檢視试验设计的原始碼

{| class="wikitable" align="right"
|-
| style="background: #008080" align= center|  '''<big>试验设计</big> '''
|-
| 
[[File:B2de9c82d158ccbf00bfbda919d8bc3eb1354125.jpg|缩略图|居中|[https://i01piccdn.sogoucdn.com/ae413be0808ed686 原图链接][https://pic.sogou.com/pics?ie=utf8&p=40230504&interV=kKIOkrELjbgQmLkElbYTkKIMkrELjbkRmLkElbkTkKIRmLkEk78TkKILkbHjMz%20PLEDmK6IPjf19z%2F19z6RLzO1H1qR7zOMTMkjYKKIPjflBz%20cGwOVFj%20lGmTbxFE4ElKJ6wu981qR7zOM%3D_844253275&query=%E9%AB%98%E7%A3%81%E5%AF%BC%E7%8E%87%E6%9D%90%E6%96%99 来自搜狗的图片]]]
|-
| style="background: #008080" align= center|
|-
| align= light|
|}
'''试验设计'''，也称为实验设计。数理统计的一个分支。关于如何按照预定目标制订适当的实验方案，以利于对实验结果进行有效的统计分析的数学原理和实施方法。一个实验的设计，即对实验的一种安排，需要考虑实验所要解决的问题类型、对结论赋予何种程度的普遍性、希望以多大功效作检验、试验单元的齐性、每次试验的耗资耗时等方面，选取适当的因子和相应的水平，从而给出实验实施的具体程序和数据分析的[[框架]]。
=='''简介'''==
从20世纪20年代费希尔（R.A.Fisher）在农业生产中使用试验设计方法以来，试验设计方法已经得到广泛的发展，统计学家们发现了很多非常有效的试验设计技术。20世纪50年代，日本统计学家田口玄一将试验设计中应用最广的正交设计表格化，在方法解说方面深入浅出为试验设计的更广泛使用作出了众所周知的贡献。产品质量的高低主要是由设计决定的，一个好的试验设计包含几个方面的内容。第一是明确衡量产品质量的指标，6σ管理强调用数据说话，所以这个质量指标必须是能够量化的指标，在试验设计中称为试验指标，也称为响应变量 (response variable）或输出变量。第二是寻找影响试验指标的可能因素（factor) ，也称为影响因子和输入变量。因素变化的各种状态称为水平，要求根据专业知识初步确定因素水平的范围。第三是根据实际问题，选择适用的试验设计方法。试验设计的方法有很多，每种方法都有不同的适用条件，选择了适用的方法就可以事半而功倍，选择的方法不正确或者根本没有进行有效的试验设计就会事倍而功半。
第四是科学地分析试验结果，包括对数据的直观分析、方差分析、回归分析等多种统计分析方法，这些工作可以借助Minititab软件完成。
=='''评价'''==
所谓重复，意思是基本试验的重复进行。重复有两条重要的性质。第一，允许试验者得到试验误差的一个估计量。这个误差的估计量成为确定数据的观察差是否是统计上的试验差的基本度量单位。第二，如果样本均值用作为试验中一个因素的效应的估计量，则重复允许试验者求得这一效应的更为精确的估计量。如s2是数据的方差，而有n次重复，则样本均值的方差是s2/n。这一点的实际含义是，如果n=1，如果2个处理的y1=145，和y2=147，这时我们可能不能作出2个处理之间有没有差异的推断，也就是说，观察差147-145=2可能是试验误差的结果。但如果n合理的大，试验误差足够小，则当我们观察得y1随机化是试验设计使用统计方法的基石所谓随机化，是指试验材料的分配和试验的各个试验进行的次序，都是随机地确定的。统计方法要求观察值（或误差）是独立分布的随机变量。随机化通常能使这一假定有效。把试验进行适当的随机化亦有助于“均匀”可能出现的外来因素的效应。区组化是用来提高试验的精确度的一种方法。一个区组就是试验材料的一个部分，相比于试验材料全体它们本身的性质应该更为类似。区组化牵涉到在每个区组内部对感兴趣的试验条件进行比较。<ref>[https://zhuanlan.zhihu.com/p/171756902 试验设计]搜狗</ref>
=='''参考文献'''==

[[Category:470 製造總論]]