《8[1].试验设计初步(课件)剖析》由会员分享，可在线阅读，更多相关《8[1].试验设计初步(课件)剖析（17页珍藏版）》请在金锄头文库上搜索。
1、,试验设计初步,完全随机化设计 随机化区组设计 因子设计,试验设计与方差分析,完全随机化设计,完全随机化设计 (completely randomized design),“处理”被随机地指派给试验单元的一种设计 “处理”是指可控制的因素的各个水平 “试验单元(experiment unit)”是接受“处理”的对象或实体 在试验性研究中，感兴趣的变量是明确规定的，因此，研究中的一个或多个因素可以被控制，使得数据可以按照因素如何影响变量来获取 对完全随机化设计的数据采用单因素方差分析 每个处理下的试验单元（重复数）相同，称为平衡设计，否则称为不平衡设计。,完全随机化设计 (例题分析),【例】一家
2、种业开发股份公司研究出三个新的小麦品种：品种1、品种2、品种3。为研究不同品种对产量的影响，需要选择一些地块，在每个地块种上不同的品种，然后获得产量数据进行分析。这一过程就是试验设计的过程 这里的“小麦品种”就是试验因子或因素，品种1、品种2、品种3就是因子的三个不同水平，称为处理 假定选取3个面积相同的地块，这里的“地块”就是接受处理的对象或实体，称为试验单元 将每个品种随机地指派给其中的一个地块，这一过程就是随机化设计过程,完全随机化设计 (例题分析),试验数据：,完全随机化设计 (例题分析),方差分析：,完全随机化设计 (completely randomized design),若因素
3、的各个水平是确定的，称为固定效应模型 固定效应模型与单因子方差分析模型在方差分析上是相同的 在单因子试验中，若因子A的r个水平是从很多个水平中随机选取的，则称因子A为随机因子。此时对随机因子的实验结果所做的统计推断不仅限于随机选出的r个水平间的差异，而是通过这r个水平认识随机因子全部水平间的差异。 称此为随机效应模型，也称为方差分量模型。 随机效应模型与固定效应模型的差别表现在假设上。,随机化区组设计,随机化区组设计 (randomized block design),先按一定规则将试验单元划分为若干同质组，称为“区组(Block)” 再将各种处理随机地指派给各个区组 比如在上面的例子中，首先
4、根据土壤的好坏分成几个区组，假定分成四个区组：区组1、区组2、区组3、区组4，每个区组中有三个地块 在每个区组内的三个地块以抽签方式决定所种的小麦品种 分组后再将每个品种（处理）随机地指派给每一个区组的设计就是随机化区组设计 试验数据采用无重复双因素方差分析,随机化区组设计 (例题分析),试验数据：,随机化区组设计 (例题分析),方差分析：,因子设计,因子设计 (factorial design),感兴趣的因素有两个 如：小麦品种和施肥方式 假定有甲、乙两种施肥方式，这样三个小麦品种和两种施肥方式的搭配共有32=6种。如果我们选择30个地块进行实验，每一种搭配可以做5次试验，也就是每个品种(处
5、理)的样本容量为5，即相当于每个品种(处理)重复做了5次试验 考虑两个因素(可推广到多个因素)的不同水平搭配试验设计称为（全）因子设计 该设计主要用于分析两个（多个）因素及其交互作用对试验结果的影响 两个因子时，试验数据采用可重复双因素方差分析,因子设计 (例题分析),试验数据：,因子设计 (例题分析),方差分析：,因子设计 (factorial design),当因子数比较多时，全因子设计无疑工作量会很大，如：10个因子，每个因子取两个水平，就有210=1024个不同的水平组合，如每个水平组合只做一次试验，也要1024个试验。若考虑交互作用的话，试验次数会更多。 在多因子情况下，可以采用各种试验设计方法减少实验次数，常用的试验设计方法有：正交设计、参数设计、回归设计、均匀设计、混料设计等。,
