4.正交试验设计与均匀试验设计课件.pptVIP

2.2 试验结果分析-方差分析、极差分析 分清各因素及其交互作用的主次顺序，分清哪个是主要因素，哪个是次要因素； 判断因素对试验指标影响的显著程度； 找出试验因素的优水平和试验范围内的最优组合，即试验因素各取什么水平时，试验指标最好； 分析因素与试验指标之间的关系，即当因素变化时，试验指标是如何变化的。找出指标随因素变化的规律和趋势，为进一步试验指明方向； 了解各因素之间的交互作用情况； 估计试验误差的大小。 。 Kjm，kjm 计算简便，直观，简单易懂，是正交试验结果分析最常用方法。以上例为实例来说明极差分析过程。 2.2.1 直观分析法－极差分析法 极差分析法－R法 1. 计算 2. 判断 Rj 因素主次 优水平 优组合 。 Kjm为第j列因素m水平所对应的试验指标和，kjm为Kjm平均值。由kjm大小可以判断第j列因素优水平和优组合。 Rj为第j列因素的kjm的极差，反映了第j列因素水平波动时，试验指标的变动幅度。Rj越大，说明该因素对试验指标的影响越大。根据Rj大小，可以判断因素的主次顺序。 。 试验号 因 素 A B C D 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 表10-5 试验方案及试验结果 说明：试验号并非试验顺序，为了排除误差干扰，试验中可随机进行； 安排试验方案时，部分因素的水平可采用随机安排。 1（10） 2（50） 3（90） 2（4） 3（7） 1（1） 2（35） 1（20） 3（50） 3(3.5) 2(2.5) 1(1.5) 试验结果 （液化率 %） 0 17 24 12 47 28 1 18 42 。 表10-8 试验结果分析 。 （1） 确定试验因素的优水平和最优水平组合 分析A因素各水平对试验指标的影响。由表3可以看出，A1的影响反映在第1、2、3号试验中，A2的影响反映在第4、5、6号试验中，A3的影响反映在第7、8、9号试验中。 A因素的1水平所对应的试验指标之和为KA1=y1+y2+y3=0+17+24=41，kA1= KA1/3=13.7； A因素的2水平所对应的试验指标之和为KA2=y4+y5+y6=12+47+28=87，kA2=KA2/3=29； A因素的3水平所对应的试验指标之和为KA3=y7+y8+y9=1+18+42=61，kA3=KA3/3=20.3。 试验结果分析 。 根据正交设计的特性，对A1、A2、A3来说，三组试验的试验条件是完全一样的（综合可比性），可进行直接比较。如果因素A对试验指标无影响时，那么kA1、kA2、kA3应该相等，但由上面的计算可见，kA1、kA2、kA3实际上不相等。说明，A因素的水平变动对试验结果有影响。因此，根据kA1、kA2、kA3的大小可以判断A1、A2、A3对试验指标的影响大小。由于试验指标为液化率，而kA2kA3kA1，所以可断定A2为A因素的优水平。 。 同理，可以计算并确定B3、C3、D1分别为B、C、D因素的优水平。四个因素的优水平组合A2B3C3D1为本试验的最优水平组合，即酶法液化生产山楂清汁的最优工艺条件为加水量50mL/100g，加酶量7mL/100g，酶解温度为50℃,酶解时间为1.5h。 。 极差分析法简单明了，计算工作量少便于推广普及，但不能区分因素各水平间对应的试验结果的差异究竟是由于因素水平不同引起的，还是由于试验误差引起的，无法估计试验误差的大小。此外，各因素对试验结果的影响大小无法给以精确的数量估计，不能提出一个标准来判断所考察因素作用是否显著。为了弥补极差分析的缺陷，可采用方差分析。 2.3 正交试验结果的方差分析 。 方差分析 方差分析：将数据的总变异分解成因素引起的变异和误差引起的变异两部分，构造F统计量，作F检验，即可判断因素作用是否显著。 。 总偏差平方和＝各列因素偏差平方和+误差偏差平方和 （1）偏差平方和分解： （2）自由度分解： （3）方差： 。 （4）构造F统计量： （5）列方差分析表，作F检验 若计算出的F值F0Fa，则拒绝原假设，认为该因素或交互作用对试验结果有显著影响；若F0?Fa，则认为该因素或交互作用对试验结果无显著影响。 。 （4）构造F统计量： （5）列方差分析表，作F检验 若计算出的F值F0Fa，则拒绝原假设，认为该因素或交互作用对试验结果有显著影响；若F0?Fa，则认为该因素或交互作用对试验结果无显著影响。 。 表10-20 L9(34)正交表 处理号 第1列（A） 第2列 第3列 第4列 试验结果yi 1 1 1 1 1 y1