08DX 响应面实验设计与分析- 2012必威体育精装版实用统计分析SPSS课件.ppt

DX响应面分析示例2 DX响应面分析示例2 √ √ √ √ √ √ √ × DX响应面分析示例2 将效应不显著的交互项AB从模型中删去，重建一个简化模型 DX响应面分析示例2 简化模型的方差分析表 DX响应面分析示例2 简化模型的回归方程 Product= +76.70 + 8.21 *P +31.63 *N - 0.19 *P^2 - 1.14 *N^2 结果与普通的多元二次回归结果一致 DX响应面分析示例2 响应面优化求解 求：应变量取“极大值”时相应的自变量取值 DX响应面分析示例2 结果与以前的方法一致 DX响应面分析示例2 产量=385.767kg/mu 极值点 DX响应面分析示例3 Run A(g) B(g) C(g) Y(U g-1) 1 0 10 5 3.74 2 10.625 3.125 1.25 9.36 3 10 0 5 9.28 4 15 0 0 2.44 5 0 15 0 1.89 6 8.125 3.125 3.75 11.23 7 3.125 10.625 1.25 6.55 8 7.5 7.5 0 10.78 9 12.5 0 2.5 5.76 10 5 5 5 9.48 11 0 12.5 2.5 2.06 12 6.25 6.25 2.5 9.39 13 3.125 8.125 3.75 8.77 混料(mixture)设计：A、B、C三种原料总量一定(15g)，求最佳配比以获得最高产物酶活 DX响应面分析示例3 3因子 总量 因子的上下限 实验次数 DX响应面分析示例3 3因子 总量 因子的上下限 实验次数 DX响应面分析示例3 输入历史数据建立实验表 DX响应面分析示例3 推荐二次模型 方差分析 √ √ √ √ × × DX响应面分析示例3 回归方程： 调整R平方=0.9525 DX响应面分析示例3 响应面优化： 最佳配比 A=6.891；B=3.109；C=5.00 相当于A：B：C = 0.46:0.21:0.33 酶活预期=10.7968 U/g，实验合意度=0.927 DX响应面分析示例3 响应面曲面： 极大值点 响应面分析 总结: RSM是流行的实验条件寻优方法，适宜于处理非线性数据，具有理论与实践广泛价值。 RSM是实验设计、回归拟合与图形绘制的综合运用。 RSM设计方法应根据实验特点及要求慎重选择。 RSM成功优化的前提：设计的实验点应该涵盖最佳条件，否则得不到理想结果。因此预实验就很重要。 * 响应面实验设计与分析Design-Expert 实用生物统计分析（六） 安徽大学生命科学学院 响应面分析 Response Surface Methodology (RSM) 因变量(Y)与多个自变量(Xi)建立回归关系，函数往往表现为曲面形式，即所谓响应面 通过响应面分析，获得回归方程，通过对x1,x2,…,xi合理区间内取值，得到 的最优值。因此适用于以条件优化为目的的研究。 线性模型 二次模型 响应面分析 优点: 实验次数有效减少、周期缩短 回归方法求解因子的最佳组合与响应的最优值，精确度比传统的正交设计更高 有丰富的统计分析方法配套，结果通过响应曲面可以很直观地显示 响应面实验设计 基本思路: 预实验：选取影响因子，用单因素方法确认其显著性 设计实验表 根据实验表进行响应面实验 用统计软件进行数据分析 SAS、Design-Expert、Minitab 设计实验表 主要方法: 1、Box-Behnken Design (BBD) 2、Central Composite Design (CCD) --中心组合设计 设计实验表 Full factorial design （完全因子分析） 以3因子(k=3)为例： 每个因子取3个值：低值、中值、高值 则实验点达到3k =33 = 27 当因子数增多，完全因子分析变得不现实，有必要缩减 设计实验表 BBD: + 高值 - 低值 0 中值 典型的三因素BBD实验表 设计实验表 BBD: 三因素BBD实验点的分布图 X Y Z (0, -, -) (+, -, 0) (+, 0, +) (0, +, +) (+, +, 0) (0, +, +) (0, 0, 0) 12条棱边中点 ?