最簡單的正交試驗教程,一次性搞懂它!

2020-12-05 SPSSAU

大家好,今天要分享的是正交試驗設計與結果檢驗過程。

正交試驗設計時試驗優化的常用技術。它可以通過科學合理地設計,達到用較少的試驗次數,取得較為準確可靠的結果。

正交試驗設計一般包括以下幾步:

①確定研究因素和指標水平;②製作成正交試驗表格;③實施試驗;④試驗結果分析

用一個例子來說明,某網站推出了不同規格的電腦,想了解哪種方案銷售量最好。

在不使用正交表的情況下進行測試,嘗試所有可能的方案總共3×3×3=27種。這樣做當然可以,但是出於時間、成本的考慮,不能把每種情況都實現,那有沒有更省時高效的方案呢?

①確定因素和水平

因素是指作為研究對象的參數或指標。水平是一個因素的可取值的。例如,性別有兩個取值,即男性和女性,因此有兩個水平。

從上面的表格中可知,本次試驗共確定3個因素分別是尺寸、顏色、價格。各因素確定如下:

②製作成正交試驗表格

進入SPSSAU系統,選擇【實驗/醫學研究】--【正交實驗】。

SPSSAU正交試驗

正交設計表

通過正交設計我們將27種方案減少至9種,可以極大簡化試驗次數。

*特別說明

正交表有很多種,但是通常都會使用符號Ln來表示。L是正交表的符號,N是實驗次數。

比如,L4.2.3,代表著需要做4次試驗,2水平的因素共有3個。

再如,L8.2.4.4.1,代表著需要做8次試驗,2水平的因素有4個;4水平的因素有1個。

如果在【自動生成正交表】沒有匹配的正交表,可以在【自選正交表】中選擇,包括下拉選擇常用正交表,以及輸入正交表ID查看更多正交表。

③實施實驗

選定正交表,將試驗因素與各因素水平,代入正交表中。按設計的試驗方案進行試驗。

④試驗結果分析

得到試驗結果後,將試驗數據填入表格,上傳到SPSSAU系統中進行分析。

選擇【進階方法】--【三因素方差】,進行分析。

三因素方差分析結果-SPSSAU

結果顯示,價格因素是影響銷量的核心因素,顏色次之,尺寸影響最小。

同時,可使用[通用方法]--[方差]查看各因素不同水平的對比結果及趨勢圖。

各因素趨勢圖

通過對比趨勢圖,可以得出以下結論:定價在3500元時銷售量最好,尺寸為L最好,顏色為黑色時最好。

綜合考慮,最佳組合方案為價格3500元、尺寸L、顏色為黑色。

其他說明

有可能得到正交表完成實驗數據後,進行後續方差分析,無法進行交互作用的研究,此類情況需要提前預防。

以上就是本次分享的內容,更多統計教程可查看往期推文。

相關焦點

  • 預製艙起吊梁的正交試驗設計
    牛勇強1 劉增強2 楊 寧1 王 偉2 呂勁松21 許繼電氣股份有限公司 許昌 461000 2 許繼電源有限公司 許昌 461000摘 要:針對預製艙起吊梁設計中主梁結構形式、起吊板厚度和加強板厚度等因素組合問題,基於交試驗方法設計了9 個最有代表性的試驗方案,採用極差法和方差法對試驗結果進行分析,優選出使起吊梁Mises 等效應力和結構變形達到最小因素水平的最優組合方案
  • 正交試驗設計法在RFID系統性能測試中的運用
    如果採用多因素完全方案進行實驗,可以得出不同因素之間的不同效應,如:簡單效應、主效應和交互效應。然而,因素量和因素水平一旦非常多,試驗的次數將急劇增多,這給研究帶來了極大的工作量,多次實驗也容易造成大量原料的浪費,因此該方案在因素量多的情況下不可取。
  • Excel二元二次多項式回歸模型的最優正交試驗設計原理及應用
    二次回歸正交設計是指回歸模型中包括常數項、線性項、線性交互作用項及二次項的回歸正交設計。科研方法,常見有二元二次回歸正交設計,二次回歸旋轉正交設計等等,回歸正交設計的突出優點是可以用很少的處理組合得出完全實施試驗相同項數的回歸模型,計算過程極為簡單並已消除了回歸係數之間的相關性,統計性質得到了明顯改善。
  • Excel三因素三水平正交試驗方差分析原理解析及應用
    一、原理:1、算法1)單一水平正交表:Ln(m^k),n=k*(m-1)+1,即觀察數=因素*(水平-1)+12)混合水平正交表:^k1m2^k2...mi^ki),n=k1*(m1-1)+k2*(m2-1)+…+ki*(mi-1)+12、極差分析3、方差分析4、分析步驟1)因素水平表2)正交實驗設計與結果分析表
  • 一次性紙杯做手工 牆面裝飾太陽花向日葵簡單紙杯手工小製作
    牆面裝飾太陽花向日葵簡單紙杯手工小製作現在很多家庭都會常備一次性紙杯以便招待客人,為了衛生,這些紙杯用過一次以後就會被丟掉,日積月累地這也是很客觀的一種資源耗費。竅門天下這次要介紹的一個廢物利用小技巧,就是回收利用廢舊的一次性紙杯,把它們做成可以裝飾美化我們室內牆壁的特別裝飾物。一次性紙杯做手工步驟圖解 生活中不缺少美,只是我們的眼睛近視了,神經麻木了而已。 這樣的我們也應該算半個殘疾人吧。 那些細微的美麗,時時刻刻溫暖我們的心靈。 紙杯花開,你感受到戶外的陽光了嗎?一次性紙杯改造步驟很簡單:1.紙杯若干。
  • 正交實驗下的固液耦合相似材料研究
    原標題:基於正交試驗的固液耦合相似材料研究摘 要:為了研究礦井突水演化規律,通過正交試驗研製出一種能同時滿足固體力學與水理性的固液 耦合相似材料,該相似材料以河沙為骨料、水泥和大白粉為膠結劑2 正交試驗設計及試件製作2.1 正交試驗方案設計正交試驗是研究多因素的試驗方法,從全面試驗中選出有代表性的點,使試驗點分散均勻,從而達到高效、減少試驗次數的目的 。
  • 工藝開發、查找問題的根源,田口正交實驗法是必備工具之一!
    今天,科學君會專門發一篇文章帶來大家認識Taguchi正交實驗法。提到正交實驗法,就不得不提它的創立者田口玄一博士。田口玄一(Genichi Taguchi)博士是享譽全球的質量大師,品管界大概無人不知這位大名鼎鼎的田口博士。他創造了田口方法(Taguchi Method),為品質工程的奠基者。
  • Excel四因素二水平正交實驗方差分析直觀分析極差分析
    正交實驗方差分析,研究多因素多水平的一種設計方法,它是根據正交性從全面試驗中挑選出部分有代表性的點進行試驗,這些有代表性的點具備了「均勻分散,齊整可比」的特點,正交試驗設計是分式析因設計的主要方法,是一種高效率、快速、經濟的實驗設計方法。
  • 怎麼畫臉部簡筆畫 - 最簡單的人臉簡筆畫教程
    臉部有五官中的眼、眉、口、鼻以及腮組成,是一個人外貌特徵最顯著的標誌,也是辨認人的身份的重要根據。這個教程將向大家展示如何畫臉部簡筆畫。好了,小朋們有沒有發現,臉部的簡筆畫其實很簡單。那現在就跟著我一起繪製臉部的簡筆畫吧!第一步:首先畫一對大致對稱的眼眶。第二步:在眼眶裡畫瞳孔,瞳孔中間可留有一點空白表示眼珠的光澤。第三步:畫眼睫毛,包括上睫毛和下睫毛。
  • 最全南方CASS專題:測繪全套教程+插件匯總打包,限時分享3天
    它是基於CAD平臺開發的一套軟體系統,集地形、地籍、空間數據建庫、工程應用、土石方算量等功能為一體。這份CASS測繪全系列教程和全套測量自動計算表,非常實用,直接輸入參數就可快速得出結果。還有各種測量程序VB,全系列教程繪圖也不再求人,提高效率超級實用。
  • 奇異值、奇異矩陣、SVD分解、正交矩陣
    但是今天覺得不放心,跑到變量裡面看了下,發現這個大的矩陣被分解成了三個10000*6,6*6,400*6大小的矩陣的乘積,而不是普通的svd分解得到的10000*10000,10000*400,400*400大小的矩陣乘積,把我嚇了一跳,都得到預期的結果,難不成這裡還出個簍子?
  • 可靠性試驗,5種設計方法,1文看懂
    它不僅能識別單個因素影響,而且能識別多個因子的交互影響。DOE通過安排最經濟的試驗次數來進行試驗,以確認各種因素X對輸出Y的影響程度,並且找出能達成品質最佳因子組合。DOE是進行產品和過程改進最有效的強大武器!
  • 正交矩陣和Gram-Schmidt正交化
    格拉姆-施密特正交化法這個方法聽著挺牛的,其實非常簡單,直接看個例題就明白了。在此之前呢,我們先複習一個知識點——有關投影的。看上圖,假設有a和b兩個向量,b往a上投影的p是多少呢?下面我們就求一下規範正交基。怎麼求呢?很簡單,就是先選其中一個向量;然後讓第二個向量投影到第一個向量,取正交的部分e;接著第三個向量投影到第一和第二個向量上,取正交的部分,以此類推。。。。
  • (大綜合)矩陣方法與線性變換方法證實(反)對稱矩陣的正交對角化
    實對稱矩陣正交相似與對角矩陣, 這是高代中最簡單也是最重要的結果. 它的證明可以用矩陣的方法, 也可以用線性變換的語言.
  • 美麗的鳳尾蝶摺紙教程,最簡單的蝴蝶摺紙之一
    鳳蝶科是蝴蝶中最引人喜愛的類群,因為它們的體形很大,所以翅膀也是很大的非常的漂亮。蝴蝶是很多詩人、畫家描敘的主要對象,在這些詩詞歌詠、美好傳說等文化內容中描寫鳳尾蝶的是最為豐富的。小編今天就給大家帶來了這款非常好看的鳳尾蝶摺紙教程,折法很簡單相信大家都能學會的。
  • 小火苗的畫法 - 簡單的火焰簡筆畫教程
    這個教程將向大家展示如何畫火焰簡筆畫。在開始作畫之前讓我們看看下面這張完整的火焰簡筆畫。好了,小朋們有沒有發現,火焰簡筆畫其實很簡單。那現在就跟著我一起繪製火焰的簡筆畫吧!第一步:首先畫一根S形的曲線。這是一團火焰的一邊。
  • Keras入門系列教程:兩分鐘構建你的第一個神經網絡模型
    本教程由深度學習中文社區(Studydl.com)持續發布與更新, 本系列其餘教程地址見文章末尾.最常見的模型類型是一個叫做序貫模型的疊加層:tf.keras.Sequential模型。layers.Dense(64, kernel_regularizer=keras.regularizers.l1(0.01))# 一個偏差向量使用正則化因子為0.01的L2正則項的全連接層layers.Dense(64, bias_regularizer=keras.regularizers.l2(0.01))# 一個使用隨機正交矩陣初始化
  • 生信小工具:Orthofinder使用教程
    最近Orthofinder2開始陸續更新,文章已經投發到biorxiv上,在網上搜了一圈,關於Orthofinder的使用的中文教程幾乎是空白的
  • 為什麼DOE試驗設計被日本奉為「國寶」?
    試驗設計(DOE)是20世紀初出現的一種科學試驗方法論,可以實現低成本、高質量的穩健性設計,適用於絕大多數研發機構或企業。實際上,DOE試驗設計綜合了古中國的變化分析和古希臘的邏輯分析,一方面需建立明確、簡潔的數理關係,另一方面還需分析隨機因素引入的變化--試驗誤差。
  • 從此, 實對稱矩陣, 實反稱矩陣, 正交矩陣殊途同歸
    今天, 揚哥用實對稱矩陣、正交矩陣、實反稱矩陣的正交相似標準形來送別八月, 送別暑期.