《试验设计概述》PPT课件.ppt

《《试验设计概述》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《试验设计概述》PPT课件.ppt（63页珍藏版）》请在三一办公上搜索。

1、第一章 试验设计概述,1.1 试验设计的发展历程1.2 试验设计的基本概念1.3 试验设计的类型1.4 试验中的误差1.5 试验设计的基本原则1.6 有效数字1.7 异常数据的处理1.8 试验设计的阶段1.9 试验方案的制定和实施,2,1.1 试验设计的发展历程,试验设计是20世纪20年代，由英国生物统计学家费舍尔（Ronald Aylmer Fisher，18901962）所创立的。,试验设计（Design of Experiments）源于农业试验，是数理统计学的一个分支，是科学试验和统计分析方法相互交叉形成的一门学科。,1.1 试验设计的发展历程,他在研究工作中的统计方法一书中提出了“试

2、验设计”的概念和方差分析方法，并将其应用于农业和生物学试验，取得了巨大的成功，大大推动了生物统计学的发展。因此，费舍尔被称为试验设计的奠基人。他在1935年出版了试验设计（The Design of Experiment）一书，标志着“试验设计”的诞生。其后又有许多学者也进行了大量的开拓性工作，产生了很多新的试验设计方法。,1.1 试验设计的发展历程,第二次世界大战中，美国的军工企业开始使用试验设计方法。,20世纪30年代，英国的纺织业中也开始使用试验设计方法。,二战以后，美国和欧洲的机械、化工和电子等众多行业纷纷使用试验设计方法，试验设计已经成为理、工、农、医等各个领域、各类试验通用的技术和

3、方法。,1.1 试验设计的发展历程,有人夸张地说，日本二战后工业和经济的飞速发展，“试验设计”占有很大的“功劳”。,20世纪50年代，日本统计学家田口玄一（G.Taguchi）创立了正交试验设计，应用于工业生产，并为正交试验设计的推广和应用做出了巨大的贡献。,田口博士曾经说过，不懂试验设计的工程师只能算半个工程师。,1.1 试验设计的发展历程,在正交试验设计领域，国内学者创立了简单易学、行之有效的正交试验设计方法，编制了一套适用的正交表。,我国于20世纪50年代前后开始研究“试验设计”这门学科，1948年范福仁先生在国内出版了田间试验设计与分析一书。,1978年王元教授和方开泰教授创立了均匀设

4、计方法，已经应用在了国内外的多个行业，并取得了很多成果。,1.1 试验设计的发展历程,王元,方开泰,1.1 试验设计的发展历程,如：SAS、SPSS、Stata、Minitab、Design-Experts、R、Lingo等，使试验设计和统计分析工作简单易行。,近些年来，随着计算机技术的发展，出现了各种针对试验设计和数据分析的统计分析软件。,同时，计算机技术也反过来极大地促进了试验设计和统计分析学科的发展。,1.1 试验设计的发展历程,不同的试验设计方法通常对应着不同的统计分析方法，不做试验设计就安排试验，试验误差很难控制，试验方法也不科学，得到的试验数据通常很难进行有效的统计分析，科学研究的

5、效率很低。,现今，试验设计已经得到了广泛地发展与完善，统计学家和各领域的科研工作者一起发现了很多非常有效的试验设计方法，试验设计也在众多的科研领域发挥着巨大的作用。,1.1 试验设计的发展历程,一个良好的试验设计就等于试验成功了一半！,进行试验设计可以多、快、好、省的进行科学试验。,试验设计方法是一项通用的技术，是当代科技和工程技术人员必须掌握的技术和方法。,良好试验设计可以最大限度的排除各种非试验因素的干扰，提高科学试验的效率和精确度。,1.1 试验设计的发展历程,试验设计的两大流派,西方流派：以美国为首的欧美学者着重试验设计方法在数学理论上的严密性，在应用条件上较为严苛，过于理想化，试验效

6、率较低，实用性较差。,东方流派：以中国和日本为首的亚洲学者着重试验设计方法的应用效率和效果，在应用条件上较为宽松，着眼实际应用，试验效率较高，实用性很强。,1.2 试验设计的基本概念,定义：目的在于回答一个或几个精心设计的问题的实践活动，称为试验，又称实验。,1.2.1 试验（Experiment）,试验和实验都对应着一个英语词Experiment，严格地讲，试验和实验还是有区别的：试验意为对未知的方法和结论去探索和研究；实验意为对已知的方法和结论去进行验证。有时，在科学研究领域通常不加以区分，都指对未知事物的探索和研究。,1.2 试验设计的基本概念,定义：在明确所要考察的因子及研究目的后，对

7、试验进行科学合理的安排，以达到最佳的试验效果，称为试验设计，又称实验设计。,1.2.2 试验设计（DOE，Design of Experiments）,试验设计是试验过程的依据，是试验数据处理的前提，也是提高科学研究水平的一种重要技术手段和方法。试验设计和试验结果数据的统计分析是密切相关的，只有按照科学的试验设计方法得到的试验数据才能进行科学的统计分析，才能得到正确、客观的分析结论。,14,1.2 试验设计的基本概念,试验设计的目的是避免系统误差，控制、降低试验误差，无偏估计处理效应，从而对样本所在总体作出可靠、正确的推断。一个科学而完善的试验设计，能够合理地安排各种试验因子，严格地控制试验误

8、差，而且能够有效地分析试验数据，从而用较少的人力、物力、财力和时间最大限度地获取丰富而可靠的试验资料和科研成果。反之，如果试验设计存在缺陷，就必然会造成不必要的浪费，乃至不可挽回的损失，大大降低研究结果的价值。,1.2 试验设计的基本概念,定义：用于衡量或考核试验效果的特性值称为试验指标，又称响应变量（Response Variable）。,1.2.3 试验指标,试验指标分为两类：定量指标和定性指标。试验结果能够以数值表示的指标为定量指标，如：作物的株高、茎围、产量、动物的体重、蛋白质的含量等。试验结果呈现属性变化，不能用测量或称量的方法表示，而只能按类别和等级来表示的指标为定性指标，如：种子

9、的发芽与否、花的颜色、药物的疗效、风害程度等。,1.2 试验设计的基本概念,1.2.3 试验指标,由于定量指标含有丰富的信息，所以试验设计中要尽量选用定量指标，不得已时才选用定性指标。,只有一个试验指标的统计分析方法称为一元统计分析或单变元统计分析，含有两个或两个以上试验指标的统计分析方法称为多元统计分析。,例：某地大豆增产试验中，考察氮肥施加量对大豆产量的影响，每试验小区的施氮肥量分别为0、1、2、3。这个试验里大豆的产量就是试验指标。,1.2 试验设计的基本概念,定义：试验所用的试验材料称为试验对象，也叫受试对象。,1.2.4 试验对象,试验对象的选择的合适与否直接关系到试验的难度，以及他

10、人对试验新颖性和创新性的评价。试验所需的试验材料的选取应该具有最大的代表性，避免以偏概全。如上例大豆增产试验中，大豆就是试验对象。,18,1.2 试验设计的基本概念,定义：对试验指标产生影响，在试验中需加以考虑的试验条件称为试验因子，简称因子或因素。,1.2.5 试验因子（Factor）,只有一个试验因子的试验称为单因子试验，包含两个或两个以上试验因子的试验称为复因子试验，或称为多因子试验。在上面的大豆增产试验中，施加的氮肥就是影响大豆产量的试验因子。试验因子的数量，试验因子数不要太多，以免试验设计过于复杂，以至于试验难以完成。,19,1.2 试验设计的基本概念,1.2.5 试验因子（Fact

11、or）,需要注意的是，影响实验结果的因子数往往很多，但在试验时仅能挑选出一部分重要的可控因子进行试验。试验因子的挑选：首先，可以借鉴已有试验的结果或根据经验进行选择；其次，可以依据专业背景知识进行选择；最后，可以将试验分为不同的阶段进行，在试验的初级阶段进行探索性试验，从中挑选出主要的试验因子，然后在做进一步的高级阶段的试验。,1.2 试验设计的基本概念,定义：在安排试验时，每个试验因子的不同状态取值或具体措施称为该因子的水平。,1.2.6 水平（Level）,因子的水平有定量水平和定性水平，如果因子的水平以量化的形式来表示，则该因子的水平为定量水平；如果因子的水平以类别的形式来表示，则该因子

12、的水平为定性水平。在上面的大豆增产试验中，试验共有四种施氮肥的量0、1、2、3，施肥这个因子共有四个水平，为定量水平。再如，不同的玉米品种的产量比较试验，不同的玉米品种就是定性水平。,1.2 试验设计的基本概念,1.2.6 水平（Level）,确定因子的各个水平时，既要根据实验目的和实践经验来确定，又要考虑到因子的水平数对试验处理数的影响。试验处理数过少则试验的精确度低，试验处理数过多则又难以实现。因子水平数一般取为25。比如，某三因子五水平的试验，不考虑重复（一次重复）的一个完全试验，处理数就达到125个，试验处理数就可能多到难以完成。定量水平的间距过小，容易掩盖不同水平间的差异；水平间距过

13、大，则可能遗漏一些试验效应。,1.2 试验设计的基本概念,定义：按照试验因子的给定水平对试验对象所做的操作称为处理。,1.2.7 处理（Treatment）,在单因子试验中，该因子的每一个水平的实施就是一个处理；在复因子试验中，各个因子的任一水平的所组成的组合称为一个处理，或称处理组合。如在上面的大豆增产试验中，每一种施加氮肥量的水平所做的施肥操作就成为一个处理。,23,1.2 试验设计的基本概念,定义：对照是指在比较试验中设置不施加需要考察的试验条件的处理，用于鉴别和区分真正要考察的试验处理。,1.2.8 对照（Control）,俗话说有比较才能有鉴别，对照是比较的基础。对照也是一种处理，安

14、排试验时应与其它处理的试验条件相同，在统计分析中作为试验因素的一个水平。对照的种类很多，可以根据研究的目的、对象和内容进行设置。,24,1.2 试验设计的基本概念,1.空白对照对照组不施加任何处理因素。这种方法简单易行，但在动物或医学试验中，容易引起对照组和试验组的动物在情绪上的差异，从而影响试验效应的测定。2.试验（条件）对照对照组不施加任何处理因素，但施加与处理组相同的试验条件。凡是对试验效应产生影响的试验条件，都应该采用这种方法。如考察某种注射药剂对试验动物的作用，对照组的动物也要注射相同剂量的生理盐水。,25,1.2 试验设计的基本概念,3.标准对照用现有的国家、行业标准或大家公认的常

15、规量作为对照。4.自身对照对照和处理在同一试验对象上进行，即对同一个试验对象施加某种处理前的试验效应作为施加处理后的对照。在动物或医学试验中常用，这种对照的试验条件一本比较均匀，试验误差较小。,26,1.2 试验设计的基本概念,5.相互对照有些试验中不单独设置或不适宜对照组，各处理之间相互比较，即相互作为对照。6.历史对照/中外对照用试验结果与历史上或国外同类试验结果相比较，这种比较由于组间均匀性差，一般不宜采用。,1.3 试验设计的类型,根据不同的试验目的和方式，试验设计可以划分成以下三种类型。,1.比较试验 比较试验的目的是对一种或几种处理的试验效果进行对比检验。比如t检验和方差分析的应用

16、，用于某作物品种比较，新开发的品种与原有品种比较是否有增产效果等。,1.3 试验设计的类型,优化试验的目的是高效率地找出试验问题的最佳工艺条件。比如，回归设计和均匀设计等的应用，就是在科研或生产中找到一个最佳工艺条件，以达到提高产量、增加产量和降低成本的目的。,2.优化试验,1.3 试验设计的类型,验证试验的目的是验证一种科学推断的准确性或对已有的科研结果进行重复验证。比如，1996年，英国学者威尔穆特等人培育出克隆羊“多利”后，其他学者纷纷做验证试验，愈来愈多的类似试验宣告成功。,3.验证试验,1.4 试验中的误差,在科学试验中，由受到试验因子之外的其它因素的影响，试验所得到的观测值与真实值

17、之间总存在一定的误差，简称试验误差。按其性质可分为系统误差、过失误差和随机误差。,31,1.4 试验中的误差,1.系统误差系统误差是由于某种试验条件下的一些比较确定的干扰因素所引起的误差，它具有规律性，有一定的方向或趋势，系统误差可以校正和消除。如：某作物不同品种的产量比较试验，土地的肥沃程度不同即会造成系统误差。2.过失误差过失误差是由于试验人员粗心大意，过度疲劳或操作不正确等所造成的误差。例如，读错数据、记录错误等。只要试验人员认真、细心操作，过失误差是可以避免和消除。,32,1.4 试验中的误差,3.随机误差随机误差是由于试验中除试验因子之外的一些无法加以控制的干扰因素所造成的误差，随机

18、误差具有随机性，没有一定趋势或规律，难以避免和不可消除。在一次试验中，随机误差完全是随机的，但在多次试验中，随机误差又具有一定的规律，它服从均值为零正态分布N(0,2)。,33,1.4 试验中的误差,在一般的科学试验中，试验误差除去系统误差和过失误差后，所剩下的就是主要分析和研究的随机误差，有时简称误差。随机误差的标准差是度量随机误差大小的统计尺度，小误差就小，这说明试验组织实施得很好，控制得很好；大误差就大，这说明干扰因子过大，要努力改进试验的实施，降低试验误差；如果过大，可能会使试验误差掩盖由可控因子引起的影响，致使试验失败。,34,1.5 试验设计的基本原则,为了减少或降低试验误差，正确

19、的估计试验误差，提高试验的准确性和精度，需要遵循重复、随机化和区组（局部控制）三个基本原则。,1.重复（Replication）重复是指一个试验处理在相同条件下进行若干次独立的重复试验。各处理的重复数相等时称为平衡设计；各处理的重复数不等时成为不平衡设计。重复测量所指的重复不是试验设计意义上的重复，如：一个试验处理的多次测量值和一个处理不同试验周期的测量值，这些测量值不独立。,35,1.5 试验设计的基本原则,重复的作用（1）估计试验误差 试验误差是客观存在的，但只有通过一个处理的重复试验才能得到估计，如果在一个处理上有n次重复，则试验指标的实测值 y 和真实值之间的试验误差服从正态分布N(0

20、,2)。则的估计：,36,1.5 试验设计的基本原则,重复的作用（2）降低试验误差 重复是降低试验误差、提高试验结果精确度的一个重要方法，统计学已经证明误差与重复次数的平方根成反比，适当的增加重复可以减少误差。（3）增强代表性 一次试验的结果，很可能带有偶然性，增加重复数可以扩大试验的代表性，可以更广泛地认识试验的影响与适应范围。,37,1.5 试验设计的基本原则,2.区组（Block）又称局部控制（Local Control）区组是对试验条件的不均匀性，人为地把时间、空间、试验材料和试验设备等试验条件划分成若干个区组。使区组内的试验条件相同或者相近，而区组之间允许存在较大的差异。区组也是影响

21、试验指标的因素，但并不是真正要研究、考察的因素，因此也称非试验因素。区组能够分离非试验因素引起的变异，进而减少试验误差，提高试验的精确度，保证分析结果的正确性。,38,1.5 试验设计的基本原则,2.区组（Block）又称局部控制（Local Control）通常情况下，一个区组当中应该安排所有的试验处理（组合），一个区组就可以看作一次重复，安排几个区组就相当于安排了几次重复，只不过是各次重复之间可能存在一些试验条件上的差异而已。区组的作用：减少试验误差。,39,1.5 试验设计的基本原则,3.随机化（Randomization）随机化是指试验中任何一个处理都随机地安排在任何一个试验单元上，即

22、试验所用的仪器、试验材料、试验操作人员以及试验单元的次序也要随机地确定。随机化能使各试验结果相互独立，有效的降低系统误差。随机化的作用：正确的估计试验误差。随机化的方法常用的主要有：随机数表法、计算机生成随机数法和抽签法。,40,1.5 试验设计的基本原则,低,高,例如：品种比较试验，四个品种，三次重复。,这样安排比较合理吗？,41,1.5 试验设计的基本原则,低,高,有了重复和局部控制,但顺序排列不随机化,42,1.5 试验设计的基本原则,低,高,完全贯彻了三大原则,比较合理,43,1.5 试验设计的基本原则,综上所述，试验设计三个基本原则的关系和作用如下图所示：,重 复,估计误差,随机化,

23、区组控制,减少误差,提高试验精确性,44,1.6 有效数字,1.有效位数一个有效数字的有效位数指的是最高位数字不为零的位数。人们在进行科学试验时，需要把测试数据记录下来并进行整理计算。究竟应该用几位数字表示所测得的数据和结果呢？有人误认为小数点后的位数越多越准确。其实不然，小数点后的位数不是准确性的标准，因为它除了测量精度以外还与所采用的单位大小有关。例如170.5cm与1.705m的准确性是一样的。,45,1.6 有效数字,由于测量仪表的精度与试验观测者感官功能的限制，测量的准确度是有限的。因而，在试验过程中结果位数超出了测量所能达到的准确度的限度，数据的精度将是虚假的。相反，若写出数字的位

24、数低于测得据的位数时，将降低数据的精确度。试验数据有效位数的确定的正确作法是，除最末一位数字为测量时的可疑值或估计值外，其余各位数字都是准确可靠的，通常最末一位可疑数字上下可以有一个单位的误差，这样的数字才称作有效数字。,46,1.6 有效数字,例如，测长用的钢尺最小刻度为1mm，当用钢尺测量某一物体长度为11.5mm时，前两位数字是准确的，而第三位是估计值，但也是有效数字。此时，该数称作三位有效数字。试验数据有效位数的确定的正确作法是：除最末一位数字为测量时的可疑值或估计值外，其余各位数字都是准确可靠的。通常最末一位可疑数字上下可以有一个单位的误差，这样的数字才称作有效数字。,47,1.6

25、有效数字,2.舍入法则一个数值如5.337，若保留两位有效数字，则常是把第三位的数（此为3），按古典的“四舍五入”法则进行处理，故舍去3，而得5.3。设某一数值要保留n位有效位，则按古典的“四舍五入”法则对第n+1位的数进行处理。无论进位或舍弃，都必然会带来舍入误差，第n+1位数及其相应的舍入误差。我们把舍入误差制作成下面的表格。,48,1.6 有效数字,舍入误差，是一个离散型的随机变量。用大写字母X表示。第n+1位的数可能取值为09，这十个数值可能出现的概率都是相等的，都是0.1。因此，古典的“四舍五入”法则的舍入误差的期望值x为：,49,1.6 有效数字,可以看出，古典的“四舍五入”法则并

26、不具有所期望的性质。当第n+1位出现了除5以外的其它数字时，其舍入误差在很多次实践中都可以抵消。只是在第n+1位是5时，其舍入误差是5，无法相消。这就是古典“四舍五入”法则的症结所在。我国科学技术委员会2008年正式颁布了数学修约规则，通称为“四舍六入五单双”法则。概括说明如下：四舍六入五考虑，五后非零必进一。五后皆零视奇偶，五前为偶应舍去，五前为奇则进一。,50,1.6 有效数字,这一法则的具体运用，分述如下：1）若被舍弃的第一位数字小于5，则其前一位保持不变。如28.2345只取三位有效数字时，有效数字应为28.2。2）若被舍弃的第一位数字大子5，则其前一位数字加1。如28.2645只取三

27、位有效数字时，有效数字应为28.3。3）若被舍弃的第一位数字等于5，而其后数字全部为零，则视被保留的末位数字为奇数或偶数而定进或舍。如28.350及28.250，只取三位有效数字时，则分别应为28.4和28.2。,51,1.6 有效数字,4）若被舍弃的第一位数字为5，而其后面的数字并非全部为零，则进一。如28.2501,只取三位有效数字时，则进一，成为28.3。5）若被舍弃的数字包括几位数字时，不得对该数字连续修约，应一次处理。如2.154546，只取三位有效数字时，为2.15，不得连续进位至2.16。6）整数的修约也应遵照上述规则进行处理。如23438，只取三位有效数字时，则应为23400或

28、2.34104。7）负数修约时，取绝对值按照上述规定进行修约，最后再加上负号。,52,1.6 有效数字,3.有效数字的运算在测量过程中，对一次测量数据的有效数字位数，与所用仪器的精度相一致。然而，在多个有效数字的运算过程中，为了减少数据精度的损失，须遵循“先运算，后修约”的原则。1）在加减计算中，首先转化为量纲相同，运算结果所保留的小数点后的位数，应与参与运算各数中小数点后位数最少的相同。如：23.62+0.0083+1.643=25.2713，修约为25.27。,53,1.6 有效数字,2）在乘除计算中，运算结果的有效数位应与参与运算各数中有效数字最少的数位为准。如：0.012125.643

29、1.0578=0.3283）在乘方、开方运算中，运算结果的有效数位，应与其底数相同。如：2.42=5.84）在对数计算中，运算结果的有效数位应与其真数相同。如：ln6.84=1.925）在计算均值时，若为四个或多于四个数相平均，则平均数的有效位数可增加一位。,54,1.6 有效数字,6）对常数,e及 等的有效数字位数，可以根据需要确定有效位数。7）一般试验中，取24位有效数字就可以了。从有效数字的运算可以看出，每一个参与运算的数据对最终结果的精度的影响是不一样的，其中精度低的对数据的影响相对较大。所以在试验过程中，应尽量采用精度一致的仪器设备，一两个高精度的仪器无助于整个试验结果精度的提高。,

30、55,1.7 异常数据的处理,在试验中，由于受到人为因素和试验环境因素的影响，所获取的数据与实际值偏离很大，成为异常数据。对试验数据进行检查、鉴别异常数据是试验中的一项重要任务，至今仍未得到很好解决。对于异常数据的处理应该慎重，一般原则为：1.在试验过程中，若发现异常数据，应立即停止试验，分析异常数据产生的原因，及时纠正错误。2.在试验结束后，发现异常数据，应先分析异常数据产生的原因，在决定取舍，如有可能可以补做试验。,56,1.7 异常数据的处理,3.在分析结果时，可以统计判别法鉴别异常数据，对鉴别出的异常数据予以剔除。统计判别法的基本思想在于，给定一个置信概率(例如0.99)，并确定一个置

31、信限，凡超过此限的误差，就认为它不属随机误差范围，系属异常数据，应予剔除。现介绍几种鉴别异常数据的方法：,57,1.7 异常数据的处理,(1)拉依达准则如果实验数据服从正态分布或近似正态分布。和s分别表示数据的平均值和标准差，dp表示可疑数据xp与平均值之间的差值，在0.01水平下，则有：时应将xp作为异常数据予以剔除。拉依达准则比较适用于试验数据较多（n50）时使用。,58,1.7 异常数据的处理,(2)格拉布斯准则 表示数据的平均值，dp表示可疑数据xp与平均值之间的差值，在 水平下，则有：时应将xp作为异常数据予以剔除。式中 为格拉布斯临界值，可以查相关表得到。格拉布斯准则比较适用于试验

32、数据较少（n50）时使用。,59,1.7 异常数据的处理,(3)t检验准则设有n个试验数据，若认为测量值xp为可疑的数据，将其剔除后计算平均值和标准差。在 水平下，则有：时应将xp作为异常数据予以剔除。式中 为t检验临界值，可以查相关表得到。t检验准则比较适用于试验数据较少（n50）时使用。,60,1.8 试验设计的阶段,一般的试验可以由浅入深分为初级试验和高级试验两个阶段，对应的试验设计也分为初级试验设计和高级试验设计。1.初级试验设计阶段 这个阶段是对各种处理进行探索性试验，主要有对比试验和筛选试验等，目的在于在众多的处理中明确关键因子和优良水平。其特点是处理数多、重复数少、试验误差大、精

33、度低，仅适用于初步探索性研究。,61,1.8 试验设计的阶段,2.高级试验设计阶段 这个阶段是对各种处理进行比较精密的试验，主要有析因试验和优化试验等，以深入分析主要因子的效应、交互效应以及寻找最佳的试验条件。其特点是处理数少、重复数多、试验误差小、精度高，适用于深入的分析研究。,1.9 试验方案的制定与实施,根据研究的问题，确定研究的对象和目标，明确试验的目的与任务。试验指标一定要对研究的问题提供重要信息。选择试验因子及其水平，如果需要可先做主次因子的筛选试验。根据因子、水平及重复数，人力、物力、时间等因素选择合适的试验设计方案。按计划完成每一个试验，记录试验结果。对试验数据进行适当整理和统计分析，获得一些统计分析的结果。验证试验，确认无误时，再写出试验报告。,