正交试验设计以及数据处理分析能力.pptVIP

4.7 正交试验设计中的效应计算与指标的预估计 4.7.1 正交设计的数据结构 在正交设计中，若以 mt 表示第 t 号试验各因素水平搭配所对应指标值 xt 的总体真值，以 et 表示第 t 号试验的随机误差，则有： 这种数据结构称为 Ln(mk) 型正交表上安排试验的数学模型，由于各正交表的具体情况不同，数据结构的具体形式不同。下面对几个常用正交表，分别写出它们的数据结构式。 4.7.1.1 L4（23）表上的数据结构 为了方便，在表4-50中列出正交表 L4（23）。 假设安排两个因素A、B。A安排在第 1 列，B安排在第 2 列，根据各试验号因素水平的不同，数据结构的形式为： x1=…….. （1）不考虑交互作用 其中： 数据结构式见表4-50所示。 （2）考虑交互作用A×B 数据结构式见表4-50所示。 表4-50 L4（23）正交表及数据结构式 mij 表示在 Ai 、Bj 组合下指标值 xt 的真值（理论值）。 ai 为因素A在第i 水平时的效应，a1+a2=0; bi 为因素B在第i 水平时的效应，b1+b2=0。 其中：(ab)ij 为Ai 、Bj 组合下交互作用的效应。 (ab)11 + (ab)12=0， (ab)21 + (ab)22=0。 4.7.1.2 L8（27）表上的数据结构 安排4个2水平因素A、B、C、D。 （1）不考虑交互作用 数据结构式见表4-51所示。 （2）考虑交互作用 A、B、C、D分别在1、2、3、7列，两交互作用列应在3、5、6列，以A×B为例，其余情况类似。见表4-51所示。 4.7.1.3 L9（34）表上的数据结构 先列出正交表L9（34），如表4-52所示。 (1)不考虑交互作用 假设安排3个因素A、B、C，分别安排在第1、2、3列，数据结构式见表4-52所示。 表4-51 L8(27)正交表及数据结构式 a1+a2=0， b1+b2=0， c1+c2=0， d1+d2=0。 表4-52 L9(34)正交表及数据结构式 (2) 考虑交互作用 因素A、B，L9（34）正交表的任意两列间的交互作用为另外两列，将A、B安排在1、2列，则A×B占3、4两列。数据结构式见表4-52。 4.7.2 正交设计中的效应计算 由下式： xt= mt+ et ，t = 1，2，3，….，n. et 是随机误差，我们要对 mt 作出估计，即求出 mt 的估计值 ，使得满足： 由L4（23）正交表上的数据结构式，得残差平方和为： 得出 记为： 由于a1+ a2 = 0， b1+ b2 = 0， (ab)11+ (ab)21 = 0， (ab)12+ (ab)22 = 0 为了使S达到最小,采用最小二乘法，求 mt 的估计值 ，就是求 m，ai ，bj ，(ab)ij 的估计值 。 所以： 记为： 由于 b1+ b2 = 0， (ab)11+ (ab)12 = 0 A因素第一水平指标平均值。 同 理 对应水平的指标平均值。 所以： 记为： 同 理 对应因素水平搭配的指标平均值。 A1B1水平搭配的指标平均值。 对应因素水平搭配的指标平均值。 采用相同的方法，其它的正交表有一般的效应计算公式： 各因素水平的指标平均值。 4.7.3 最优方案下指标值（理论值）的预估计 在正交设计中，无论是用一般计算还是用效应计算分析法，都能确定最优方案。如果正交表中正好有这个最优方案，则在这个方案下的指标值已通过试验得出。如果正交表中没有这个最优方案，可以按这个方案再试验一次得出最优指标值。若不通过试验，由理论分析能否对最优方案的指标值作出合理的估计呢？ 例4.17 求例4.12中各因素及交互作用效应的估计值. 解: 参看表4-53。 各效应值的计算与分析见表4-53所示。 回答是肯定的： 对指标值既能作出点估计又能作出区间估计。 下面以一个实例，并且利用微软公司的Excel电子表格软件，对正交试验设计与数据处理的直观分析法（包括直观分析图）、方差分析法、效应分析法三种方法，进行一个综合性的计算分析说明，学会用计算机来进行数据处理与分析。 例4.18 某农药厂