- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
1Matlab试验设计函数
函数名
函数说明
调用格式
cordexch
基于交叉配位算法的D优化设计
settings=cordexch(nfactors,nruns)
[settings,X]=cordexch(nfactors,nruns)
[settings,X]=cordexch(nfactors,nruns,′model′)
daugment
D优化增强试验设计
settings=daugment(startdes,nruns)
[settings,X]=daugment(startdes,nruns,′model′)
dcovary
指定的协方差的D优化试验设计
settings=dcovary(factors,covariates)
[settings,X]=dcovary(factors,covariates,′model′)
ff2n
两水平全析因试验设计
X=ff2n(n)
fullfact
全析因试验设计
design=fullfact(levels)
fracfact
部分析因试验设计
x=fracfact(′gen′)
[x,conf]=fracfact(′gen′)
hadamard
Hadamard设计
H=hadamard(n)
rowexch
基于行交换算法的D—优化试验设计
settings=rowexch(nfactors,nruns)
[settings,X]=rowexch(nfactors,nruns)
[settings,X]=rowexch(nfactors,nruns,′model′)
nfaccors:因子个数
nruns:次数
model:为了拟合指定的回归模型进行设计,为下面三者之一
interaction:包括常数项、线性项和交互项
quadratic:交互项和平方项
purequadratic:包括常数项、线性项和平方项
settings:因子设置矩阵,nruns行,nfactors列
X:设计矩阵
1.1函数cordexch()
功能:基于交叉配位算法的D优化设计(列交换算法)
语法:settings=cordexch(nfactors,nruns)
[settings,X]=cordexch(nfactors,nruns)
[settings,X]=cordexch(nfactors,nruns,′model′)
说明:
settings=cordexch(nfactors,nruns)运用带有常数项的线性附加模型进行D-优化试验设计,生成因子设置矩阵settings。返回值settings具有nruns行,nfactors列。
[settings,X]=cordexch(nfactors,nruns)同时生成相关的设计矩阵X。
[settings,X]=cordexch(nfactors,nruns,′model′)生成拟合特定回归模型的试验设计。′model′可以是以下几种形式之一:
1)′interaction′—具有常数项、线性项和交叉乘项;
2)′quadratic′—具有常数项、线性项、交叉乘积项和平方项;
3)′purequadratic′—具有常数项、线性项和平方项。
例1.1运用二次模型进行试验次数为9的双因子D-优化设计。
settings=cordexch(2,9,′quadratic′)
settings=
0-1
-1-1
10
-10
11
-11
01
00
1-1
参见:rowexch,daugment,dcovary,hadamard,fullfact.ff2n函数。
1.2函数daugment()
功能:D优化增强试验设计
语法:settings=daugment(startdes,nruns)
[settings,X]=daugment(startdes,nruns,′model′)
说明:
settings=daugment(startdes,nruns)对初始试验设计结果statrdes再增加nruns次新的试验。
[settings,X]=daugment(startdes,nruns,′model′)同时给出试验设计矩阵X。′model′控制回归模型的阶数,缺省值为线性附加模型。′model′可以是以下几种形式:
1)′interaction′—具有常数项、线性项和交叉乘项;
2)′quadratic′—具有常数项、线性项、交叉乘积项和平方项;
3)′purequadratic′—具有常数项、线性项和平方项。
daugment采用交叉配位算法。
例
文档评论(0)