了方差分析 20世纪50年代，日本统计学家田口玄一将试验设计中应用最广的正交设计表格化 数学家华罗庚教授也在国内积极倡导和普及的“优选法” 我国数学家王元和方开泰于1978年首先提出了均匀设计 2 试验设计与数据处理的意义 2.1 试验设计的目的: 合理地安排试验,力求用较少的试验次数获得较好结果 例：某试验研究了3个影响因素： A：A1，A2，A3 B：B1，B2，B3 C：C1，C2，C3 全面试验：27次 正交试验：9次 2.2 数据处理的目的 通过误差分析，评判试验数据的可靠性； 确定影响试验结果的因素主次，抓住主要矛盾，提高试验效率； 确定试验因素与试验结果之间存在的近似函数关系，并能对试验结果进行预测和优化； 试验因素对试验结果的影响规律，为控制试验提供思路； 确定最优试验方案或配方。 误差分析（error analysis） ：对原始数据的可靠性进行客观的评定 误差（error） ：试验中获得的试验值与它的客观真实值在数值上的不一致 试验结果都具有误差，误差自始至终存在于一切科学实验过程中 客观真实值——真值 4. 误差分析 4.1 真值与平均值 4.1.1 真值（true value） 真值：在某一时刻和某一状态下，某量的客观值或实际值 真值一般是未知的 相对的意义上来说，真值又是已知的 平面