实验设计与数据处理课后答案
《试验设计与数据处理》
专业：机械工程班级：机械11级专硕学号：S110805035 姓名：赵龙
第三章：统计推断
3-13 解：取假设H0：u1-u2≤0和假设H1：u1-u2＞0用sas分析结果如下：Sample Statistics
Group N Mean Std. Dev. Std. Error
----------------------------------------------------
x 8 0.231875 0.0146 0.0051
y 10 0.2097 0.0097 0.0031
Hypothesis Test
Null hypothesis: Mean 1 - Mean 2 = 0
Alternative: Mean 1 - Mean 2 ^= 0
If Variances Are t statistic Df Pr > t
----------------------------------------------------
Equal 3.878 16 0.0013
Not Equal 3.704 11.67 0.0032
由此可见p值远小于0.05，可认为拒绝原假设，即认为2个作家所写的小品文中由3个字母组成的词的比例均值差异显著。
3-14 解：用sas分析如下：
Hypothesis Test
Null hypothesis: Variance 1 / Variance 2 = 1
Alternative: Variance 1 / Variance 2 ^= 1
- Degrees of Freedom -
F Numer. Denom. Pr > F
----------------------------------------------
2.27 7 9 0.2501
由p值为0.2501＞0.05（显著性水平），所以接受原假设，两方差无显著差异
第四章：方差分析和协方差分析
4-1 解：
Sas分析结果如下：
Dependent Variable: y
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 4 1480.823000 370.205750 40.88 <.0001
Error 15 135.822500 9.054833
Corrected Total 19 1616.645500
R-Square Coeff Var Root MSE y Mean
0.915985 13.12023 3.009125 22.93500
Source DF Anova SS Mean Square F Value Pr > F
c 4 1480.823000 370.205750 40.88 <.0001
由结果可知，p值小于0.001，故可认为在水平a=0.05下，这些百分比的均值有显著差异。
4-2 解：
The GLM Procedure
Dependent Variable: R
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 11 82.8333333 7.5303030 1.39 0.2895
Error 12 65.0000000 5.4166667
Corrected Total 23 147.8333333
R-Square Coeff Var Root MSE R Mean
0.560316 22.34278 2.327373 10.41667
Source DF Type I SS Mean Square F Value Pr > F
m 2 44.33333333 22.16666667 4.09 0.0442
n 3 11.50000000 3.83333333 0.71 0.5657
m*n 6 27.00000000 4.50000000 0.83 0.5684
Source DF Type III SS Mean Square F Value Pr > F
m 2 44.33333333 22.16666667 4.09 0.0442
n 3 11.50000000 3.83333333 0.71 0.5657
m*n 6 27.00000000 4.50000000 0.83 0.5684
由结果可知，在不同浓度下得率有显著差异，在不同温度下得率差异不明显，交互作用的效应不显著。
4-4 解：(1) 不用协变量做方差分析
由分析结果可知，花的品种、温度和两者的交互作用对鲜花产量的影响都是不显著的。
(2) 引入协变量作方差分析
由分析结果可见，引入协变量后，v、m、和x对鲜花产量的影响都是显著地。
第五章: 正交试验设计
5-3 解:用L 9（34）确定配比试验方案:
A ：
B ：
C ：D=0.1：0.3：0.2：0.5
配比方案中，要求各行四个比值之和为1。在1号条件中，四种数值分别是
091.05
.02.03.01.01
1.0=+++?=A 272
.05
.02.03.01.01
3.0=+++?=B
182
.05
.02.03.01.012.0=+++?
=C 455.05
.02.03.01.015.0=+++?
=D
其余实验条件可按照相同方法得出。
第六章： 回归分析
6-6 解：
（1）作线性回归分析结果如下：
由分析结果得回归方程为：32115000.155000.057500.090000.9x x x y +++= 由p 值都小于0.1可知，每项都是显著的，方程也是显著的。
（2）
由分析结果可知，在a=0.05下，仅有x3和x1应当引入方程。 故所求方程为：3115000.157500.090000.9x x y ++= 6-9 解：分析结果如下：
Dependent Variable: y
Stepwise Selection: Step 1
Variable t9 Entered: R-Square = 0.3473 and C(p) = 175.7517
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F Model 1 76.24389 76.24389 7.45 0.0163 Error 14 143.28371 10.23455 Corrected Total 15 219.52760
Parameter Standard
Variable Estimate Error Type II SS F Value Pr > F Intercept 8.22980 1.38618 360.74949 35.25 <.0001 t9 0.01056 0.00387 76.24389 7.45 0.0163
Bounds on condition number: 1, 1
------------------------------------------------------------------------------------------------------
Stepwise Selection: Step 2
Variable t13 Entered: R-Square = 0.6717 and C(p) = 84.4265
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 147.46551 73.73276 13.30 0.0007
Error 13 72.06209 5.54324
Corrected Total 15 219.52760
Parameter Standard
Variable Estimate Error Type II SS F Value Pr > F
Intercept 18.33483 2.99803 207.32264 37.40 <.0001
t9 0.01173 0.00287 92.81733 16.74 0.0013
t13 -1.89938 0.52989 71.22162 12.85 0.0033
------------------------------------------------------------------------------------------------------
Stepwise Selection: Step 3
Variable t5 Entered: R-Square = 0.7627 and C(p) = 60.2727
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 3 167.42492 55.80831 12.85 0.0005
Error 12 52.10268 4.34189
Corrected Total 15 219.52760
Parameter Standard
Variable Estimate Error Type II SS F Value Pr > F
Intercept 19.49941 2.70837 225.06452 51.84 <.0001
t5 0.00163 0.00076176 19.95941 4.60 0.0532
t9 0.00728 0.00328 21.44626 4.94 0.0462
t13 -2.19305 0.48856 87.48515 20.15 0.0007
Bounds on condition number: 1.8185, 13.825
------------------------------------------------------------------------------------------------------
All variables left in the model are significant at the 0.1500 level.
No other variable met the 0.1500 significance level for entry into the model.
Summary of Stepwise Selection
Variable Variable Number Partial Model
Step Entered Removed Vars In R-Square R-Square C(p) F Value Pr > F
1 t9 1 0.3473 0.3473 175.75
2 7.45 0.016
3 2 t13 2 0.324
4 0.6717 84.426
5 12.85 0.0033 3 t5 3 0.0909 0.7627 60.2727 4.60 0.0532
由结果可知，y=19.49941+0.0016321x x +0.0072842x x -2.193053x
6-10 解：（1）散点图如下：
可以采用Logistic 拟合此数据。
（2）用Logistic 模拟结果为：
Dependent Variable y
Method: Gauss-Newton
Sum of Iter b c a Squares 0 3.7180 2.0000 21.0000 1124.1 1 3.6408 1.8493 14.8393 570.9 2 3.5475 1.6684 14.9977 534.7 3 3.4704 1.5208 15.2362 499.4 4 3.4046 1.3963 15.4814 464.3 5 3.3469 1.2887 15.7348 429.2 6 3.2955 1.1943 15.9985 394.1 7 3.2491 1.1107 16.2735 359.1 8 3.2069 1.0360 16.5601 324.4 9 3.1684 0.9691 16.8579 290.5 10 3.1331 0.9091 17.1660 257.6 11 3.1008 0.8551 17.4829 226.3 12 3.0712 0.8067 17.8067 196.8 13 3.0442 0.7632 18.1349 169.7 14 3.0195 0.7242 18.4653 145.1 15 2.9971 0.6892 18.7951 123.1 16 2.9768 0.6580 19.1220 104.0
17 2.9584 0.6300 19.4438 87.4241
18 2.9420 0.6050 19.7586 73.4129
19 2.9272 0.5827 20.0648 61.7148
20 2.9140 0.5628 20.3610 52.0895
21 2.9023 0.5450 20.6464 44.2826
22 2.8920 0.5291 20.9203 38.0422
23 2.8828 0.5149 21.1822 33.1304
24 2.8748 0.5021 21.4319 29.3307
25 2.8679 0.4907 21.6693 26.4509
26 2.8618 0.4804 21.8946 24.3243
27 2.8566 0.4711 22.1078 22.8087
28 2.8522 0.4628 22.3094 21.7843
29 2.8484 0.4553 22.4995 21.1514
30 2.8453 0.4486 22.6787 20.8276
31 2.8428 0.4425 22.8472 20.7456 WARNING: Step size shows no improvement.
WARNING: PROC NLIN failed to converge.
Estimation Summary (Not Converged)
Method Gauss-Newton
Iterations 31
Subiterations 29
Average Subiterations 0.935484
R 0.653053
PPC(c) 0.012486
The NLIN Procedure
Estimation Summary (Not Converged)
RPC .
Object 0.00394
Objective 20.74557
Observations Read 15
Observations Used 15
Observations Missing 0
NOTE: An intercept was not specified for this model.
Sum of Mean Approx Source DF Squares Square F Value Pr > F
Regression 3 3245.5 1081.8 625.77 <.0001
Residual 12 20.7456 1.7288
Uncorrected Total 15 3266.3
Corrected Total 14 949.9
Approx
Parameter Estimate Std Error Approximate 95% Confidence Limits
b 2.8428 0.00488 2.8321 2.8534
c 0.4425 0.00321 0.4355 0.4494
a 22.8472 0.5749 21.5947 24.0998
Approximate Correlation Matrix
b c a b 1.0000000 0.7483922 -0.2191675 c 0.7483922 1.0000000 -0.4085662 a -0.2191675 -0.4085662 1.0000000
故得
第七章：回归正交设计
7-1 解：n=9 作变换77
25
.05.3815
.039-=-=
+-=
z z z X ，则x1=1，x2=2，x3=3，…，x9=9。
并可设y
=b0+b1Ф1(x)+ b2Ф2(x)+ b2Ф2(x)+ b4Ф4(x)
对于n=9，查附表6，利用SAS 软件进行回归多项式分析，结果如下：
根据结果分析b0，b1，b2的P 值小于0.05，是显著的
，
b3，b4的P 值大于0.05是不显著的，所以只需要配要二次项就行了。 当n=9时，有：
1112
2
222()()5
758()()3(10)330379
6
x x x x x x x x x ?λφ?λφ==-==?-+
=-+
011222
()()
2.072220.1195(5)0.01528(330379)y b b x b x x x x ??=++=+?-+?-+
将277x z =-代入上式得所求多项式回归方程：
2
18336.079452.145489.304z
z y +-=
7-3 解：本题属于一次回归的正交设计 采用二水平，做变换：x1=
10
3101-z ，x2=
5
252-z ，x3=
25
2253-z ，x4=
10
904-z
data E1; input x1-x4 y; cards;
1 1 1 1 5.4 1 1 -1 -1 3.4 1 -1 1 -1 0.8 1 -1 -1 1 0.3 -1 1 1 -1 -2.5 -1 1 -1 1 -1 -1 -1 1 1 -3.3 -1 -1 -1 -1 -3.6 ;
proc reg data=E1; model y=x1-x4; run;
4
041250.030065.022775.012537.0822.310
90441250
.025
225316250
.05
25238750
.110
31012.5370
-0.062587y x 41250.0x 16250.0x 38750.12.5370x
-0.0625y 4
321
"
z z z z y z z z z ++++-=-+-+-+-+=-++++=即
第八章：均匀设计
第九章：单纯形优化设计
9-1 解：（1）反射点E 的坐标（5，
3
10，0）
（2）（i ）扩大，а>1（ii ）内收缩，а<0（iii ）收缩，0<а<1
（3）新单纯形各点坐标B(2，4，3)，A ’(1.5，3，3.5)，C ’(2.5，2.5，2.5)，D ”（3，3.5，2）。
第十章：析因试验设计
10-4 解：分析结果如下：
经分析可知，在a=0.05的情况下，一次项均不显著，二次项、交互项均是显著的。
第十二章：多指标综合评价概论
12-4 解：
记
α
α=<)(U U P ,其中优等品10件，一等品30件，二等品40件，20件三
等品，所有标准分依次是9.06.075.095.0;;;U U U U --，查标准正态表得到标准分依次是：-1.64，-0.67，0.25；1.28；
第十三章： 主成分分析法和因子分析法
ppt 第一题
解：利用SAS 软件进行主成分分析主要输出结果如下：
要求累积方差贡献率≥85%，所以取前三个作为主成分即可，
Prin1=0.476650x1+0.472808x2+0.423845x3…+0.055034x8 Prin2=0.295991x1+0.277894x2+0.377951x3…+0.272736x8 Prin3=0.104190x1+0.162983x2+0.156255x3… -0.891162x8
第一主成分，各项数值彼此相差不大，表示各单项指标对综合的经济效益起着相当的作用，因此第一主成分可以理解为全面能力综合指标；
第二主成分，指标x4的系数明显比其它的指示系数大，而且系数为正，表明第二主成分主要由x4决定；
第三主成分，指标x8的系数明显比其它的指示系数大，而且系数为负的，表明第三主成分主要是反应与x8相反的指标。
排序结果为如下：
第十四章：模糊综合评价
14-1 解：
单指标评价结果归一化处理得：
????????
??
??
????????
?
????
?=09
89
10
031320092943191095319491940R
权向量a=(0.30 0.25 0.15 0.20 0.10)
a ·R=(0.1333，0.4833，0.2223，0.1611)
（1）根据最大隶属度原则0.48333所对应的评语为一般。
根据秩加权平均原则，用1、2、3、4分别代表差、一般、良好、优， A=1×0.1611+2×0.2223+3×0.4833+4×0.1333=2.588
得A=2.2588，即位于一般与良好之间，且该食品一般偏良。 （2）100×0.1611+80×0.2223+60×0.4833+40×0.1333=68.2245 评分值为：P=68.2245分。
第十五章：聚类分析与判别分析
15-3 解：
用动态聚类的方法来分类，结果如下：
第一类：学生编号{1，2，3，5，6，8，9，10}；第二类：学生编号{7}；
第三类：学生编号{4}。
15-6 解：
第十六章：典型相关分析
ppt第一题
解：对44名学生期末成绩开卷和并卷进行典型相关分析，结果如下：
结果分析：v1=0.6265x1+0.5560x2 v2=-0.9122x1+0.9568x2
W1=0.86x3+0.5018x4-0.5060x5 w2=-0.3418x3+0.1196x4+1.0652x5
代数主要由力学和物理这两指标反映；力学和代数的关系最大。
实验设计与数据处理心得
实验设计与数据处理心得体会 刚开始选这门课的时候,我觉得这门课应该就是很难懂的课程,首先我们做过不少的实验了,当然任何自然科学都离不开实验,大多数学科(化工、化学、轻工、材料、环境、医药等)中的概念、原理与规律大多由实验推导与论证的,但我觉得每次到处理数据的时候都很困难,所以我觉得这就是门难懂的课程,却也就是很有必要去学的一门课程,它对于我们工科生来说也就是很有用途的,在以后我们实验的数据处理上有很重要的意义。 如何科学的设计实验,对实验所观测的数据进行分析与处理,获得研究观测对象的变化规律,就是每个需要进行实验的人员需要解决的问题。“实验设计与数据处理”课程就就是就是以概率论数理统计、专业技术知识与实践经验为基础,经济、科学地安排试验,并对试验数据进行计算分析,最终达到减少试验次数、缩短试验周期、迅速找到优化方案的一种科学计算方法。它主要应用于工农业生产与科学研究过程中的科学试验,就是产品设计、质量管理与科学研究的重要工具与方法,也就是一门关于科学实验中实验前的实验设计的理论、知识、方法、技能,以及实验后获得了实验结果,对实验数据进行科学处理的理论、知识、方法与技能的课程。 通过本课程的学习,我掌握了试验数据统计分析的基本原理,并能针对实际问题正确地运用,为将来从事专业科学的研究打下基础。这门课的安排很合理,由简单到复杂、由浅入深的思维发展规律,先讲单因素试验、双因素试验、正交试验、均匀试验设计等常用试验设计
方法及其常规数据处理方法、再讲误差理论、方差分析、回归分析等数据处理的理论知识,最后将得出的方差分析、回归分析等结论与处理方法直接应用到试验设计方法。 比如我对误差理论与误差分析的学习:在实验中,每次针对实验数据总会有误差分析,误差就是进行实验设计与数据评价最关键的一个概念,就是测量结果与真值的接近程度。任何物理量不可能测量的绝对准确,必然存在着测定误差。通过学习,我知道误差分为过失误差,系统误差与随机误差,并理解了她们的定义。另外还有对准确度与精密度的学习,了解了她们之间的关系以及提高准确度的方法等。对误差的学习更有意义的应该就是如何消除误差,首先消除系统误差,可以通过对照试验,空白试验,校准仪器以及对分析结果的校正等方法来消除;其次要减小随机误差,就就是要在消除系统误差的前提下,增加平行测定次数,可以提高平均值的精密度。 比如我对方差分析的理解:方差分析就是实验设计中的重要分析方法,应用非常广泛,它就是将不同因素、不同水平组合下试验数据作为不同总体的样本数据,进行统计分析,找出对实验指标影响大的因素及其影响程度。对于单因素实验的方差分析,主要步骤如下:建立线性统计模型,提出需要检验的假设;总离差平方与的分析与计算;统计分析,列出方差分析表。对于双因素实验的方差分析,分为两种,一种就是无交互作用的方差分析,另一种就是有交互作用的方差分析,对于这两种类型分别有各自的设计方法,但就是总体步骤都与单因素实验的方差分析一样。
试验统计方法复习题集
试验统计方法复习题 一、名词（术语、符号）解释： 1、总体：具有相同性质的个体所组成的集团特区为总体。 2、样本：从总体中抽出的一部分个体。 3、试验指标：用于衡量试验效果的指示性状称为试验指标。 4、试验因素：是人为控制并有待比较的一组处理因素，简称因素或因子。 5、试验水平：是在试验因素所设定的量的不同级别或质的不同状态称为试验水平，简称水平。 5、处理：单因素试验是指水平，多因素试验是水平与水平的组合。 6、简单效应：一个因素的水平相同，另一个因素不同水平间的性状（产量）差异属于简单效应。 7、参数：由总体的全部观察值而算得的特征数称为参数。 8、统计数：由样本观察值计算的特征数。 9、统计假设：是根据试验目的对试验总体提出两种彼此对立的假设称为统计假设。 10、无效假设：是指处理效应与假设值之间没有真实差异的假设称为无效假设。 11、准确度：是指试验中某一性状的观察值与其相应理论真值的接近程度。 12、精确度：是指试验中同一性状的重复观察值彼此之间的接近程度。 13、复置抽样：指将抽出的个体放回到原总体后再继续抽样的方法叫复置抽样或有放回抽样。 14、无偏估计：一个样本统计数等于所估计的总体参数，则该统计数为总体相应参数的无偏估计值。 15、第一类错误：否定一个正确H0 时所犯的错误。 16、第二类错误：接受一个不真实假设时所犯的错误。 17、互斥事件：事件A与B不可能同时发生，即AB为不可能事件，则称事件A与B为互斥事件。 18、随机事件：在一定条件下，可能发生也可能不发生，可能这样发生，也可能那样发生的事件。 19、标准差：方差的正根值称为标准差。 20、处理效应：是指因素的相对独立作用，亦是因素对性状所起的增进或减少的作用称为处理效应。 21、概率分布：随机变数可能取得每一个实数值或某一围的实数值是有一定概率的，这个概率称为 随机变数的概率分布。 22、随机抽样：保证总体中的每一个体，在每一次抽样中都有同等的概率被取为样本。 23、两尾测验：有两个否定区，分别位于分布的两尾。 24、显著水平：否定无效假设H0的概率标准。 25、试验方案：根据试验目的与要求拟定的进行比较一组试验处理的总称为试验方案。 26、随机样本：用随机抽样的方法，从总体中抽出的一个部分个体。 27、标准误：抽样分布的标准差称为标准误。 28、总体：具有相同性质的个体所组成的集团称为总体。 29、独立性测验：主要为探求两个变数间是否相互独立测验的假设。
实验设计与数据处理
《实验设计与数据处理》大作业 班级：环境17研 姓名： 学号： 1、 用Excel （或Origin ）做出下表数据带数据点的折线散点图 余浊（N T U ) 加量药（mL) 总氮T N (m g /L ) 加量药（mL ) 图1 加药量与剩余浊度变化关系图 图2 加药量与总氮TN 变化关系图 总磷T P (m g /L ) 加量药（mL) C O D C r (m g /L ) 加量药（mL) 图3 加药量与总磷TN 变化关系图 图4 加药量与COD Cr 变化关系图 去除率(%) 加药量(mL)
图5 加药量与各指标去除率变化关系图
2、对离心泵性能进行测试的实验中，得到流量Q v 、压头H 和效率η的数据如表所示，绘制离心泵特性曲线。将扬程曲线和效率曲线均拟合成多项式（要求作双Y 轴图）。 η H (m ) Q v (m 3 /h) 图6 离心泵特性曲线 扬程曲线方程为：H=效率曲线方程为：η=+、列出一元线性回归方程，求出相关系数，并绘制出工作曲线图。 (1) 表1 相关系数的计算 Y 吸光度（A ） X X-3B 浓度（mg/L ） i x x - i y y - l xy l xx l yy R 10 -30 2800 20 -20 30 -10 40 ()() i i x x y y l R --= = ∑
50 10 60 20 70 30 平均值 40 吸光度 X-3B浓度（mg/L） 图7 水中染料活性艳红（X-3B ）工作曲线 一元线性回归方程为：y=+ 相关系数为：R 2= (2) 代入数据可知： 样品一：x=样品二：x=、试找出某伴生金属c 与含量距离x 之间的关系(要求有分析过程、计算表格以及回归图形)。 表2 某伴生金属c 与含量距离x 之间的关系分析计算表 序号 x c lgx 1/x 1/c 1 2 2 3 3 4 4 5 5 7 6 8 7 10 1
实验设计与数据处理试题库
一、名词解释：（20分） 1. 准确度和精确度：同一处理观察值彼此的接近程度同一处理的观察值与其真值的接近程度 2. 重复和区组：试验中同一处理的试验单元数将试验空间按照变异大小分成若干个相对均匀的局部，每个局部 就叫一个区组 3回归分析和相关分析：对能够明确区分自变数和因变数的两变数的相关关系的统计方法： 对不能够明确区分自变数和因变数的两变数的相关关系的统计方法 4?总体和样本：具有共同性质的个体组成的集合从总体中随机抽取的若干个个体做成的总体 5. 试验单元和试验空间：试验中能够实施不同处理的最小试验单元所有试验单元构成的空间 二、填空：（20分） 1. 资料常见的特征数有：（3空）算术平均数方差变异系数 2. 划分数量性状因子的水平时，常用的方法：等差法等比法随机法（3空） 3. 方差分析的三个基本假定是（3空）可加性正态性同质性 4. 要使试验方案具有严密的可比性，必须（2空）遵循“单一差异”原则设置对照 5. 减小难控误差的原则是（3空）设置重复随机排列局部控制 6. 在顺序排列法中，为了避免同一处理排列在同一列的可能，不同重复内各处理的排列方式常采用（2空）逆向式 阶梯式 7. 正确的取样技术主要包括：（）确定合适的样本容量采用正确的取样方法 8. 在直线相关分析中，用（相关系数）表示相关的性质，用（决定系数）表示相关的程度。 三、选择：（20分） 1试验因素对试验指标所引起的增加或者减少的作用，称作（C） A、主要效应 B、交互效应 C、试验效应 D、简单效应 2. 统计推断的目的是用（A） A、样本推总体 B、总体推样本 C、样本推样本 D、总体推总体 3. 变异系数的计算方法是（B） 4. 样本平均数分布的的方差分布等于（A） 5. t检验法最多可检验（C）个平均数间的差异显著性。 6. 对成数或者百分数资料进行方差分析之前，须先对数据进行（B） A、对数 B、反正弦 C、平方根 D、立方根 7. 进行回归分析时，一组变量同时可用多个数学模型进行模拟，型的数据统计学标准是（B） A、相关系数 B、决定性系数 C、回归系数 D、变异系数 8. 进行两尾测验时，u0.10=1.64,u0.05=1.96,u0.01=2.58,那么进行单尾检验，u0.05=（A） 9. 进行多重比较时，几种方法的严格程度（LSD\SSR\Q）B 10. 自变量X与因变量Y之间的相关系数为0.9054，则Y的总变异中可由X与Y的回归关系解释的比例为（C） A、0.9054 B、0.0946 C、0.8197 D、0.0089 四、简答题：（15分） 1. 回归分析和相关分析的基本内容是什么？（6分）配置回归方程，对回归方程进行检验，分析多个自变量的主次 效益，利用回归方程进行预测预报： 计算相关系数，对相关系数进行检验 2. 一个品种比较试验，4个新品种外加1个对照品种，拟安排在一块具有纵向肥力差异的地块中，3次重复（区组），各重复内均随机排列。请画出田间排列示意图。（2分） 3. 田间试验中，难控误差有哪些？（4分）土壤肥力，小气候，相邻群体间的竞争差异，同一群体内个体间的竞争 差异。 4随即取样法包括哪几种方式？（3分）简单随机取样法分层随机取样法整群简单随机取样法 五、计算题（25分） 1. 研究变数x与y之间的关系，测得30组数据，经计算得出：x均值=10，y均值=20，l xy =60, l yy=300,r=0.6。根
试验设计与数据处理
试验设计与数据处理方法总述及总结 王亚丽 （数学与信息科学学院 08统计1班 081120132） 摘要：实验设计与数据处理是一门非常有用的学科，是研究如何经济合理安排 试验可以解决社会中存在的生产问题等，对现实生产有很重要的指导意义。因此本文根据试验设计与数据处理进行了总述与总结，以期达到学习、理解、掌握的以及灵活运用的目的。 1 试验设计与数据处理基本知识总述 1.1试验设计与数据处理的基本思想 试验设计与数据处理是数理统计学中的一个重要分支。它是以概率论、数理统计及线性代数为理论基础，结合一定的专业知识和实践经验，研究如何经济、合理地安排实验方案以及系统、科学地分析处理试验结果的一项科学技术，从而解决了长期以来在试验领域中，传统的试验方法对于多因素试验往往只能被动地处理试验数据，而对试验方案的设计及试验过程的控制显得无能为力这一问题。 1.2试验设计与数据处理的作用 （1）有助于研究者掌握试验因素对试验考察指标影响的规律性，即各因素的水平改变时指标的变化情况。 （2）有助于分清试验因素对试验考察指标影响的大小顺序，找出主要因素。（3）有助于反映试验因素之间的相互影响情况，即因素间是否存在交互作用。（4）能正确估计和有效控制试验误差，提高试验的精度。 （5）能较为迅速地优选出最佳工艺条件（或称最优方案），并能预估或控制一定条件下的试验指标值及其波动范围。 （6）根据试验因素对试验考察指标影响规律的分析，可以深入揭示事物内在规律，明确进一步试验研究的方向。
1.3试验设计与数据处理应遵循的原则 （1）重复原则：重可复试验是减少和估计随机误差的的基本手段。 （2）随机化原则：随机化原则可有效排除非试验因素的干扰，从而可正确、无偏地估计试验误差，并可保证试验数据的独立性和随机性。 （3）局部控制原则：局部控制是指在试验时采取一定的技术措施方法减少非试验因素对试验结果的影响。用图形表示如下： 2试验设计与数据处理方法总述和总结 2.1方差分析 （1）概念：方差分析是用来检验两个或两个以上样本的平均值差异的显著程度。并由此判断样本究竟是否抽自具有同一均值的总体。 （2）优点：方差分析对于比较不同生产工艺或设备条件下产量、质量的差异，分析不同计划方案效果的好坏和比较不同地区、不同人员有关的数量指标差异是否显著时，是非常有用的。 （3）缺点：对所检验的假设会发生错判的情况，比如第一类错误或第二类错误的发生。 （4）基本原理：方差分析的基本思路是一方面确定因素的不同水平下均值之间的方差，把它作为对由所有试验数据所组成的全部总体的方差的第一个估计值；另一方面再考虑在同一水平下不同试验数据对于这一水平的均值的方差，由此计算出对由所有试验数据所组成的全部数据的总体方差的第 二个估计值。比较上述两个估计值，如果这两个方差的估计值比较接近就说明因素的不同水平下的均值间的差异并不大，就接受零假设；否则，说明因素的不同水平下的均值间的差异比较大。
实验设计与数据处理试题库
一、名词解释：（20分） 1.准确度和精确度：同一处理观察值彼此的接近程度同一处理的观察值与其真值的接近程度 2.重复和区组：试验中同一处理的试验单元数将试验空间按照变异大小分成若干个相对均匀的局部，每个局部就叫一个区组 3回归分析和相关分析：对能够明确区分自变数和因变数的两变数的相关关系的统计方法： 对不能够明确区分自变数和因变数的两变数的相关关系的统计方法 4.总体和样本：具有共同性质的个体组成的集合从总体中随机抽取的若干个个体做成的总体 5.试验单元和试验空间：试验中能够实施不同处理的最小试验单元所有试验单元构成的空间 二、填空：（20分） 1.资料常见的特征数有：（3空）算术平均数方差变异系数 2.划分数量性状因子的水平时，常用的方法：等差法等比法随机法（3空） 3.方差分析的三个基本假定是（3空）可加性正态性同质性 4.要使试验方案具有严密的可比性，必须（2空）遵循“单一差异”原则设置对照 5.减小难控误差的原则是（3空）设置重复随机排列局部控制 6.在顺序排列法中，为了避免同一处理排列在同一列的可能，不同重复内各处理的排列方式常采用（2空）逆向式阶梯式 7.正确的取样技术主要包括：（）确定合适的样本容量采用正确的取样方法 8.在直线相关分析中，用（相关系数）表示相关的性质，用（决定系数）表示相关的程度。 三、选择：（20分） 1试验因素对试验指标所引起的增加或者减少的作用，称作（C） A、主要效应 B、交互效应 C、试验效应 D、简单效应 2.统计推断的目的是用（A） A、样本推总体 B、总体推样本 C、样本推样本 D、总体推总体 3.变异系数的计算方法是（B） 4.样本平均数分布的的方差分布等于（A） 5.t检验法最多可检验（C）个平均数间的差异显著性。 6.对成数或者百分数资料进行方差分析之前，须先对数据进行（B） A、对数 B、反正弦 C、平方根 D、立方根 7.进行回归分析时，一组变量同时可用多个数学模型进行模拟，型的数据统计学标准是（B） A、相关系数 B、决定性系数 C、回归系数 D、变异系数 8.进行两尾测验时，u0.10=1.64,u0.05=1.96,u0.01=2.58,那么进行单尾检验，u0.05=(A) 9.进行多重比较时，几种方法的严格程度（LSD\SSR\Q）B 10.自变量X与因变量Y之间的相关系数为0.9054，则Y的总变异中可由X与Y的回归关系解释的比例为（C） A、0.9054 B、0.0946 C、0.8197 D、0.0089 四、简答题：（15分） 1.回归分析和相关分析的基本内容是什么？（6分）配置回归方程，对回归方程进行检验，分析多个自变量的主次效益，利用回归方程进行预测预报： 计算相关系数，对相关系数进行检验 2.一个品种比较试验，4个新品种外加1个对照品种，拟安排在一块具有纵向肥力差异的地块中，3次重复（区组），各重复内均随机排列。请画出田间排列示意图。（2分） 3.田间试验中，难控误差有哪些？（4分）土壤肥力，小气候，相邻群体间的竞争差异，同一群体内个体间的竞争差异。 4随即取样法包括哪几种方式？（3分）简单随机取样法分层随机取样法整群简单随机取样法 五、计算题（25分） 1.研究变数x与y之间的关系，测得30组数据，经计算得出：x均值=10，y均值=20，l xy=60, l yy=300,r=0.6。根据所得数据建立直线回归方程。（5分）a=2 b=1.8 y=2+1.8 x 2.完成下列方差分析表，计算出用LSR法进行多重比较时各类数据填下表：
试验统计方法复习题
试验统计方法复习题 1.何谓实验因素和实验水平？何谓简单效应、主要效应和交互效应?举例说明之。 实验因素: 被变动并设有待比较的一组处理的因子或试验研究的对象。 实验水平: 实验因素的量的不同级别或质的不同状态。 简单效应: 同一因素内俩种水平间实验指标的相差。 主要效应：一个因素内各简单效应的平均数。 交互效应：俩个因素简单效应间的平均差异。 2.什么是实验方案，如何制定一个正确的实验方案？试结合所学专业举例说明之。 试验指标:用于衡量试验效果的指示性状。 制定实验方案的要点○1.目的明确。 ○2. 选择适当的因素及其水平。 ○3设置对照水平或处理，简称对照(check，符号CK)。 ○4应用唯一差异原则。 3.什么是实验误差？实验误差与实验的准确度、精确度以及实验处理间的比较的可靠性有什么关系？ ○1.试验误差的概念：试验结果与处理真值之间的差异. ○2随机误差影响了数据的精确性，精确性是指观测值间的符合程度，随机误差是偶然性的，整个试验过程中涉及的随机波动因素愈多，试验的环节愈多，时间愈长，随机误差发生的可能性及波动程度便愈大。系统误差是可以通过试验条件及试验过程的仔细操作而控制的。实际上一些主要的系统性偏差较易控制，而有些细微偏差则较难控制。 4.试分析田间实验误差的主要来源，如何控制田间实验的系统误差？如何降低田间实验的随机误差？ 误差来源：(1)试验材料固有的差异 (2)试验时农事操作和管理技术的不一致所引起的差异 (3)进行试验时外界条件的差异 控制误差的途径：(1)选择同质一致的试验材料 (2) 改进操作和管理技术，使之标准化 (3) 控制引起差异的外界主要因素 选择条件均匀一致的试验环境； 试验中采用适当的试验设计和科学的管理技术； 应用相应的科学统计分析方法。 尽量减少实验中的随机波动因素、环节和时间可以有效的降低随机误差。 5.田间实验设计的基本原则是什么？完全随机设计、完全随机区组设计、拉丁设计各有何特点？各在什么情况下使用？ （1）基本原则是：○1.重复○2随机排列○3局部控制 （2）完全随机设计的特点是设计分析简便，但是应用该设计的条件是要求试验的环境因素相当均匀，所以一般用于实验室培养试验及网、温室的盆钵试验。 完全随机区组设计○1.特点: 根据“局部控制”的原则，将试验地(或试验环境)按肥力变异梯度(或条件变异梯度)划分为等于重复次数的区组，一区组亦即一重复，区组内各处理都独立地随机排列。○2应用条件：对试验地的地形要求不严，必要时，不同区组亦可分散设置在不同地段上。 拉丁方设计的○1.特点：将处理从纵横二个方向排列为区组(或重复)，使每个处理在每一
数据处理与实验设计小论文
上海大学2014～2015学年秋季学期研究生课程考试课程名称：数据处理与实验设计课程编号：11S009003论文题目：正交实验在锂离子电极材料制备中的应用 研究生姓名：李艳峰学号：14722191 论文评语： 成绩：任课教师： 评阅日期：
正交实验在锂离子电极材料制备中的应用 李艳峰 （上海大学环境与化学工程学院，上海200444） 摘要：锂源、反应温度、反应时间和锂钛摩尔比是影响锂离子电极负极材料Li4Ti5O12制备的重要因素，本文利用正交实验L9 (34)的方法对液相法制备Li4Ti5O12的各种影响因素进行进一步优化，从而得到最优水平组合，并对各种影响因素进行权重分析。最后，利用正交实验确定了液相法制备Li4Ti5O12的最佳工艺：烧结温度为750℃，烧结时间为8h，LiOH·H2O 为锂源，原料中锂钛摩尔比为0.85。 关键词：正交实验设计；液相法；影响因素； 中图分类号：O242.1文献标识码：A The application of orthogonal experimental design on liquid method in the production of Lithium-ion electrode materials Yanfeng Li (School of Environmental and Chemical Engineering, Shanghai University, Shanghai 200444, China) Abstract:lithium source, reaction temperature, reaction time and lithium titanium molar ratio are important factors for the preparation of Li4Ti5O12 conditions of liquid method. Based on the single factor experiment, this study use L9 (34) orthogonal experiments to optimized the removal of the preparation of Li4Ti5O12 of liquid method. The optimal technological parameters of solution method determined by the orthogonal experiment were as follows: sintering temperature was 750℃, sintering time was 8 h, the lithium resource was LiOH·H2O and the mole ration of Li to Ti was 0.85. Key words: Orthogonal experimental design;Liquid method; Factors;
试验设计与数据处理课程论文
课 程 论 文 课程名称试验设计与数据处理 专业2012级网络工程 学生姓名孙贵凡 学号201210420136 指导教师潘声旺职称副教授
成绩 科学研究与数据处理 学院信息科学与技术学院专业网络工程姓名孙贵凡学号：201210420136 摘要：《实验设计与数据处理》这门课程列举典型实例介绍了一些常用的实验设计及实验数据处理方法在科学研究和工业生产中的实际应用，重点介绍了多因素优化实验设计——正交设计、回归分析方法以对目标函数进行模型化处理。其适于工艺、工程类本科生使用，尤其适用于化学化工、矿物加工、医学和环境学等学科的本科生使用。其对行实验设计可提供很大的帮助，也可供广大分析化学工作者应用。关键字：优化实验设计; 标函数进行模型化处理; 正交设计; 回归分析方法 1 引言 实验是一切自然科学的基础,科学界中大多数公式定理是由试验反复验证而推导出来的。只有经得起试验验证的定理规律才具有普遍实用性。而科学的试验设计是利用自己已有的专业学科知识，以大量的实践经验为基础而得出的既能减少试验次数，又能缩短试验周期，从而迅速找到优化方案的一种科学计算方法，就必然涉及到数据处理，也只有对试验得出的数据做出科学合理的选择，才能使实验结果更具说服力。实验设计与数据处理在水处理中发挥着不可估量的作用，通过科学合理的实验设计过程加上严谨规范的数据处理方法，可以使水处理原理，内在规律性被很好的发现，从而更好的应用于生产实践。 2 材料与方法 2.1 供试材料 1. 论文所围绕的目标和假设 研究的目标就是实验的目的，我们设计了这个实验是想来做什么以及想得到什么样的结论。要正确的识别问题和陈述问题，这些需要专业知识和大量的阅读文献综述等方法来获得我们所要提出的问题。需要对某一个具体的问题，并且对这个具体的问题提出假设。如水处理中混凝剂的最佳投加量，混凝剂的最佳投加量有一个适宜的PH值范围。
实验设计与数据处理论文2
医学中的实验设计与数据处理 摘要：实验是一切自然学科的基础。实验设计与数据处理在医学中更是发挥着不可估量的作用。正交实验设计中，对实验进行改进，采用极差分析和方差分析法，研究不同改性条件对大豆蛋白乳化性的影响，并找出主要影响因素。通过科学合理的实验设计过程加上严谨规范的数据处理方法，可以使医学中更多的生理机制被探索发现，使更多的药物疗法被发明应用，从而更好地拯救患者，造福人类。 关键词：医学实验，实验设计，数据处理 一，引言 实验是自然学科的基础，任何自然科学都离不开实验。科学界中大多数的公式定理都是由实验反复验证而推导出来的，只有经得起实验验证的定理定律才具有普遍实用性。而科学的实验设计是利用已有的专业学科知识，以大量的实践经验为基础而得出的既能减少实验次数，又能缩短试验周期，从而迅速找到优化方案的一种科学计算方法。这就必然涉及到实验的数据处理，也只有对实验得出的数据作出科学合理的处理，才能使实验结果更具说服力。实验设计方法最早应用于农业、生物学、遗传学方面。早在20世纪中期，就有一些欧美国家将实验设计应用于工业生产，以达到减少成本而获取最大利益的目的。随着时间的推移，实验设计越来越受到人们的重视，也开始在各个领域开始广泛的应用。 医学是一门将科学和生活紧密结合的学科，因此医学中的实验设计显得尤为的重要。科学的实验设计不仅能起到节约时间，节约成本的作用，还能使分析更具普遍适用性，或减少药物风险，或增强药物疗效，更加福泽患者。 二，. 试验设计与数据分析 （一）完全随机试验设计与单因素方差分析 完全随机试验设计比较简单，处理数与重复数都不受限制，适用于试验条件,、环境、试验动物差异较小的试验【1】，完全随机试验设计只设置1个试验因素，可采取单因素方差分析，如果有协变量影响，则考虑单因素协方差分析。 方差分析的前提条件是样本独立性、正态性和方差齐性【2-3】，若不满足这 3个条件，则需进行平方根转换#对数转换和反正弦转换( 在Excel中通过插入函数或利用 Spss的数据转换命令进行转换) ，或者选择非参数检验( 如秩和检验、符号检验等) 。以上条件中，对独立性要求最严格，但一般都可满足，根据
实验设计与数据处理
试验设计与数据处理 学院 班级 学号 学生姓名 指导老师
第一章 4、 相对误差18.20.1%0.0182x mg mg ?=?= 故100g 中维生素C 的质量范围为：±。 5、1）、压力表的精度为级，量程为， 则 max 0.2 1.5%0.00333 0.375 8 R x MPa KPa x E x ?=?==?=== 2）、1mm 的汞柱代表的大气压为， 所以 max 2 0.1330.133 1.662510 8 R x KPa x E x -?=?===? 3）、1mm 水柱代表的大气压为gh ρ，其中2 9.8/g m s = 则： 3max 33 9.8109.810 1.22510 8 R x KPa x E x ---?=???===? 6. 样本测定值 算数平均值 几何平均值 调和平均值 标准差s 标准差σ 样本方差S 2 总体方差σ2 算术平均误差△ 极差R 7、S ?2＝，S ?2＝ F ＝S ?2/ S ?2＝= 而F （）=，= 所以F （）< F < 两个人测量值没有显著性差异，即两个人的测量方法的精密度没有显著性差异。 |||69.947|7.747 6.06 p p d x =-=>
分析人员A分析人员B 8样本方差1 8样本方差2 10Fa值 104F值 6 68 4705 6 6 88 8.旧工艺新工艺 %% %% %% %% %% %% %% %% %% % % % % t-检验: 双样本异方差假设 变量 1变量 2 平均 方差 观测值139假设平均差0 df8 t Stat-38. P(T<=t) 单尾0 t 单尾临界 P(T<=t) 双尾0 t 双尾临界 F-检验双样本方差分析
实验设计与数据处理课后答案
《试验设计与数据处理》 专业：机械工程班级：机械11级专硕学号：S110805035 姓名：赵龙 第三章：统计推断 3-13 解：取假设H0：u1-u2≤0和假设H1：u1-u2＞0用sas分析结果如下：Sample Statistics Group N Mean Std. Dev. Std. Error ---------------------------------------------------- x 8 0.231875 0.0146 0.0051 y 10 0.2097 0.0097 0.0031 Hypothesis Test Null hypothesis: Mean 1 - Mean 2 = 0 Alternative: Mean 1 - Mean 2 ^= 0 If Variances Are t statistic Df Pr > t ---------------------------------------------------- Equal 3.878 16 0.0013 Not Equal 3.704 11.67 0.0032 由此可见p值远小于0.05，可认为拒绝原假设，即认为2个作家所写的小品文中由3个字母组成的词的比例均值差异显著。 3-14 解：用sas分析如下： Hypothesis Test Null hypothesis: Variance 1 / Variance 2 = 1 Alternative: Variance 1 / Variance 2 ^= 1 - Degrees of Freedom - F Numer. Denom. Pr > F ---------------------------------------------- 2.27 7 9 0.2501 由p值为0.2501＞0.05（显著性水平），所以接受原假设，两方差无显著差异 第四章：方差分析和协方差分析 4-1 解： Sas分析结果如下： Dependent Variable: y Sum of Source DF Squares Mean Square F Value Pr > F
实验设计与数据处理
Fisher传统的试验设计被誉为第一个里程碑。正交表的构造和开发是第二个里程碑，日本学者田口玄一开开发的SN比试验设计则称为第三个里程碑。 第一章试验设计 1.试验包括：验证性试验、探索性试验。 2.试验设计的要求：效率、精度。（效率由设计保证，精度由数据处理、分析保证。） 3.试验方案设计的4个基本要素：目标、目标函数、因素、水平。 4.目标：进行试验所要达到的目的。 目标可以定量也可定性。 5.目标函数：表示目标的函数Y(x)。有显示目标函数、隐式目标函数。 6.因素：对目标产生影响的自变量或试验条件，也称因子。分为可控因素与不可控因素。 7.水平：每个因素所处的状态，也称位级。 8.选取因素的原则：抓住主要因素及多因素之间的交互作用；抓住非主要因素，在试验中保持不变，消除其干扰。因素用大写字母表示。
9.按所取因素的多少，可把试验分为单因素试验、两因素试验、多因素试验。 10.交互作用：就是这些因素在同时改变水平时，其效果会超过单独改变某一因素水平时的效果。 11.水平的选取原则：等间距；三水平为宜；是具体的；技术上可行。 12.误差包括：系统误差、随机误差。 13.费希尔Fisher三原则（作用：进行误差控制）：重复测试、随机化、区组控制。 14.重复测试，作用：减小误差。 15.随机化是使系统误差转化为偶然误差的有效方法。原则：进行随机化，使其转化为随机误差。 16.区组控制，原则：机会均等，公平原则。区组控制原则实质上是机会均等原则，实行区组控制，可使设备条件由存在差异转化为没有差异，在区组控制中也把区组当做因素来对待，并称之为区组因素。 17.试验设计法和现行做法的不同点：对于不能实现控制的环境条件及未知原因对试验数据产生的干扰和影响程度，可以做出客观
《实验设计与数据处理》教学大纲
《实验设计与数据处理》教学大纲 （Experiment Design and Data Analysis） 一、基本信息 课程代码： 学分：2 总课时：32 课程性质：硕士专业必修课 适用专业：环境工程 先修课程：高等数学、概率论、线性代数 二、本课程教学目的和任务 本课程是环境工程硕士生的专业课。数据分析作为一种研究手段，主要是通过从系统设计、参数设计和允许误差设计入手，运用一定的物质手段，在人为控制或模拟自然现象的条件下，使环境过程以纯粹的、典型的形式表现出来，以便进行观察、研究、探索环境本质及其规律，使试验设计建立在统计理论基础之上，试验设计与数据处理相并重。 三、大纲的教学体系 以课堂教学和上机操作为主，采用多媒体教学，辅以课堂讨论、专题讲解等内容。主要开展环境试验的优化设计、环境数据的展示分析、环境数据的比较分析、环境数据的关系分析、环境数据的类别分析、环境数据的序列分析、环境数据的序列分析、正交试验的数据分析、回归分析、数据分析软件学习等内容。 四、教学内容及要求 第一章环境实验设计与数据处理概论 要求掌握（1）环境试验研究的目的与任务；（2）环境试验研究的类型；（3）环境试验研究的程序 重点内容：准确理解环境试验研究类型的区分；理解环境试验研究的设计步骤，以及试验设计的基本要求。 难点内容：理解环境试验因子、水平、处理、重复、响应指标等要素，了解准确度、精密度等概念。 第二章环境试验的优化设计 要求掌握（1）非均分设计；（2）黄金分割设计；（3）纵横对折设计；（4）平行线设计；（5）环境试验的正交设计；（6）环境试验点均匀设计；熟悉单因子、双因子优选设计的基本方法，熟悉正交表的定义和类型；了解均匀设计与正交设计的区别。 重点内容：正交试验的设计步骤，常见的正交设计运用方法，均匀设计的步骤 难点内容：了解分数法设计；旋升设计；逐步提高设计；陡度法设计；单纯形法设计等。 第三章环境数据的展示分析
实验设计与数据处理(第二版部分答案)教学内容
实验设计与数据处理(第二版部分答案)
试验设计与数据处理 学院 班级 学号 学生姓名 指导老师
第一章 4、相对误差18.20.1%0.0182x mg mg ?=?= 故100g 中维生素C 的质量范围为：18.2±0.0182mg 。 5、1）、压力表的精度为1.5级，量程为0.2MPa ， 则 max 0.2 1.5%0.00333 0.375 8 R x MPa KPa x E x ?=?==?=== 2）、1mm 的汞柱代表的大气压为0.133KPa ， 所以 max 2 0.1330.133 1.6625108 R x KPa x E x -?=?===? 3）、1mm 水柱代表的大气压为gh ρ，其中29.8/g m s = 则： 3max 33 9.8109.810 1.22510 8 R x KPa x E x ---?=???===? 6. 样本测定值 3.48 算数平均值 3.421666667 3.37 几何平均值 3.421406894 3.47 调和平均值 3.421147559 3.38 标准差s 0.046224092 3.4 标准差σ 0.04219663 3.43 样本方差S 2 0.002136667 总体方差σ2 0.001780556 算术平均误差△ 0.038333333 极差R 0.11 7、S ?2＝3.733，S ?2＝2.303 F ＝S ?2/ S ?2＝3.733/2.303=1.62123 而F 0.975 （9.9）=0.248386，F 0.025(9.9)=4.025994 所以F 0.975 （9.9）< F
试验设计与数据处理试验报告
试验设计与数据处理试验报告 正交试验设计 1.为了通过正交试验寻找从某矿物中提取稀土元素的最优工艺条件，使稀土元素提取率最高，选取的水平如下：
需要考虑交互作用有A×B，A×C，B×C，如果将A，B，C分别安排在正交表L8（2）的 1,2,4列上，试验结果（提取量/ml）依次是1.01,，1,33，1,13，1.06,，1.03，0.08,，0.76，0.56. 试用方差分析法（α=0.05）分析实验结果，确定较优工艺条件 解：（1）列出正交表L8（27）和实验结果，进行方差分析。 试验号 A B A×B C A×C B×C 空号提取量（ml） 1 1 1 1 1 1 1 1 1.01 2 1 1 1 2 2 2 2 1.33 3 1 2 2 1 1 2 2 1.13 4 1 2 2 2 2 1 1 1.06 5 2 1 2 1 2 1 2 1.03 6 2 1 2 2 1 2 1 0.8 7 2 2 1 1 2 2 1 0.76 8 2 2 1 2 1 1 2 0.56 K1 4.53 4.17 3.66 3.93 3.5 3.66 3.63 K2 3.15 3.51 4.02 3.75 4.18 4.02 4.05 k1 2.265 2.085 1.83 1.965 1.75 1.83 1.815 k2 1.575 1.755 2.01 1.875 2.09 2.01 2.025 极差R 1.38 0.66 0.36 0.18 0.68 0.36 0.42 因素主次 A A×C B A×B B×C 优选方案 A1B1C1 SS J 0.23805 0.05445 0.0162 0.00405 0.0578 0.0162 0.02205 Q 7.7816 总和T 7.68 P=T^2/n 7.3728 SS T 0.4088 差异源SS df MS F 显著性 A 0.23805 1 0.23805 19.5925 9259 * B 0.05445 1 0.05445 4.48148 1481 A*B 0.0162 1 0.0162 1.33333 3333 C 0.00405 1 0.00405 0.33333 3333 A*C 0.0578 1 0.0578 4.75720 1646
试验设计与数据分析
1.方差分析在科学研究中有何意义？如何进行平方和与自由度的分解？如何进行F检验和 多重比较？ （1）方差分析的意义 方差分析，又称变量分析，其实质是关于观察值变异原因的数量分析，是科学研究的重要工具。方差分析得最大公用在于：a. 它能将引起变异的多种因素的各自作用一一剖析出来，做出量的估计，进而辨明哪些因素起主要作用，哪些因素起次要作用。b. 它能充分利用资料提供的信息将试验中由于偶然因素造成的随机误差无偏地估计出来，从而大大提高了对实验结果分析的精确性，为统计假设的可靠性提供了科学的理论依据。 （2）平方和及自由度的分解 方差分析之所以能将试验数据的总变异分解成各种因素所引起的相应变异，是根据总平方和与总自由度的可分解性而实现的。 （3）F检验和多重比较 ①F检验的目的在于，推断处理间的差异是否存在，检验某项变异原因的效应方差是否为零。实际进行F检验时，是将由试验资料算得的F值与根据df1=df t（分子均方的自由度）、df2=df e（分母均方的自由度）查附表4（F值表）所得的临界F值（F0.05（df1，df2）和F0.01（df1，df2））相比较做出统计判断。若F< F0.05（df1，df2），即P>0.05，不能否定H0，可认为各处理间差异不显著；若F0.05（df1，df2）≤F＜F0.01（df1，df2），即0.01