搜索
第一章、实验数据的误差分析用新旧两种方法测得某种液体的黏度（mPa.s）如下：新方法：0.730.910.840.770.980.810.79旧方法：0.760.920.860.740.960.830.79其中旧方法无系统误差。是在显著性水平a=0.05时，检验新方法是否可行。1、F-检验双样本方差分析F-检验双样本方差分析新方法：旧方法：平均0.8388890.823333方差0.0057360.005925观测值99df88F0.96812P(F=f)单尾0.482288F单尾临界0.290858新方法的方差比旧方法无显著性差异2、进行等方差t检验。t-检验:成对双样本均值分析t-检验:双样本等方差假设新方法：旧方法：平均0.8388890.823333方差0.0057360.005925观测值99合并方差0.005831假设平均差0df16tStat0.432152P(T=t)单尾0.335699t单尾临界1.745884P(T=t)双尾0.671398t双尾临界2.119905两平均值无显著性差异由此知，新方法可行，没有但没有改进第三章、实验的方差分析实验设计与数据处理铝材材质去离子水自来水12.35.61.85.321.55.31.54.831.87.42.37.4方差分析：可重复双因素分析SUMMARY去离子水自来水总计1观测数224求和4.110.915平均2.055.453.75方差0.1250.0453.912观测数224求和310.113.1平均1.55.053.275方差00.1254.24253观测数224求和4.114.818.9平均2.057.44.725方差0.12509.5825总计观测数66求和11.235.8平均1.8666675.966667方差0.1306671.298667方差分析差异源SSdfMSFP-valueFcrit样本4.37166722.18583331.226190.0006735.143253有显著性影响列50.43150.43720.42861.77E-075.987378有显著性影响交互2.35521.177516.821430.0034675.143253有显著性影响内部0.4260.07总计57.5766711为了研究铝材材质的差异对于它们在高温水中腐蚀性能的影响，用三种不同的铝材在去离子水和自来水中于170℃进行一个月的腐蚀实验，测得的深蚀率（μm）如下表所示。试用下表所述结果考察铝材材质和水质对铝材腐蚀的影响。综上所述，铝材材质和水质对铝材腐蚀都有显著影响0.870.850.800.75有显著性影响有显著性影响有显著性影响为了研究铝材材质的差异对于它们在高温水中腐蚀性能的影响，用三种不同的铝材在去离子水和自来水中于170℃进行一个月的腐蚀实验，测得的深蚀率（μm）如下表所示。试用下表所述结果考察铝材材质和水质对铝材腐蚀的影响。试确定其中的系数值，并检验显著性。（α=0.05）T/K273283293313333353c/%202531344658对上述数据处理：lgc=lga+blgTX=lgT2.4361632.4517862.4668682.4955442.5224442.547775Y=lgc1.301031.397941.4913621.5314791.6627581.763428b=3.8872即原模型c=7.2127x10-9T3.8872显著性检验：R=0.9882α=0.05时rmin=0.811R即此线性非常显著因素间的交互作用。9个试验结果y（得率/%）依次为：5.3,5.0,4.9,5.4,6.4,3.7，3.9,3.3,2.4。使用直观分析法确定因素主次和优方案，并画出趋势图。水平123试验号ABC得率对木质素的率的影响，因素水平如下表所示。将因素A，B,C安排在正交表L9(34)的1,2,3列，不考虑（A）溶剂浓度/%6080140160321001801(B)反应温度/℃（C）保温时间/h第四章、实验数据的回归分析由实验得到某物质的溶解度与绝对温度之间的关系可用模型c=aTb表示，实验数据列在下表中，lga=-8.1419a=7.2127x10^(-9)1、用乙醇水溶液分离某种废弃农作物中的木质素，考察了三个因素（溶剂浓度、温度和时间）y=3.8872x-8.1419R²=0.975600.20.40.60.811.21.41.61.822.42.452.52.552.6坐标轴标题坐标轴标题Y=lgcY=lgc线性(Y=lgc)111115.3212225.0313334.9421235.4522316.4623123.7731323.9832133.3933212.4K115.214.612.314.1K215.514.712.812.6K39.611.015.213.6k15.14.94.14.7k25.24.94.34.2k33.23.75.14.5极差R2.01.21.00.5因素主→次最优方案：605.1805.21003.21404.11604.31805.134.724.214.5A2B3C1ABC绘制趋势图0.01.02.03.04.05.06.06080100140160180321得率趋势图系列1对上一题进行方差分析。（α=0.05）K115.214.612.314.1K215.514.712.812.6K39.611.015.213.6ss7.3622222.9622221.6022220.388889总和T40.3P=T2/n180.4544方差分析表差异源SSdfMSF显著性A7.36222223.6811114.458952.96222221.481111B1.60222220.801111C0.38888920.194444误差e2.96222221.481111误差e△4.95333360.8255565.143253最优方案：F0.05（2,6）主次顺序：ABCA2B3C10.06080100140160180321溶剂浓度反应时间保温时间因素间的交互作用。9个试验结果y（得率/%）依次为：5.3,5.0,4.9,5.4,6.4,3.7，3.9,3.3,2.4。对木质素的率的影响，因素水平如下表所示。将因素A，B,C安排在正交表L9(34)的1,2,3列，不考虑由实验得到某物质的溶解度与绝对温度之间的关系可用模型c=aTb表示，实验数据列在下表中，1、用乙醇水溶液分离某种废弃农作物中的木质素，考察了三个因素（溶剂浓度、温度和时间）水平号12345678序号AB112478224857336336448715551284663663775142887521y5.86.34.95.444.533.6SUMMARYOUTPUT回归统计MultipleR0.999705962650901RSquare0.999412011759765AdjustedRSquare0.999176816463671标准误差0.0324037034920393190230180220170210137.5138138138.5139139.5140底水量（x1）/g2202302404.0,4.5,3.0,3.6。已知试验指标与两因素之间成二元线性关系，试用回归分析法找139.5140吸氨时间（x2）/min136.5137吸氨时间（x2）/min选用均匀表U8*(85)安排实验，8个试验结果（吸氨量/g）依次为：5.8,6.3,4.9,5.4,出较好工艺条件，并预测该条件下相应的吸氨量。138.5139170180190200210137240第七章均匀设计1、在啤酒生产的某项工艺实验中，选取了底水量（A）和吸氨时间（B）两个因素，都取了8个水平，进行试验设计，因素水平如下。试验指标为吸氨量，越大越好。137.5回归方程模型为y=a+b1x1+b2x2136.5200底水量（x1）/g观测值8方差分析dfSSMSFSignificanceF回归分析28.92354.461754249.28571428578.38342726421806E-09残差50.005250000000000020.00105总计78.92875Coefficients标准误差tStatP-valueLower95%Intercept96.52583333333341.47680205361365.36138888565531.58711693080692E-0892.7295928008718底水量（x1）/g-0.6966666666666670.010434983894999-66.76260104249361.42755955001471E-08-0.723490646712513吸氨时间（x2）/min0.02183333333333330.00052174919474995241.8464150074961.47014102690889E-070.020492134331041RESIDUALOUTPUT观测值预测y残差15.797500000000010.0024999999999932926.32250000000001-0.022500000000011534.88250.017499999999999245.4075-0.0075000000000047353.967500000000010.032499999999990964.49250.0075000000000011773.0525-0.052500000000003383.577500000000010.0224999999999924观测值预测y15.7975000000000126.3225000000000134.882545.407553.9675000000000164.492573.052583.57750000000001R=0.99和SignificanceF=8.38342726421806E-090.01,说明该回归方程非常显著。预测值在表中y=96.5-0.70X1+0.02X2y5.86.34.95.444.533.64.0,4.5,3.0,3.6。已知试验指标与两因素之间成二元线性关系，试用回归分析法找选用均匀表U8*(85)安排实验，8个试验结果（吸氨量/g）依次为：5.8,6.3,4.9,5.4,出较好工艺条件，并预测该条件下相应的吸氨量。第七章均匀设计1、在啤酒生产的某项工艺实验中，选取了底水量（A）和吸氨时间（B）两个因素，都取了8个水平，进行试验设计，因素水平如下。试验指标为吸氨量，越大越好。回归方程模型为y=a+b1x1+b2x2Upper95%下限95.0%上限95.0%100.32207386579592.7295928008718100.322073865795-0.669842686620821-0.723490646712513-0.6698426866208210.02317453233562560.0204921343310410.0231745323356256=0.99^0.5R=0.99和SignificanceF=8.38342726421806E-090.01,说明该回归方程非常显著。预测值在表中