二水平试验中显著效应的识别

发布时间：2021-03-04 21:51

　　在工业试验中,很多试验的主要目的是识别出影响响应变量的显著效应.由于试验条件和成本的限制,试验者通常很难承受较大数量的试验次数,此时我们常采用无重复部分因子试验.在无重复正规因子试验中,除非假设某些高阶效应为零,然后用相应的自由度来估计误差方差,否则就不能进行方差分析.无重复二水平正规因子试验中显著效应的识别方法有很多,有的方法简单直观,但主观性比较强,如半正态图法（Daniel,1959,1976）;有的方法工作效率较高,但是计算复杂,可操作性差,如Box和Mayer（1986）的方法;有的方法操作简便,但是结果往往比较保守,如Lenth（1989）,Dong（1993）,Ye和Hamada（2001）的方法等.这三种方法的共同点是先给出响应变量的标准差τ的稳健估计τ,然后利用效应估计值和τ构造检验统计量.Lenth的方法中用中位数估计τ,其优点是它对异常值具有稳健性,但在实际检验中往往比较保守.Dong的方法是对Lenth方法的改进,但是随着显著效应比例的增加,Dong的方法对τ的估计偏大,其检验效率也会逐渐降低.Ye和Hamada对Lenth方法中的临界值进行了修改,修改后的方法... 

【文章来源】：曲阜师范大学山东省

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

图２．３．１：?＆的频率直方图和ｉ分布的密度曲线??

ｓｐａｃｉｎｇ?ｓ?ｓｐａｃｉｎｇ?ｓ??图３．１．１：?Ｐｏｗｅｒ的比较：Ｌｅｎｔｈ，圈－线；Ｄｏｎｇ，实线：新方法？虚线．??表３．１丄＂＝４；?ａ?＝?１时正确识别显著效应的概率??显著率?ｎ?Ｉｎｉｔｉａｌ?Ｌｅｎｔ．ｈ?Ｄｏｕｇ?Ｐｒｏｐｏｓｅｄ??５％?ｌ５?０．７４８?０．４２１?０．８０４?０．７７１??３１?０．７７２?０．６３５?０．８３２?０．７８６??！〇％?１５?０．６４３?０．３８１?０．８１１?０．７８５??３１?０．７３６?０．６３２?０．８４２?０．７９５??２０％?７?０．５６８?０．１２２?０．７３５?０．７７６??１５?０．５２９?０．３８２?０．７７９?０．７９２??３１?０．５８２?０．６２９?０．８４２?０．８４５??４０％?７?０．２３４?０．１０４?０．３９１?０．４０９??１５?０．１２６?０．３０６?０．４２４?０．８４９???３１?０．０９４?０．５５５?０．４６４?０．７８６??１４??

ｓｐａｃｉｎｇ?ｓ?ｓｐａｃｉｎｇ?ｓ??图３丄２：?ＰＣＳ的比较：Ｌｅｎｔｈ，圈－线；Ｄｏｎｇ，实线；新方法，虚线．??表３．１．２：?／／．?＝?４，?ａ?＝?５１／４时正确识别显著效应的概率??显著率?７７?Ｉｎｉｔｉａｌ?Ｌｅｎｔｈ?Ｄｏｎｇ?Ｐｒｏｐｏｓｅｄ??５％?１５?０．３３９?０．１３４?０．３７９?０．５１２??３１?０．２３４?０．１５６?０．３６１?０．４８５??１０％?１５?０．１９８?０．０８９?０．３２５?０．４２６??３１?０．１７３

【参考文献】：
期刊论文
[1]正规部分因子设计的最优性理论与构造方法[J]. 赵胜利.  应用概率统计. 2015(03)



本文编号：3063982