excel统计分析——正交设计

参考资料:生物统计学

        单因素试验通常采用完全随机设计活动随机区组设计;两因素试验通常采用析因设计;多因素试验不考虑因素间的互作时,可以采用拉丁方设计或正交拉丁方设计;需要考虑因素间的互作时,析因设计因试验规模太大,往往因试验条件的限制而难以实施,这就需要在试验设计上想办法,寻求一种既经济合理又易于实施试验的设计方法。正交设计就是安排多因素多水平试验、寻求最优水平组合的一种高效率的试验设计方法。

        正交设计(orthogonal design)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。

1、正交表

(1)正交表的结构

        正交设计安排试验和分析试验结果都要使用正交表,用L_n(k^m)表示。如L_8(2^7),其中L代表正交表,因此正交表可简称L表。L右下角的数字n表示有n行,用这张正交表安排试验包含n个处理(水平组合);括号内的底数k表示因素的水平数,值数m表示有m列,用这张正交表最多可以安排m个因素(含互作)。

        常用的2水平正交表有L_4(2^3)L_{16}(2^{15});3水平正交表有L_9(3^4)L_{27}(3^{13})等。

(2)正交表的特性

        任何一列中,不同数字(因素水平)出现的次数相等。例如L_8(2^7)中不同数字只有1和2,各在每一列中出现4次;L_9(3^4)中不同数字有1、2、3,各在每一列中出现3次。

        任何两列中,同一行所组成的数字对出现的次数相等。例如,L_8(2^7)中(1,1)、(1,2)、(2,1)、(2,2)各出现两次,L_9(3^4)中(1,1)、(1,2)、(1,3)、(2,1)、(2,2)、(2,3)、(3,1)、(3,2)、(3,3)各出现一次。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,用正交表安排的试验具有均衡分散整齐可比的特点。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组合中的分布是均匀的。整齐可比是指每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其他因素的各个水平,当比较某因素不同水平时,其他因素的效应都彼此抵消。

(3)正交表的类别

        正交表氛围相同水平正交表和混合水平正交表两类。相同水平正交表指表中所有因素水平均相同的正交表。混合水平正交表指因素的水平不完全一样的正交表,如L_8(4 \times 2^4)表示该表可以安排一个4水平因素和4个2水平因素。

2、用正交表安排试验

(1)表头设计

        所谓表头设计,就是把试验因素和要考虑的交互作用分别安排在正交表适当的列上。表头设计的原则是:①不让主效应间、主效应与互作间有混在现象。正交表一般都有交互列,试验因素少于列数时,尽量不要在交互列上安排试验因素,以防混杂。②考察交互作用时,需查交互作用表,把交互作用安排在合适的列上。

        L_8(2^7)表头设计如下:

(2)列出试验方案

        根据设计好的表头,将正交表各列(不包括交互作用列)的数字转换为各因素的水平,即为试验的正交试验方案。

3、试验结果的统计分析

        正交设计资料的统计分析采用多因素方差分析模型。根据设计选择主效应和互作项。注意平方和分解中的各因素、互作和重复数计算,各因素、互作的自由度分解。

4、案例:

现有三个因素,每个因素4个水平,分别如下:

        A因素:水平1:5.0,水平2:7.5,水平4:10.0,水平4:12.5

        B因素:水平1:0,水平2:10,水平4:20,水平4:30

        C因素:水平1:1,水平2:2,水平4:3,水平4:4

(1)试验设计

        ①选择正交表:3因素4水平试验,应选用L_n(4^m)正交表,如果不需要考察交互作用,m>3即可,可以选用L_{16}(4^5)正交表;如果要考察交互作用,则m>6,需选用L_{64}(4^{21})正交表。本例假设3个因素间不存在交互作用,故采用L_{16}(4^5)正交表。

        ②表头设计:由于L_{16}(4^5)正交表“任意二列的交互作用出现在另外三列”,试验因素可随机安排在各列上。

        ③列试验方案:把正交表中 第1列的各数字转换为因素A的实际值,第2列的各数字转换为因素B的实际值,第3列的个数字转换为因素C的实际值,即为正交试验方案。如下表
 

        ④方差分析

        按三因素只考虑主效应的方差分析模型分解平方和和自由度,制作方差分析表,如下:

        ⑤多重比较

        未选择最优因素组合,需要分别对各因素的不同水平进行多重比较

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/725546.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Day 27[补档] |● 39. 组合总和● 40.组合总和II● 131.分割回文串

39. 组合总和 class Solution { public:vector<int> path;vector<vector<int>> res;void func(vector<int>& candi, int target, int sum,int st){if(sum target){res.push_back(path);return;}for(int i st; i < candi.size(); i){if(sum &…

Spring Boot(六十六):集成Alibaba Druid 连接池

1 Alibaba Druid介绍 在现代的Java应用中,使用一个高效可靠的数据源是至关重要的。Druid连接池作为一款强大的数据库连接池,提供了丰富的监控和管理功能,成为很多Java项目的首选。本文将详细介绍如何在Spring Boot项目中配置数据源,集成Druid连接池,以实现更高效的数据库…

【Docker】掌握 Docker 镜像操作:从基础到进阶

&#x1f34e;个人博客&#xff1a;个人主页 &#x1f3c6;个人专栏&#xff1a;Linux ⛳️ 功不唐捐&#xff0c;玉汝于成 目录 前言 正文 结语 我的其他博客 前言 在现代软件开发和部署中&#xff0c;容器化技术已经成为不可或缺的一部分。而 Docker 作为最流行的容器化…

JVM工作原理与实战(四十二):JVM常见面试题目

专栏导航 JVM工作原理与实战 RabbitMQ入门指南 从零开始了解大数据 目录 专栏导航 前言 一、JVM常见面试题目 1.请阐述JVM的概念及其核心功能&#xff0c;并简要介绍其组成部分和常用的实现。 2.请阐述Java字节码文件的组成部分。 3.请描述JVM的运行时数据区及其组成部分…

RedTiger‘s Hackit

本文相关的ctf平台链接&#xff1a;RedTigers Hackit (overthewire.org) level 1 这里有个1可以点&#xff0c;先尝试点一下 因为这题是sql注入&#xff0c;cat应该就是注入点了 先判断注入类型 ?cat1 and 11 ?cat1 and 12 数字型注入 再判断列数 1 order by 4 -- 接下来…

Python查看函数信息的几种方法

在 Python 中&#xff0c;可以通过以下4种方法来查看函数的相关信息&#xff1a; 使用help()函数&#xff1a;可以直接在交互式解释器中或在脚本中使用help()函数来查看函数的详细帮助信息。例如&#xff1a;help(len)将显示len()函数的帮助信息。 使用.doc属性&#xff1a;许…

智慧路灯物联网解决方案

概述 城市路灯是与人们生活息息相关的重要公共基础设施,一方面保证夜间车辆和行人的交通的安全,另一方面承担了整个城市形象美化的重任。路灯作为城市重要基础设施,遍布城市所有的交通网络。当前随着我国新型城市的发展,更多与城市环境、民生相关的问题,已纳入到现代城市建…

2023 0305笔记

go 1. map、Chanel、slice是线程安全的吗&#xff1f; 2. map遍历时是有序的吗 3. 如果同时启动了多个gorutine&#xff0c;有一个gorutine linux 1. 查看端口监听情况的命令 netstat -anp docker 1. 常见参数 2. 网络模型有哪些 桥接网络和主机网络 3. CMD和entrypoi…

Vue深度教程

一、Vue简介 1.简介 2.快速上手 二、基础 1.创建一个Vue应用 2.模板语法 3.响应式基础 4.计算属性 5.Class与 Style绑定 6.条件渲染 7.列表渲染 8.事件处理 9.表单输入绑定 10.生命周期钩子 11.侦听器 12.模板引用 13.组件基础 三、深入组件 1.组件注册 2.Props 3.组件事件 …

css补充(上)

有关字体 1.所有有关字体的样式都会被继承 div {font-size: 30px;}<span>777</span> <div>123<p>456</p> </div>span中777是默认大小16px div设置了30px p作为div的后代继承了字体样式也是30px 2.字体颜色 div{color: red;border: 1px …

MySQL CTE 通用表表达式:基础学习

MySQL CTE 通用表表达式&#xff1a;基础学习 CTE&#xff08;Common Table Expressions&#xff09;&#xff0c;是一个可以在单个语句范围内被创建的临时结果集&#xff0c;可在该语句中被多次引用。 使用基础 CTE通常以 WITH 关键字开头&#xff0c;后跟一个或多个子句&a…

【VTKExamples::PolyData】第四十九期 Silhouette

很高兴在雪易的CSDN遇见你 VTK技术爱好者 QQ:870202403 前言 本文分享VTK样例Silhouette,并解析接口vtkPolyDataSilhouette,希望对各位小伙伴有所帮助! 感谢各位小伙伴的点赞+关注,小易会继续努力分享,一起进步! 你的点赞就是我的动力(^U^)ノ~YO 1. Silhouett…

RocketMQ架构详解

文章目录 概述RocketMQ架构Broker 高可用集群刷盘策略 概述 RocketMQ一个纯java、分布式、队列模型的开源消息中间件&#xff0c;前身是MetaQ&#xff0c;是阿里研发的一个队列模型的消息中间件&#xff0c;后开源给apache基金会成为了apache的顶级开源项目&#xff0c;具有高…

QT计算两个日期之间的月份数

数据库中单表数据存储量过大时&#xff0c;会造成数据库的查询统计速度变慢&#xff0c;因此需将单表数据拆分存储到按年月命名的多张数据表中。解决思路是获取单表中的最小时间和最大时间&#xff0c;然后计算两个时间中的月份数量&#xff0c;最后根据开始年月循环算出所有需…

Spring事务管理

一、事务的基本概念 事务是一系列的操作&#xff0c;它们要么全部完成&#xff0c;要么全部不完成&#xff0c;是一个不可分割的工作单位。事务的处理必须满足其四个基本特性&#xff0c;即原子性&#xff08;Atomicity&#xff09;、一致性&#xff08;Consistency&#xff0…

软件测试的基本概念

目录 1.测试需求 2.测试用例的概念 3.bug 4.软件生命周期 4.1需求分析 4.2计划 4.3编码 4.4测试 4.5运行维护 5.测试模型 5.1敏捷开发模型 5.2scrume 5.3测试模型 5.4w模型(双v模型) 6.软件测试的生命周期 7.BUG的描述和定义 8.如何定义bug的级别 9.BUG的…

机器学习——线性回归

机器学习——线性回归 文章目录 机器学习——线性回归一、什么是线性回归二、一元线性回归方程三、损失函数四、代码实现五、运用说明 一、什么是线性回归 线性回归是一种用来建立自变量和因变量之间线性关系的统计分析方法&#xff0c;也是机器学习中最常见、最容易理解的一个…

Java面试篇【RabbitMQ】常见面试题(2024最新)

RabbitMQ 1.为什么使用MQ?优点是什么 因为MQ可以异步处理&#xff0c;提高系统吞吐量。 应用解耦&#xff0c;系统之间可以通过消息通信&#xff0c;不关心其他系统的处理。 流量削峰&#xff0c;可以通过消息队列的长度&#xff0c;控制请求量。可以缓解短时间内的高并发请…

无线电信号及其分类

有线与无线通信 通信&#xff1a;指信息的交流与传递。 有线通信&#xff1a;用导向性传输媒体&#xff0c;即信息流沿着固体媒体传播。 例如电报、座机都是沿导线传送信号。 无线通信&#xff1a;用非导向性传输媒体&#xff0c;即在自由空间中被传播。分为红外线、电磁波等…

TCP/IP超全笔记 - TCP篇

TCP/IP超全笔记 - TCP篇 什么是 TCP TCP&#xff08;Transmission Control Protocol&#xff0c;传输控制协议&#xff09;是一种面向连接的、可靠的、基于字节流的传输层通信协议。 面向连接&#xff1a;一对一&#xff0c;先连接&#xff0c;再传输数据可靠交付&#xff1a;…