08正交设计.docx
- 文档编号:24295968
- 上传时间:2023-05-26
- 格式:DOCX
- 页数:20
- 大小:45.07KB
08正交设计.docx
《08正交设计.docx》由会员分享,可在线阅读,更多相关《08正交设计.docx(20页珍藏版)》请在冰豆网上搜索。
08正交设计
*第八节正交设计
在动物试验研究中,对于单因素或两因素试验,因其因素少,试验的设计、实施与分析都比较简单。
但在实际工作中,常常需要同时考察3个或3个以上的试验因素,若进行全面试验,则试验的规模将很大,往往因试验条件的限制而难于实施。
正交设计就是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。
一、正交设计的概念及原理
(一)正交设计的基本概念正交设计是利用正交表来安排与分析多因素试验的一种设计方法。
它利用从试验的全部水平组合中,挑选部分有代表性的水平组合进行试验,通过对这部分试验结果的分析了解全面试验的情况,找出最优的水平组合。
例如,影响某品种鸡的生产性能有3个因素:
A因素是饲料配方,分A1、A2、A33个水平;B因素是光照,分B1、B2、B33个水平;C因素是温度,分C1、C2、C33个水平。
这是一个3因素3水平的试验,各因素的水平之间全部可能的组合有27种。
如果试验方案包含各因素的全部水平组合,即进行全面试验,可以分析各因素的效应,交互作用,也可选出最优水平组合。
这是全面试验的优点。
但全面试验包含的水平组合数较多,工作量大,由于受试验场地、试验动物、经费等限制而难于实施。
若试验的目的主要是寻求最优水平组合,则可利用正交设计来安排试验。
正交设计的基本特点是:
用部分试验来代替全面试验,通过对部分试验结果的分析,了解全面试验的情况。
正因为正交试验是用部分试验来代替全面试验,它不可能像全面试验那样对各因素效应、交互作用一一分析;当交互作用存在时,有可能出现交互作用的混杂。
虽然正交设计有上述不足,但它能通过部分试验找到最优水平组合,因而很受实际工作者青睐。
如对于上述3因素3水平试验,若不考虑交互作用,可利用正交表L9(34)安排,试验方案仅包含9个水平组合,就能反映试验方案包含27个水平组合的全面试验的情况,找出最佳的生产条件。
(二)正交设计的基本原理在试验安排中,每个因素在研究的范围内选几个水平,就好比在选优区内打上网格,如果网上的每个点都做试验,就是全面试验。
如上例中,3个因素的选优区可以用一个立方体表示(图12-2),3个因素各取3个水平,把立方体划分成27个格点,反映在图12-2上就是立方体内的27个“.”。
若27个网格点都试验,就是全面试验,其试验方案如表12-20所示。
表12-203因素3水平全面试验方案
C1
C2
C3
A1
B1
A1B1C1
A1B1C2
A1B1C3
B2
A1B2C1
A1B2C2
A1B2C3
B3
A1B3C1
A1B3C2
A1B3C3
A2
B1
A2B1C1
A2B1C2
A2B1C3
B2
A2B2C1
A2B2C2
A2B2C3
B3
A2B3C1
A2B3C2
A2B3C3
A3
B1
A3B1C1
A3B1C2
A3B1C3
B2
A3B2C1
A3B2C2
A3B2C3
B3
A3B3C1
A3B3C2
A3B3C3
图12-23因素3水平试验的均衡分散立体图
3因素3水平的全面试验水平组合数为33=27,4因素3水平的全面试验水平组合数为34=81,5因素3水平的全面试验水平组合数为35=243,这在动物试验中是不可能做到的。
正交设计就是从选优区全面试验点(水平组合)中挑选出有代表性的部分试验点(水平组合)来进行试验。
图12-2中标有试验号的九个“⊙”,就是利用正交表L9(34)从27个试验点中挑选出来的9个试验点。
即:
(1)A1B1C1
(2)A2B1C2(3)A3B1C3
(4)A1B2C2(5)A2B2C3(6)A3B2C1
(7)A1B3C3(8)A2B3C1(9)A3B3C2
上述选择,保证了A因素的每个水平与B因素、C因素的各个水平在试验中各搭配一次。
对于A、B、C3个因素来说,是在27个全面试验点中选择9个试验点,仅是全面试验的三分之一。
从图12-2中可以看到,9个试验点在选优区中分布是均衡的,在立方体的每个平面上,都恰是3个试验点;在立方体的每条线上也恰有一个试验点。
9个试验点均衡地分布于整个立方体内,有很强的代表性,能够比较全面地反映选优区内的基本情况。
二、正交表及其特性
(一)正交表由于正交设计安排试验和分析试验结果都要用正交表,因此,我们先对正交表作一介绍。
表12-21是一张正交表,记号为L8(27),其中“L”代表正交表;L右下角的数字“8”表示有8行,用这张正交表安排试验包含8个处理(水平组合);括号内的底数“2”表示因素的水平数,括号内2的指数“7”表示有7列,用这张正交表最多可以安排7个因素。
表12-21L8(27)正交表
试验号
列号
1
2
3
4
5
6
7
1
1
1
1
1
1
1
1
2
1
1
1
2
2
2
2
3
1
2
2
1
1
2
2
4
1
2
2
2
2
1
1
5
2
1
2
1
2
1
2
6
2
1
2
2
1
2
1
7
2
2
1
1
2
2
1
8
2
2
1
2
1
1
2
常用的正交表已由数学工作者制定出来,供进行正交设计时选用。
2水平正交表有L4(23)、L16(215);3水平正交表有L9(34)、L27(213)……等(详见附表14及有关参考书)。
(二)正交表的特性任何一张正交表都有如下两个特性:
1、任一列中,不同数字出现的次数相等例如L8(27)中不同数字只有1和2,它们各出现4次;L9(34)中不同数字有1、2和3,它们各出现3次。
2、任两列中,同一横行所组成的数字对出现的次数相等例如L8(27)中(1,1),(1,2),(2,1),(2,2)各出现两次;L9(34)中(1,1),(1,2),(1,3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)各出现1次。
即每个因素的一个水平与另一因素的各个水平互碰次数相等,表明任意两列各个数字之间的搭配是均匀的。
根据以上两个特性,我们用正交表安排的试验,具有均衡分散和整齐可比的特点。
所谓均衡分散,是指用正交表挑选出来的各因素水平组合在全部水平组合中的分布是均匀的。
由图12-2可以看出,在立方体中,任一平面内都包含3个“⊙”,任一直线上都包含1个“⊙”,因此,这些点代表性强,能够较好地反映全面试验的情况。
整齐可比是指每一个因素的各水平间具有可比性。
因为正交表中每一因素的任一水平下都均衡地包含着另外因素的各个水平,当比较某因素不同水平时,其它因素的效应都彼此抵消。
如在A、B、C3个因素中,A因素的3个水平A1、A2、A3条件下各有B、C的3个不同水平,即:
B1C1
B1C2
B1C3
A1
B2C2
A2
B2C3
A3
B2C1
B3C3
B3C1
B3C2
在这9个水平组合中,A因素各水平下包括了B、C因素的3个水平,虽然搭配方式不同,但B、C皆处于同等地位,当比较A因素不同水平时,B因素不同水平的效应相互抵消,C因素不同水平的效应也相互抵消。
所以A因素3个水平间具有可比性。
同样,B、C因素3个水平间亦具有可比性。
(三)正交表的类别
1、相同水平正交表各列中出现的最大数字相同的正交表称为相同水平正交表。
如L4(23)、L8(27)、L12(211)等各列中最大数字为2,称为两水平正交表;L9(34)、L27(313)等各列中最大数字为3,称为3水平正交表。
2、混合水平正交表各列中出现的最大数字不完全相同的正交表称为混合水平正交表。
如L8(4×24)表中有一列最大数字为4,有4列最大数字为2。
也就是说该表可以安排一个4水平因素和4个2水平因素。
再如L16(44×23),L16(4×1212)等都混合水平正交表。
三、正交设计方法
【例12.7】在进行矿物质元素对架子猪补饲试验中,考察补饲配方、用量、食盐3个因素,每个因素都有3个水平。
试安排一个正交试验方案。
正交设计一般有以下几个步骤:
(一)确定因素和水平影响试验结果的因素很多,我们不可能把所有影响因素通过一次试验都予以研究,只能根据以往的经验,挑选和确定若干对试验指标影响最大、有较大经济意义而又了解不够清楚的因素来研究。
同时还应根据实际经验和专业知识,定出各因素适宜的水平,列出因素水平表。
【例12.7】的因素水平表如表12-22所示。
表12-22架子猪补饲试验因素水平表
水平
因素
矿物质元素补饲配方(A)
用量(g)(B)
食盐(g)(C)
1
配方I(A1)
15(B1)
0(C1)
2
配方II(A2)
25(B2)
4(C2)
3
配方III(A3)
20(B3)
8(C3)
(二)选用合适的正交表确定了因素及其水平后,根据因素、水平及需要考察的交互作用的多少来选择合适的正交表。
选用正交表的原则是:
既要能安排下试验的全部因素,又要使部分水平组合数(处理数)尽可能地少。
一般情况下,试验因素的水平数应恰好等于正交表记号中括号内的底数;因素的个数(包括交互作用)应不大于正交表记号中括号内的指数;各因素及交互作用的自由度之和要小于所选正交表的总自由度,以便估计试验误差。
若各因素及交互作用的自由度之和等于所选正交表总自由度,则可采用有重复正交试验来估计试验误差。
此例有3个3水平因素,若不考察交互作用,则各因素自由度之和为因素数个数×(水平数─1)=3(3-1)=6,小于L9(34)总自由度9-1=8,故可以选用L9(34);若要考察交互作用,则应选用L27(313),此时所安排的试验方案实际上是全面试验方案。
(三)表头设计正交表选好后,就可以进行表头设计。
所谓表头设计,就是把挑选出的因素和要考察的交互作用分别排入正交表的表头适当的列上。
在不考察交互作用时,各因素可随机安排在各列上;若考察交互作用,就应按该正交表的交互作用列表安排各因素与交互作用。
此例不考察交互作用,可将矿物质元素补饲配方(A)、用量(B)和食盐(C)依次安排在L9(34)的第1、2、3列上,第4列为空列,见表12-23。
表12-23表头设计
列号
1
2
3
4
因素
A
B
C
空
(四)列出试验方案把正交表中安排各因素的每个列(不包含欲考察的交互作用列)中的每个数字依次换成该因素的实际水平,就得到一个正交试验方案。
表12-24就是[例12.4]的正交试验方案。
根据表12-24,1号试验处理是A1B1C1,即配方I、用量15g、食盐为0;2号试验处理是A1B2C2,即配方II、用量25g、食盐为4g,…;9号试验处理为A3B3C2,即配方III、用量20g、食盐4g。
表12-24正交试验方案
试验号
因素
A
B
C
1
2
3
1
1(配方I)
1(15)
1(0)
2
1(配方I)
2(25)
2(4)
3
1(配方I)
3(20)
3(8)
4
2(配方II)
1(15)
2(4)
5
2(配方II)
2(25)
3(8)
6
2(配方II)
3(20)
1(0)
7
3(配方III)
1(15)
3(8)
8
3(配方III)
2(25)
1(0)
9
3(配方III)
3(20)
2(4)
四、正交试验结果的统计分析
根据各号试验处理是单独观测值还是有重复观测值,正交试验可分为单独观测值正交试验和有重复观测值正交试验两种。
若各号试验处理都只有一个观测值,则称之为单独观测值正交试验;若各号试验处理都有两个或两个以上观测值,则称之为有重复观测值正交试验。
下面分别介绍单独观测值和有重复观测正交试验结果的方差分析。
(一)单独观测值正交试验结果的方差分析对例【12.7】用L9(34)安排试验方案后,各号试验只进行一次,试验结果(增重)列于表12-17。
试对其进行方差分析。
该次试验的9个观测值总变异由A因素、B因素、C因素及误差变异四部分组成,因而进行方差分析时平方和与自由度的划分式为:
(12-6)
SST=SSA+SSB+SSC+SSe
dfT=dfA+dfB+dfC+dfe
用n表示试验(处理)号数;a、b、c表示A、B、C因素各水平重复数;ka、kb、kc表示A、B、C因素的水平数。
本例,n=9、a=b=c=3、ka=kb=kc=3。
表12-17正交试验结果计算表
试验号
因素
增重(kg)
A
B
C
(1)
(2)
(3)
1
1
1
1
63.4(y1)
2
1
2
2
68.9(y2)
3
1
3
3
64.9(y3)
4
2
1
2
64.3(y4)
5
2
2
3
70.2(y5)
6
2
3
1
65.8(y6)
7
3
1
3
71.4(y7)
8
3
2
1
69.5(y8)
9
3
3
2
73.7(y9)
T1
197.2
199.1
198.7
612.1(T)
T2
200.3
208.6
206.9
T3
214.6
204.4
206.5
65.7333
66.3667
66.2333
66.7667
69.5333
68.9667
71.5333
68.1333
68.8333
表12-17中,Ti为各因素同一水平试验指标(增重)之和。
如A因素第1水平T1=y1+y2+y3=63.4+68.9+64.9=197.2,A因素第2水平T2=y4+y5+y6=64.3+70.2+65.8=200.3,A因素第3水平T3=y7+y8+y9=71.4+69.5+73.7=214.6;B因素第1水平T1=y1+y4+y7=63.4+64.3+71.4=199.1,……,B因素第3水平T3=y3+y6+y9=64.9+65.8+73.7=204.4。
同理可求得C因素各水平试验指标之和。
为各因素同一水平试验指标的平均数。
如A因素第1水平
=197.2/3=65.7333,A因素第2水平
=200.3/3=66.7667,A因素第3水平
=214.6/3=71.5333。
同理可求得B、C因素各水平试验指标的平均数。
1、计算各项平方和与自由度
矫正数C=T2/n=612.12/9=41629.6011
总平方和SST=Σy2-C=63.42+68.92+…+73.72-41629.6011=101.2489
A因素平方和SSA=ΣT2A/a-C=(197.22+200.32+214.62)/3-41629.6011=57.4289
B因素平方和SSB=ΣT2B/b-C=(199.12+208.62+204.42)/3-41629.6011=15.1089
C因素平方和SSC=ΣT2C/c-C=(198.72+206.92+206.52)/3-41629.6011=14.2489
误差平方和SSe=SST-SSA-SSB-SSC=101.2489-57.4289-15.1089-14.2489=14.4622
总自由度dfT=n-1=9-1=8
A因素自由度dfA=ka-1=3-1=2
B因素自由度dfB=kb-1=3-1=2
C因素自由度dfC=kc-1=3-1=2
误差自由度dfe=dfT-dfA-dfB-dfC=8-2-2-2=2
2、列出方差分析表,进行F检验
表12-26方差分析表
变异来源
SS
df
MS
F
F0.05(2,2)
配方(A)
57.4289
2
28.71
3.97ns
19.00
用量(B)
15.1089
2
7.55
1.05ns
食盐(C)
14.2489
2
7.12
<1
误差
14.4622
2
7.23
总变异
101.25
8
F检验结果表明,三个因素对增重的影响都不显著。
究其原因可能是本例试验误差大且误差自由度小(仅为2),使检验的灵敏度低,从而掩盖了考察因素的显著性。
由于各因素对增重影响都不显著,不必再进行各因素水平间的多重比较。
此时,可直观地从表12-17中选择平均数大的水平A3、B3、C2组合成最优水平组合A3B3C2。
上述无重复正交试验结果的方差分析,其误差是由“空列”来估计的。
然而“空列”并不空,实际上是被未考察的交互作用所占据。
这种误差既包含试验误差,也包含交互作用,称为模型误差。
若交互作用不存在,用模型误差估计试验误差是可行的;若因素间存在交互作用,则模型误差会夸大试验误差,有可能掩盖考察因素的显著性。
这时,试验误差应通过重复试验值来估计。
所以,进行正交试验最好能有二次以上的重复。
正交试验的重复,可采用完全随机或随机单位组设计。
(二)有重复观测值正交试验结果的方差分析假定【例12.7】试验重复了两次,且重复采用随机单位组设计,试验结果列于表12-27。
试对其进行方差分析。
用n表示试验(处理)号数,r表示试验处理的重复数。
a、b、c、ka、kb、kc的意义同上。
此例n=9、r=2、a=b=c=3、ka=kb=dc=3
表12-27有重复观测值正交试验结果计算表
试验号
因素增重(kg)
A
B
C
空
单位组I
单位组II
Tt
(1)
(2)
(3)
(4)
1
1
1
1
1
63.4
67.4
130.8
2
1
2
2
2
68.9
87.2
156.1
3
1
3
3
3
64.9
66.3
131.2
4
2
1
2
3
64.3
86.3
150.6
5
2
2
3
1
70.2
88.5
158.7
6
2
3
1
2
65.8
66.6
132.4
7
3
1
3
2
71.4
89.0
160.4
8
3
2
1
3
69.5
91.2
160.7
9
3
3
2
1
73.7
92.8
166.5
T1
418.1
441.8
423.9
456
612.1
735.3
1347.4(T)
T2
441.7
475.5
473.2
448.9
T3
487.6
430.1
450.3
442.5
69.68
73.63
70.65
76.00
73.62
79.25
78.87
74.82
81.26
71.68
75.05
73.75
对于有重复、且重复采用随机单位组设计的正交试验,总变异可以划分为处理间、单位组间和误差变异三部分,而处理间变异可进一步划分为A因素、B因素、C因素与模型误差变异四部分。
此时,平方和与自由度划分式为:
SST=SSt+SSr+SSe2
dfT=dft+dfr+dfe2
而SSt=SSA+SSB+SSC+SSe1
dft=dfA+dfB+dfC+dfe1
于是SST=SSA+SSB+SSC+SSr+SSe1+SSe2(12-7)
dfT=dfA+dfB+dfC+dfr+dfe1+dfe2
式中:
SSr为单位组间平方和;SSe1为模型误差平方和;SSe2为试验误差平方和;SSt为处理间平方和;dfr、dfe1、dfe2、dft为相应自由度。
注意,对于重复采用完全随机设计的正交试验,在平方和与自由度划分式中无SSr、dfr项。
1、计算各项平方和与自由度
矫正数C=T2/rn=1347.42/2×9=100860.3756
总平方和SST=Σy2-C=63.42+68.92+…+92.82-100860.3756=1978.5444
单位组间平方和SSr=ΣT2r/n-C=(612.12+735.32)/9-100860.3756=843.2355
处理间平方和SSt=ΣT2t/r-C=(130.82+156.12+…+166.52)/2-100860.3756=819.6244
A因素平方和SSA=ΣT2A/ar-C=(418.12+441.72+487.62)/3×2-100860.3756=416.3344
B因素平方和SSB=ΣT2B/br-C=(411.82+475.52+430.12)/3×2-100860.3756=185.2077
C因素平方和SSC=ΣT2C/cr-C=(423.92+473.22+450.32)/3×2-100860.3756=202.8811
模型误差平方和SSe1=SSt-SSA-SSB-SSC=819.6244-416.3344-185.2077-202.8811=15.2012
试验误差平方和SSe2=SST-SSr-SSt=1978.5444-843.2355-819.6244=315.6845
总自由度dfT=rn-1=2×9-1=17
单位组自由度dfr=r-1=2-1=1
处理自由度dft=n-1=9-1=8
A因素自由度dfA=a-1=3-1=2
B因素自由度dfB=b-1=3-1=2
C因素自由度dfC=c-1=3-1=2
模型误差自由度dfe1=dft-dfA-dfB-dfC=8-2-2-2-2=2
试验误差自由度dfe2=dfT-dft=17-1-8=8
2、列出方差分析表,进行F检验
表12-8有重复观测值正交试验结果方差分析表
变异来源
SS
df
MS
F
F0.05
F0.01
A
416.3344
2
208.17
6.29*
4.10
7.55
B
185.2077
2
92.60
2.80
4.10
7.55
C
202.8811
2
101.44
3.07
4.10
7.55
单位组
843.2355
1
843.24
25.48**
4.96
10.01
误差(e1)
15.2012
2
7.60
误差(e2)
315.6845
8
39.46
合并误差
330.8857
10
33.09
总的
1978.5444
17
首先检验MSe1与MSe2差异的显著性,若经F检验不显著,则可将其平方和与自由度分别合并,计算出合并的误差均方,进行F检验与多重比较,以提高分析的精度;若F检验显著,说明存在交互作用,二者不能合并,此时只能以MSe2进行F检验与多重比较。
本例MSe1/MSe2<1,MSe1与MSe2差异不显著,故将误差平方和与自由度分别合并计算出合并的误差均方MSe,即MSe=(SSe1+SSe2)/(dfe1+dfe2)=(15.2012+315.6845)/(2+8)=33.09,并用合并的误差均方MSe进
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 08 正交 设计
![提示](https://static.bdocx.com/images/bang_tan.gif)