3回归正交组合试验设计.pptxVIP

重点;3.1 回归正交试验设计简介;3.1 回归正交试验设计简介; 简单地说，就是主动地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，从而解决科学研究与生产实际中的最优化问题。 即：主动地将试验的安排、数据的处理和回归方程的精度统一起来加以考虑的一种试验设计方法。这种试验设计方法称为回归设计。 将回归与正交结合在一起的试验设计与统计分析方法称作为回归正交设计。 ; 回归设计始于20世纪50年代初期，发展至今其内容已相当丰富，主要包括： 1.回归正交设计 2.回归旋转设计 3.回归通用设计 4.回归混料设计等。; 当试验研究的依变量（如加工罐头质量）与各自变量（如杀菌方式、产品配料等）之间呈线性关系时，则可采用一次回归正交设计的方法。; 回归正交试验设计的因素一般都大于3个，但也不能太多，否则处理过多，方案难以实施。 根据试验研究的目的和要求确定试验因素数，并在此基础上拟定出每个因素Zj的变化范围。 Z0j＝(Z2j+Z1j )／2 （3-1） 式中： Z1j 因素取值最低水平，称为下水平 Z2j 取值最高水平，称为上水平 Z0j 两者之算术平均数，称为零水平 上水平和零水平之差称为因素Zj的变化间距，以Δj表示。 即： Δj＝Z2j-Z0j＝(Z2j-Z1j )／2 （3-2）; ① 编码过程 即对Zj的各水平进行线性变换，其计算式为： xij＝(Zij - Z0j ) ／Δj （3-3）; ②对因素 Zj 的各水平进行编码的目的 为了使供试因素 Zj 各水平在编码空间是“平等”的。 即它们的取值都是在[1,-1]区间内变化，而不受原因素 Zj 的单位和取值大小的影响。 对供试因素 Zj 各水平进行了以上的编码后，就把试验结果 y 对供试因素各水平 Zi1,Zi2 , … , Zim 的回归问题转化为在编码空间试验结果 y 对编码值 xi1,xi2 , … , xim 的回归问题。 由此，我们可以在以 x1，x2 ， … ， xm 为坐标轴的编码空间中选择试验点，进行回归设计；这样的设计大幅度地简化了数据处理。;3）选择合适的2水平正交表，进行试验方案设计; 例3-1 食品增香试验。影响某产品着香程度的3个主??因素为：香精用量Z1 、着香时间Z2 、着香温度Z3 ，其因素水平及编码值如表3-1示。; 本试验有3个因素。如果除考察主效应外，还需考察交互作用，则可选用L8(27)进行设计，即将正交表中的“1”改为“＋1”，“2”改为“－1”，且把 x1, x2, x3 放在1，2，4列上。 这时只要将各供试因素 Zj 的每个水平填入相应的编码值中，并在“0”水平处（中心区）安排适当的重复试验，即可得到试验处理方案，如表3-2所示。;表3-2 3元一次回归正交设计试验方案; 4）零水平（基准水平）重复试验; ②零水平安排重复试验的主要作用; 如果采用2水平正交表编制一次回归正交设计，一共进行了N 次试验，其试验结果以 y1, y2, y3,… yN 表示，则一次回归的数学模型为：;记： Y=(y1,y2,…,yN)′ β=[β0,β1, β2,… , βm , β12 , β13 , …， β(m-1)m]′ ε=(ε1,ε2,…,εN )′ 则(3-4)的矩阵形式为： Y = X β +ε (3-5); 由于一次回归正交设计的结构矩阵 X 具有正交性，即除第1列的和为 N 外，其余各列的和以及任意两列的内积和均为零： ;A = X ′ X =;当 N 次试验中，零水平处重复 m0 次时，矩阵 A 为：;当 m0 ＝0时，矩阵 A 为：;相关矩阵 C 为：;当 m0 ≠0 时，矩阵 C 为：;当 m0＝0时，矩阵 C 为：;常数项矩阵 B 为：;于是参数β 的最小二乘估计 b＝A-1B =CB，即;2)回归关系的显著性检验;在一次回归正交设计下，偏回归平方和： ; (2)偏回归系数的显著性检验; 上述对一次回归的 F 检验，只能说明变量的作用相对于剩余均方而言，影响是否显著。 即使检验是显著的，也仅仅反映一次回归方程在其试验点上与试验结果拟合的较好，但并不能说明在被研究的整个回归区域的拟合情况如何，即不