第2章节试验设计基本原理及食品试验常用的设计课件幻灯片.pptVIP

4.表头设计 就是将试验因素分别安排到所选正交表的各列中去的过程。 表头设计 因素 A B C D 列号 1 2 3 4 5.编制试验方案 在表头设计的基础上，将所选正交表中各列的水平数字换成对应因素的具体水平值，便形成了试验方案。 试验号 因素 A（加水量） B（加酶量） C（酶解温度） D（酶解时间） 1 2 3 4 5 6 7 8 9 1(10) 1 1 2(50) 2 2 3(90) 3 3 1(1) 2(4) 3(7) 1 2 3 1 2 3 1(20) 2(35) 3(50) 2 3 1 3 1 2 1(1.5) 2(2.5) 3(3.5) 3 1 2 2 3 1 正交设计优缺点： 正交试验具有 “均衡分散、整齐可比（即综合可比性）”的特点。 “均衡分散”即均匀性，使试验均匀分布在试验范围内，每个试验点都具有一定的代表性，可以以部分试验反映全面试验的情况，大大地减少试验次数。 “整齐可比” ，使试验结果的分析十分方便，便于分析各因素及其交互作用对试验指标的影响大小及规律性。 不足之处，为了保证整齐可比性，对任意2个因素而言必须是全面试验，每个因素的水平必须有重复。这样，试验点数不能过少。 对于1个水平数为m的正交试验，至少要做m2次试验。当水平数m较大时，m2会很大，试验次数会很多。 如m=9,m2=81, 要做81次试验，难以实施的。 因此，正交试验设计适用于因素水平不太多的多因素试验。 总之,正交试验为了保证“整齐可比性”，使均匀性受到一定限制，试验点的代表性还不够强，试验次数不能充分地少。 其他食品科研很实用的试验设计及用途简介： 1. 均匀试验设计 2．回归设计 3．混料回归试验设计及用途 1.均匀试验设计 不考虑整齐可比性，而完全保证均匀性，可大大减少试验点，能得到反映试验体系主要特征的试验结果的试验设计，称为均匀试验设计。 均匀试验设计的最大优点是可以节省大量的试验工作量。在试验因素水平较多的情况下，其优势更为明显。 例如，一个4因素7水平试验，进行一轮全面试验要做2401次，用正交安排试验至少做72=49次试验，而用均匀试验仅需7次试验。 　　因此，对于多水平的多因素试验，对于试验费用昂贵或实际情况要求尽量少做试验的场合，对于筛选因素或收缩试验范围进行逐步寻优的场合，均匀设计都是十分有效的试验设计方法。 　　均匀设计的试验结果没有整齐可比性，因此试验结果的处理不能采用方差分析法，而必须用回归分析。 2．回归设计 把回归与正交结合在一起的试验设计与统计分析方法——回归正交设计。 在因子空间选择适当的试验点，以较少的试验处理建立一个有效的多项式回归方程，从而解决生产中的最优问题，这种试验设计方法称为回归设计。 回归设计进行试验，建立相应的数学模型，寻求最佳生产条件和最优配方。计算机的应用大大缩短了获得预期效果的时间。 回归设计：包括回归的正交设计、回归的旋转设计、回归的最优设计以及回归的混料设计等。 3．混料回归试验设计及用途 混料：指产品原料按一定成分百分比混合起来加工而成。 例如果冻、果茶、糕点、香肠、饮料、混合葡萄、酒等。其产品质量指标与各因子成份的百分比有关，而与混料总量无关。 混料设计中，各因子成分的百分比合100%，研究各因素成分比例与质量指标之间的关系，建立回归方程，进而通过探索效应而来估计整个分量的系统性质，即混料回归设计。 利用回归方程探索响应面，用来求取最佳混料比。 A B C B E C D A C D A E D E B E B C B E D C A D A 例如：5个处理，每个处理各有5个小区，叫重复5次。 平均数的误差 100 80 60 40 20 0 0 20 40 60 80 100 120 重复次数 列号 横行 1 A 2 B 3 C 4 D 5 1 2 3 4 5 6 7 8 1 1 2 2 3 3 4 4 1 2 1 2 1 2 1 2 1 2 1 2 2 1 2 1 1 2 2 1 1 2 2 1 1 2 2 1 2 1 1 2 例： L8(4×24) 处理 组合号 列 号 1 2 3 4 1 1 1 1 1 2 1 2 2 2 3 1 3 3 3 4 2 1 2 3 5 2 2 3 1 6 2 3 1 2 7 3 1 3 2 8 3 2 1 3 9 3 3 2 1 L9（34） 课程内容 第一章　绪论 第二章 试验设计原理及食品试验常用的设计 第三章：数据资料的整理与特征数 第四章：理论分布及抽样分布 第五章：统计假设检验 第六章 卡平方检验 第七章