二水平正交饱和设计的统计分析.docxVIP

二水平正交饱和设计的统计分析 为了提高产品的质量和产量，我们需要进行不同的试验。然而在做具体的研究试验, 特别是工业试验和医学试验时, 由于经费、试验条件等方面的原因, 做试验的次数受到很大程度的限制, 无重复试验就变得很重要。一种广泛应用于筛选试验的设计是二水平正交饱和设计。 1传统的统计模型 水平正交表Ln(2m) (m=n-1) 安排试验的饱和设计通常用如下的线性统计模型来描述: yi=m∑j=0βjχij+εi；i=1,2,?,n.(1)yi=∑j=0mβjχij+εi；i=1,2,?,n.(1) 未知参β= (β0,β1, …,βm)T的最小二乘估计为: ?β=(∑ni-1xi0yin,∑ni-1xi1yin,??∑ni-1ximyin)Τ.(2)β?=(∑ni?1xi0yin,∑ni?1xi1yin,??∑ni?1ximyin)T.(2) 且由高斯-马尔可夫定理知: ?β~Ν(βi,τ2),τ2=σ2n,j=0,1,2,?,m.(3)β?~N(βi,τ2),τ2=σ2n,j=0,1,2,?,m.(3) 且?β0,?β1,?,?βmβ?0,β?1,?,β?m是相互独立的随机变量。对此饱和设计而言, 模型 (0 - 1 ) 的总平方和SST与各列平方和SSj(j=1, …,m) 之间满足:SST=SS1+…+SSm, SSj=(∑ni=1ximyi)2n=n?β2j,j=1,?,m.(4) 其中,SST的自由度为n-1,SSj(j=1, …,m) 的自由度为1。 但由于不再有剩余的自由度可用于误差的估计。所以, 无法再用通常的方差分析来对因子进行显著性检验。即:利用n个观测值y1,y2, …,yn借助某个方法来判断, 在m个效应中哪些效应是显著的。即考虑如下的假设检验问题: Ηjo∶βj=0vsΗj1∶βj≠0?j=1,2,?,m.(5) 对二水平的正交饱和设计的分析方法, 经过40 多年众多学者的努力研究, 至今己形成了丰富的内容, 主要可分为图形法和数值分析法两大类。 2已有方法回顾 己有的方法有图形法和数值分析法。图形法中主要以半正态图法为重点, 然而应用半正态图法简便直观, 但结果不会很精确。人为因素很大, 故在要求精确度较高时, 一般应用数值分析法。数值分析法以Lenth方法, MaxUr法和零效应搜索法为典型。本文根据每种数值分析法的原理总结出各种方法的检验步骤如下。 2.1Lenth检验的具体步骤 (1) 由 (0-2 ) 计算出所有效应的估计?β0,?β1,?β2,?,?βm; (2) 计算S0=1.5×(|?βj|?j=1,2,?,m); (3) 计算PSE=15× (计算的中位数) ; (4) 计算SME=cα;m×PSE; (5) 判断:|?βj|＞SΜE的βj易相应的因子被认为是显著性因子。 其中, 临界值Cα;m可参见文献。 2.2MaxUr检验显著性因子的步骤 (1) 根据专业知识和先验信息确定r的值, 这里r是不等于o的βj个数的上界的一个估计量; (2) 计算统计量MaxUr的值;其中:ΜaxUr=max1≤k≤r(u(k)).(6) u(k)=Fk,(m-k)[∑mj=m-k+1|?β|2(j)/k∑m-kj=1|?β|2(j)/(m-k)]=Fk,(m-k)[绝对值最大的k个?βj的均方绝对值最小的m-k个?βj的均方]?k=1,2,?,r.(7) 这里,|?β|(1)≤|?β|(2)≤?≤|?β|(m)是|?β1|,|?β2|??,|?βm|次序统计量; (3) 据给定的显著性水平α, 确定临界值Cα;m,r; (4) 若MaxUrCα;m,r, 则拒绝H0并转第五步;否则接受H0。其中临界值Cα;m,r可在文献的附表中查得; (5) 确定满足下式的k*,u(k*)=max1≤k≤r(u(k))并将k*个绝对值最大的?βj所对应的因子判定为显著的。 2.3 零效应搜索法的检验步骤 (1) 首先由观测值y1, …,yn利用 (2) 算得?βj, 由 (4) 算得SSj(1≤j≤m) ; (2) 计算Ws(3≤s≤m) , Ws=Gs/σ4Μs/σ4=GsΜs.(8)Gs=1s-1s-1∑r=1Κr.(9)Κr=(r?ur+1;s+(s-r)?ur;s-s?ur;s-1)2=(rξr+1+(s-r)ξr-s?12(ξr+1+ξr))2=(r-s2)2(ξr+1-ξr)2,r=1,2,?,s-1.(10)Μs=(ζ1+ζ2+?+ζ8s)2.(11) ξr=SSr;m,r=1, …,s是SSj(1≤j≤m) 的次序计量SS1;m≤SS2;m≤…≤SSm;m的前s个平方和; (3) 对给定的显著性水平α, 我们可以按s由小到大的顺序比较每对Ws,Ws,α(3≤s≤m) 的大小, 若满足Ws