正交设计,如何设计正交试验?

正交表头设计 Why 设计？如何设计 正交实验？我觉得很多论文分为两大步骤:第一，正交 设计1，进行正交 设计并给出后续实验方案。2.我不想做正交 设计，设计 正交实验中需要注意的事项正交实验设计关键在于实验因素的安排，正交 Experiment设计日本著名统计学家田口野一把正交Experiment选取的水平组合列为正交 Table。

我的实验是三因素三水平。如果我做正交，那就是九次实验(我做一次实验得到一个月的一组数据)。我觉得很多论文分为两大步骤:第一，正交 设计1，进行正交 设计并给出后续实验方案。2.按照正交 设计的实验方案进行实验(没有写过程，没有做图表，因为每个单因素的搭配都是随机的，所以无法画出图表分析)，只给出结果。3.根据实验结果，分析正交，得到各个单因素的影响。

就这样，我做了两次我的实验(虽然这两次实验的控制因子可能不同)。做了这么多实验什么时候毕业？我的问题是:有人说先用单因子确定正交 设计的因子水平比较方便。2.我不想做正交 设计。想通过简单的比较法直接得到最佳的实验方案，但是这样做出来的论文不够耀眼，感觉没有什么技术含量，和别人做的相比差距很大正交-1/。很头疼，决定不了方案。

正交Experiment设计当factorial 设计需要过多的实验时，从factorial 设计中选择一些有代表性的水平组合进行实验是非常自然的想法。于是，部分因子设计设计(部分因子设计)出现了，但对于知识较少的实际工作者来说，选择合适的部分因子设计设计仍然是困难的。正交Experiment设计(正交实验设计)是另一种设计研究多因素多水平的方法。根据正交从综合实验中选取一些有代表性的点进行实验。这些就是“统一性和可比性”的特点，正交Experiment设计是分数因式分解的主要方法设计。

日本著名统计学家田口野一在一张名为正交 table的表格中，列出了正交的横向组合。比如做一个三因素三水平的实验，按照综合实验的要求，必须进行3327个实验组合，还没有考虑每个组合的重复次数。如果按照L9(3)3 正交表安排实验，只需要9个实验，按照L18(3)7 正交表进行18个实验，显然大大减少了工作量。

正交test设计的关键在于测试因子的排列。通常在不考虑交互作用的情况下，可以自由排列正交 table每一列中的各个因子，只要不在同一列中排列两个因子即可(否则会出现混淆)。但在考虑交互作用时，会受到一定的限制，如果任意安排，会导致交互作用效果与其他效果混杂的情况。

一般强调这三个特点:随机性、分组性、重复性。一般来说，就是在相当多的可能影响Y的自变量中，确定哪些自变量X真正显著影响Y，如何改变这些自变量X或者如何设置这些自变量X的值，会使Y达到最优值。这个时候，我们可以使用的最重要的手段和工具就是计划和安排一批实验，严格按照计划在设定的条件下进行这些实验，获得新的数据，然后进行分析，获得我们需要的信息，从而找到改进的方法。

因素之间的交互作用图与测试结果不同。1.因素之间相互作用的示意图是不同的。如果因子A和因子B之间没有交互作用，那么因子A和因子B不同水平之间的交互作用曲线(虚线)应该是平行的。如果因子A和因子B之间存在交互作用，则因子A和因子B不同水平之间的交互作用曲线(虚线)应该是明显交叉或严重不平衡的。2.测试结果不一样。

日本著名统计学家田口野一将正交的横向组合制成表格，称为正交表。比如做一个三因素三水平的实验，按照综合实验的要求，必须进行3 ^ 327个实验组合，还没有考虑每个组合的重复次数。如果按照L9(3) 正交表安排实验，那么按照L18(3) 正交表只需要做9个实验和18个实验，显然大大减少了工作量。因此正交Experiment设计在很多领域得到了广泛的应用。

正交Experiment设计Method是研究和处理多因素实验的科学方法。它最早于20世纪20年代在英国罗伦斯特农业实验站产生(侯等，1985)，后由日本田口野一博士于50年代编制，60年代初从日本传入中国。它根据伽罗瓦理论导出的正交表，从大量的实验条件中选择合适的、有代表性的条件来合理安排实验，这就是国际标准正交实验方法。

下面只简单介绍第一个正交表，其一般符号可表示如下:在Ln(ji)中，L 正交表的符号；N 正交表中行数(实验或实验方案数)；j 正交表中的数字(因子的等级数或标度系列)；I 正交表中列数(实验因子数)。例如，一个工厂想提高某种产品的质量或产量，对过程中的三个主要因素在三个水平上进行实验(表5.1)，寻找最合适的操作条件。

使用L25(56) 设计 header。如图，123列为各因子等级的搭配方式，456列为空白栏，有25组实验，比如实验8是因子1第二水平，因子2第三水平，因子3第四水平的搭配。扩展数据的数据分析正交表实验完成，数据收集完毕后，将进行极差分析(也称方差分析)，极差分析就是认为在考虑因素A时，其他因素对结果的影响是均衡的，这样因素A的每一级的差异都是由因素A本身造成的。