全面试验设计之简介【DOC精选】.doc

全面试验设计法 在试验设计中，为了获得全面试验信息，对所选取的试验因素的所有水平组合全部实施一次以上，这种试验设计方法称为全面试验设计法或全面析因试验，它适用于要考察的因素和水平数都不太多的场合，主要用于单因素和双因素试验。对于多因素试验，用此法会使试验次数太多，试验工作量太大，因此常采用正交试验设计和均匀试验设计等方法。 5.1单因素全面试验设计法 一 、完全随机化试验设计（completely randomized design） 完全随机化单因素试验设计，是一种最基本、最简单的试验设计方法，它是将研究对象完全随机地分配于一个因素的各个水平组。 设因素A共m个水平，即A1、A2、……、Am，每个水平又重复r次，则总共要实施mr次试验。如果这mr个试验的实施顺序完全按随机原则确定，那么，这种试验设计方法就称为完全随机化单因素试验设计。在这种设计方法中，重复和随机化原则都得到了满足。 1、试验方案设计 例5-1 在无酒精啤酒的研究中为了解麦芽的浓度对发酵液中双乙酰生成量的影响，在发酵温度7(C、非糖比0.3、二氧化碳压力0.6kg/cm2和发酵时间6天的试验条件下，麦芽汁浓度（因素A）选三个水平（A1＝6％,A2 ＝10％,A3＝12％），每个水平重复5次，即m=3,r=5,进行完全随机化试验，寻因素A的最佳水平（发酵液中双乙酰含量越低越好）。 在本试验中，共进行mr=3×5=15次试验，试验顺序按完全随机化方法安排，常用的随机化方法有二种： （1）抽签法：准备15张纸签，A1、A2 和A3各写5张，充分混合，然后抽签决定试验顺序。 （2）随机数表法：从随机数表（见p328的附表6）上随机地抽取一个数字，从此开始往上下左右的任一方向读取15个两位数（如出现相同的两位数字，就跳过去，再往后多读一个两位数），然后再按从小到大顺序将这15个两位数依次编号，这个编号即为试验顺序号。 表5-1所列的是按随机数表法确定出的完全随机化单因素试验方案，所以顺序为A3A1 A3A3 A1A2 A3 A1A2 A1A2A1A2 A3 A2A1A2 2、试验结果分析 按照表5-1所确定的试验顺序进行试验，所得试验结果如表5-2所示。将表5-2的试验数据按第2章中的表2-2进行整理，此处省略整理过程，详细过程，作为课外作业去完成！ 表5-2 完全随机化单因素试验结果 水平 重复 1 2 3 4 5 平均 A1 0.27 0.28 0.26 0.28 0.25 0.268 A2 0.21 0.20 0.18 0.19 0.22 0.20 A3 0.32 0.34 0.30 0.32 0.31 0.318 本试验的目的是要了解A1, A2……Am之间是否有差异，如有差异，哪一个水平最好，为此，需对试验结果进行方差分析。可按第2章中介绍的单因素试验方差分析的方法进行。本例方差分析的结果见表5-3（详细过程，作为课外作业去完成！这样还可证明书上是否存在错误，因为书中的错误很多！） 表5-3 方差分析表 方差来源 偏差平方和 自由度 方差 F值 Fα 显著性 因素A 误差e 0.035 0.002 2 12 0.0175 0.000167 104.8 F0.01(2,12) =6.93 ** 总 和 0.037 14 方差分析结果表明，因素A高度显著，即麦芽汁浓度对发酵液中双乙酰含量有高度影响。从表5-2可见，在A2水平即麦芽汁浓度为10%时，发酵液中双乙酰含量最低，所以在三个水平中A2为最佳水平。 二、完全随机区组单因素试验设计（randomized block design） 前面所讨论的完全随机化试验设计比较简单，但由于它没有遵循局部控制的设计原则，不能将试验误差，特别是由于试验条件的差异所引起的误差尽量减小。为了克服这个缺点，当试验条件的差异变化比较大时，可在试验中引入区组，并作为一个因素，称为区组因素。在区组内将所比较的一套试验按随机顺序进行。这种试验方法称为完全随机区组试验设计。 这种方法比较全面地运用了试验设计的三条基本原则，既减少由于试验条件的差异及其它偶然因素所造成的试验误差，又能正确地估计出试验误差。因此，它是一种应用十分广泛而又精确的试验设计方法。 1、试验方案设计 例5-2 在大豆蛋白提取的研究中，为探讨浸泡温度对大豆蛋白提取率的影响，将其它条件固定，提出浸泡温度为试验因素A。A取5个水平A1＝40、A2＝50、A3＝60、A4＝70和A5＝80(C，每个水平重复3次，即m=5,r=3,共进行mr=5×3=15次试验。由甲、乙、丙三个试验人员共同完成，每人做5次试验。用微量凯氏定氮法测定蛋白质含量（％）。 如果按完全随机化试验设计法进行设计