第一章试验设计的基本的 概念 《试验设计与建模》课件.pptVIP

试验设计和建模;试验设计和分析;参考书;第一章;1.1 科学试验;许多产品都是混合多种成分在一起形成的。;例1.4 环保试验;试验设计的目的 ;试验设计的目的;;;多峰非线性模型;瞎子摸象;1.1.2 试验的重要元素;因素(因子) ;水平 （level);水平组合 ;处理, 响应 ;不可控的诸微小因素之总和, 称为 随机误差。 同样条件下的两次试验结果可能不同。 随机误差存在于一切试验之中。 ;随机误差; 和 的无偏估计为 ;A; 部份因子设计;例如, 一个六因素, 五水平的全面试验至 少需要 次试验。;在农业、生物等试验中，很难做到试验条件完全一样。 区组的概念成为古典试验设计中非常有用的工具，同一区组的试验有十分近似的试验环境。 区组设计可以避免或减少系统误差的干扰，从而大大提高试验结论的可靠性。 在体育比赛中，区组及有关设计已在普遍使用。 ;试验的环境随着时间的推移，可能有趋势型的变化，如室温渐高、湿度渐小、电压波动加剧等。 为了使试验的结论更加可靠，随机化是用来减少试验误差的重要手段。常用的是对试验次序随机化，哪个试验先做，哪个试验后做，随机决定。 若试验有区组，要根据试验的具体情形采取所有试验的完全随机化，或仅区组内的试验随机化。;同一个试验重复两次或多次是减少试验误差干扰的一种方法，在传统的计算方法中经常使用。 若 y1,…, ym 是同一个试验条件下的响应，且 yi 独立同分布，方差为 ，则均值 均值的方差 ;针对不同的试验，试验者要选择合适的试验方法，建立相应的统计模型 ;A. 试验实现方式：; ;单因素试验 水平数可以适当多取，而且可以考虑做重复试验 多因素试验 各因素的水平数一般不能取得很大 二水平试验 多水平试验 ;D. 响应个数;E. 试验轮次;单区组试验 每次试验在相同或十分近似的条件下进行 区组试验 目的是使得组内的差异比组间差异小 常见的区组有以日、月、年、批次、双胞胎，等等 ;例1.5. (自由落体运动) 若不计空气阻力，自由落体运动的初始速度为零，记下落时间为x (秒)(s)，下落距离y (米)(m)，人们发现它们之间有如下规律 g 为重力加速度。设想试验者对关系(1.3) 一无所知，希望通过试验来揭示y 和x 之间的关系;试验结果;试验设计的统计模型 ;例1.6：威布尔生长曲线;方差分析模型; 用统计方法估计 {μ1, …, μq} 或 {μ, a1, …, aq}, 以及 σ2;二水平试验的不足;只能预报四个水平处的响应值，进一步采用回归模型是有益的。;试验设计的统计模型 ;根据专业知识, 可选用适当的回归模型, 比如 用二次模型;给定试验次数 n，希望能获得最精确的回归系数 b0, b1, … 的估计。 缺点：对模型的变化缺乏稳健性。 Kiefer, J.C. (1958), Ann Math.Stat. Kiefer, J.C. (1959), JRSS, B, with discussion Atkinson, A.C. and Donev, A.N. (1992), Optimal Experimental Designs, Clavendon Press, Oxford;三次回归模型的D-最优设计及其拟合;试验设计的统计模型 ;式中函数形式 g(x)未知。希望通过试验求得g(x)一个近似模型。这时，一个自然的想法是将试验点在[0,2]上均匀散布，即均匀设计。;均匀设计及其拟合多项式回归; 均匀设计是一种试验设计方法。它可以用较少的试验次数，安排多因素、多水平的析因试验，当试验者对析因试验的统计模型未知时，均匀设计是最好的设计方法。均匀设计也是仿真试验设计和稳健设计的重要方法。;试验设计的统计模型 ;稳健回归模型常用于部分模型已知的情形;回归模型: {yi, xi1, xi2, ? , xi,p-1, i = 1, ?, n} y = b0 + b1x1 + b2x2 + ? + b p-1 x p-1 + e E(e) = 0, Var(e) = s2 未知 或 yi = b0 + b1xi1 + b2xi2 + ? + b p-1 xi, p-1 + ei ei,…,en i.i.d. E(ei) = 0, Var(ei) = s2. 或更一般的, yi= b1 g1(xi) + b2 g2(xi) + ? + b p gp(xi) + ei ei,…,en i.i.d. E(ei) = 0, Var(ei) = s2. xi=( xi1, xi2, ? , xi,p-1)’, i=1, ?, n;一般回归模型的