试验设计和建模.ppt

A. 试验实现方式： 1.1.3 试验的类型 传统的试验 实验室试验 工业试验 计算机试验 计算机模拟计算 寻找近似模型 B. 因素约束条件 无约束试验 诸因素可以自由的选择试验的值，不受其它因素约束，试验区域是一个超矩形 混料试验 因素之间的取值会相互影响，例如 或 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 C. 因素个数 D. 响应个数 单响应试验 每次试验只观察一个响应值。如产量 多响应试验 每次试验观察多个响应值。如鞋子橡胶底的试验响应：强度、弹性和最大弯曲次数等等 多媒体试验 试验有无穷多个的响应。例如，响应是人的指纹、化学或生物中指纹曲线、声音的曲线、图像的颜色及深浅，等等 E. 试验轮次 单一试验 一次试验达到要求 序贯试验 优选法 响应曲面分析 均匀序贯试验 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 F. 试验分组 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 1.2 统计模型 (1.3) 试验结果 可用二次回归模型拟合 试验设计的统计模型 方差分析模型 因子设计，正交设计 参数回归模型 最优设计 非参数回归模型 均匀设计 稳健回归模型 例1.6：威布尔生长曲线 方差分析模型 在[0,10]中取若干个点作试验，设 x1, …, xq 为试验点，n1, …, nq 为其重复数，其统计模型为 用统计方法估计 {μ1, …, μq} 或 {μ, a1, …, aq}, 以及 σ2 二水平试验在西方被广泛推荐 二水平不足以揭示非线性关系 多水平试验值得推荐 二水平试验的不足 试验范围对，但水平不合适 试验范围及水平都对，但不能揭示A和Y之间更复杂的关系 试验范围错 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 方差分析模型 因子设计，正交设计 参数回归模型 最优设计 非参数回归模型 均匀设计 稳健回归模型 根据专业知识, 可选用适当的回归模型, 比如 用二次模型 回归模型 其中函数 f1,…, fm已知, 但参数 b1,…, bm未知。 或三次模型 更一般地, 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 如果采用4次多项式模型,效果会显著地改进。 Experiments always involve random error. When we repeat the same experiment, we get different results due to random errors. For example, at level A-one, we do the test several times (Data set for A) and we get the response values, y-1-1 to y-n-1. (Plots the point at level A point by point). Compute the average of the data, (star and mean appears), which is 31.75. In order to find the dispersion of the data points from the mean value, we compute the difference between each point and the mean (arrow and column of A-mean show). These differences are due to random error, or noise. (NOISE appears) The ra