㈠ 正交试验K值怎么计算
先列因素水平表：
水平 因素A 因素B 因素C 因素D
1
2
3
再列正交结果表：
实验序号 因素A 因素B 因素C 因素D 结果
1 1 1 1 1
2 1 2 2 2
3 1 3 3 3
4 2 1 2 3
5 2 2 3 1
6 2 3 1 2
7 3 1 3 2
8 3 2 1 3
9 3 3 2 1
K1 123结果相加 147结果相加 168结果相加 159结果相加
K2 456结果相加 258结果相加 249结果相加 267结果相加
K3 789结果相加 369结果相加 357结果相加 348结果相加
R 因素A下K最大减K最小 因素B下K最大减K最小 因素C下K最大减K最小 因素D下K最大减K最小
简单的来说,K1值就是在每个因素下对应水平为1的实验结果的和,K2就是在每个因素下对应水平为2的实验结果的和,R就是每个因素下K的最大值减最小值.
小k值就是对应下的平均数
㈡ 正交实验结果分析
正交实验方法之所以能得到科技工作者的重视并在实践中得到广泛的应用，其原因不仅在于能使实验的次数减少，而且能够用相应的分析方法对实验结果进行处理，并得出许多有价值的结论。通常对实验结果采用的分析方法有两种: 一是极差分析法，二是方差分析法。
( 1) 极差分析法
下面以表 5. 3 为例讨论 L9( 34) 正交实验结果的极差分析方法。极差指的是各列中各水平对应的实验指标平均值的最大值与最小值之差。从表 5. 3 的计算结果可知，用极差法分析正交实验结果可得出以下几个结论:
1) 在实验范围内，各列对实验指标的影响从大到小的排列。某列的极差最大，表示该列的数值在实验范围内变化时，使实验指标数值的变化最大。所以各列对实验指标的影响从大到小的排列，就是各列极差 R 的数值从大到小的排列。
2) 实验指标随各因素的变化趋势。为了能更直观地看到变化趋势，常将计算结果绘制成图。
3) 使实验指标最好的适宜的操作条件 ( 适宜的因素水平搭配) 。
4) 可对所得结论和进一步的研究方向进行讨论。
从表 5. 3 所列 9 次实验数据中进行两两比较是不行的，因为它们的实验条件完全不同，没有可比性。然而，把这 9 次实验结果适当组合起来就具有一定的可比性，这就是正交设计的综合比较性。
( 2) 方差分析法
方差分析是数理统计的基本方法之一，通常用来研究不同生产技术条件或生产工艺对实验结果有无显着影响，计算方法如下:
表 5. 3 L9( 34) 正交实验结果计算
注: Ⅰj—第 j 列 “1”水平所对应的实验指标的数值之和;
Ⅱj—第 j 列 “2”水平所对应的实验指标的数值之和;
Ⅲj—第 j 列 “3”水平所对应的实验指标的数值之和;
kj—第 j 列同一水平出现的次数，等于实验的次数除以第 j 列的水平数;
Ⅰj/ kj—第 j 列 “1”水平所对应的实验指标的平均值;
Ⅱj/ kj—第 j 列 “2”水平所对应的实验指标的平均值;
Ⅲj/ kj—第 j 列 “3”水平所对应的实验指标的平均值;
Rj—第 j 列的极差，Rj= max { Ⅰj/ kj，Ⅱj/ kj… } － min { Ⅰj/ kj，Ⅱj/ kj… } 。
实验指标的加和值 ，实验指标的平均值 ，仍以表 5. 3 第 j 列为例:
1) Ⅰj———第 j 列 “1”水平所对应的实验指标的数值之和。
2) Ⅱj———第 j 列 “2”水平所对应的实验指标的数值之和。
3) ……
4) kj———第 j 列同一水平出现的次数，等于实验的次数除以第 j 列的水平数。
5) Ⅰj/ kj———第 j 列 “1”水平所对应的实验指标的平均值。
6) Ⅱj/ kj———第 j 列 “2”水平所对应的实验指标的平均值。
7) ……
以上 7 项的计算方法同极差法 ( 见表 5. 3) 。
8) 偏差平方和
高铝粉煤灰特性及其在合成莫来石和堇青石中的应用
9) fj———自由度，fj= 第 j 列的水平数 － 1。
10) Vj———方差，Vj= Sj/ fj。
11) Ve———误差列的方差，Ve= Se/ fe。式中，e 为正交表的误差列。
12) Fj———方差之比，Fj= Vj/ Ve。
13) 查 F 分布数值表 ( F 分布数值表请查阅有关参考书) 做显着性检验。
14) 总的偏差平方和 。
15) 总的偏差平方和等于各列的偏差平方和之和。即 ，m 为正交表的列数。
若误差列由 3 个单列组成，则误差列的偏差平方和 Se等于 3 个单列的偏差平方和之和，即有:
Se= Se1+ Se2+ Se3
或 Se= S总+ S''
其中 S'' 为安排有因素或交互作用的各列的偏差平方和之和。
与极差分析法相比，方差分析法可以多得出一个结论，即各列对实验指标的影响是否显着、在什么水平上显着。
在数理统计上，显着性检验是一个很重要的问题。显着性检验强调实验在分析每列对指标影响中所起的作用。如果某列对指标影响不显着，那么讨论实验指标随它的变化趋势是毫无意义的。因为在某列对指标的影响不显着时，即使从表中的数据可以看出该列水平变化时对应的实验指标的数值在以某种 “规律”发生变化，但那很可能是由于实验误差所致，将它作为客观规律是不可靠的。有了各列的显着性检验之后，最后应将影响不显着的交互作用列与原来的 “误差列”合并起来，组成新的 “误差列”，重新检验各列的显着性。
㈢ 求正交试验K值与R值的计算方法，有懂的详细
Ki 表示任意列上水平号为i时所对应的试验结果之和 R 表示极差 用最大的K减去最小的K
㈣ 正交试验P值，咋算的！
正交表是一整套规则的设计表格，用 。L为正交表的代号，n为试验的次数，t为水平数，c为列数，也就是可能安排最多的因素个数。例如L9(34)， (表11)，它表示需作9次实验，最多可观察4个因素，每个因素均为3水平。一个正交表中也可以各列的水平数不相等，我们称它为混合型正交表，如L8(4×24) (表12)，此表的5列中，有1列为4水平，4列为2水平。根据正交表的数据结构看出，正交表是一个n行c列的表，其中第j列由数码1，2，… Sj 组成，这些数码均各出现N/S 次，例如表11中，第二列的数码个数为3，S=3 ，即由1、2、3组成，各数码均出现 次。
㈤ 如何分析正交试验结果与如何计算K值与R值
K1，K2，K3每个因素各个水平下的指标总和，K1表示“1”水平所对应的试验指标的数值之和。时间K1=y1+y2+y3.温度K1=y1+y4+y7,如此类推。R为（极差=平均得率最大值-平均得率最小值）。上表时间R=K1/3-k2/3
㈥ 正交试验结果如何计算
你下载一个正交助手，把你的实验结果输入进去，极差和方差都出来了，极差越大，该因素对实验的影响越显着，从K1,k2，k3中找最好的条件，补充一组试验，这组试验应该会得到最好的效果。。试验也就完毕了。你下载一片文献，例如名叫“正交试验应用实例”之类的，照着做就可以。不是很难~
㈦ 正交试验方法
正交实验设计
当析因设计要求的实验次数太多时，一个非常自然的想法就是从析因设计的水平组合中，选择一部分有代表性水平组合进行试验。因此就出现了分式析因设计(fractional factorial designs)，但是对于试验设计知识较少的实际工作者来说，选择适当的分式析因设计还是比较困难的。
正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本着名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)3正交表按排实验，只需作9次，按L18(3)7正交表进行18次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。
1．正交表
正交表是一整套规则的设计表格，用 。L为正交表的代号，n为试验的次数，t为水平数，c为列数，也就是可能安排最多的因素个数。例如L9(34)， (表11)，它表示需作9次实验，最多可观察4个因素，每个因素均为3水平。一个正交表中也可以各列的水平数不相等，我们称它为混合型正交表，如L8(4×24) (表12)，此表的5列中，有1列为4水平，4列为2水平。根据正交表的数据结构看出，正交表是一个n行c列的表，其中第j列由数码1，2，… Sj 组成，这些数码均各出现N/S 次，例如表11中，第二列的数码个数为3，S=3 ，即由1、2、3组成，各数码均出现 次。
正交表具有以下两项性质：
(1)每一列中，不同的数字出现的次数相等。例如在两水平正交表中，任何一列都有数码“1”与“2”，且任何一列中它们出现的次数是相等的；如在三水平正交表中，任何一列都有“1”、“2”、“3”，且在任一列的出现数均相等。
(2)任意两列中数字的排列方式齐全而且均衡。例如在两水平正交表中，任何两列(同一横行内)有序对子共有4种：(1，1)、(1，2)、(2，1)、(2，2)。每种对数出现次数相等。在三水平情况下，任何两列(同一横行内)有序对共有9种，1.1、1.2、1.3、2.1、2.2、2.3、3.1、3.2、3.3，且每对出现数也均相等。
以上两点充分的体现了正交表的两大优越性，即“均匀分散性，整齐可比”。通俗的说，每个因素的每个水平与另一个因素各水平各碰一次，这就是正交性。
2. 交互作用表 每一张正交表后都附有相应的交互作用表，它是专门用来安排交互作用试验。表14就是L8(27)表的交互作用表。
安排交互作用的试验时，是将两个因素的交互作用当作一个新的因素，占用一列，为交互作用列，从表14中可查出L8(27)正交表中的任何两列的交互作用列。表中带( )的为主因素的列号，它与另一主因素的交互列为第一个列号从左向右，第二个列号顺次由下向上，二者相交的号为二者的交互作用列。例如将A因素排为第(1)列，B因素排为第(2)列，两数字相交为3，则第3列为A×B交互作用列。又如可以看到第4列与第6列的交互列是第2列，等等。
3．正交实验的表头设计 表头设计是正交设计的关键，它承担着将各因素及交互作用合理安排到正交表的各列中的重要任务，因此一个表头设计就是一个设计方案。
表头设计的主要步骤如下：
(1)确定列数 根据试验目的，选择处理因素与不可忽略的交互作用，明确其共有多少个数，如果对研究中的某些问题尚不太了解，列可多一些，但一般不宜过多。当每个试验号无重复，只有1个试验数据时，可设2个或多个空白列，作为计算误差项之用。
(2)确定各因素的水平数 根据研究目的，一般二水平(有、无)可作因素筛选用；也可适用于试验次数少、分批进行的研究。三水平可观察变化趋势，选择最佳搭配；多水平能以一次满足试验要求。
(3)选定正交表 根据确定的列数&;与水平数(t)选择相应的正交表。例如观察5个因素8个一级交互作用，留两个空白列，且每个因素取2水平，则适宜选L16(215)表。由于同水平的正交表有多个，如L8(27)、L12(211)、L16(215)，一般只要表中列数比考虑需要观察的个数稍多一点即可，这样省工省时。
(4)表头安排 应优先考虑交互作用不可忽略的处理因素，按照不可混杂的原则，将它们及交互作用首先在表头排妥，而后再将剩余各因素任意安排在各列上。例如某项目考察4个因素A、B、C、D及A×B交互作用，各因素均为2水平，现选取L8(27)表，由于AB两因素需要观察其交互作用，故将二者优先安排在第1、2列，根据交互作用表查得A×B应排在第3列，于是C排在第4列，由于A×C交互在第5列，B×C交互作用在第6列，虽然未考查A×C与B×C，为避免混杂之嫌，D就排在第7列。
(5)组织实施方案 根据选定正交表中各因素占有列的水平数列，构成实施方案表，按实验号依次进行，共作n次实验，每次实验按表中横行的各水平组合进行。例如L9(34)表，若安排四个因素，第一次实验A、B、C、D四因素均取1水平，第二次实验A因素1水平，B、C、D取2水平，……第九次实验A、B因素取3水平，C因素取2水平，D因素取1水平。实验结果数据记录在该行的末尾。因此整个设计过程我们可用一句话归纳为：“因素顺序上列、水平对号入座，实验横着作”。
4．二水平有交互作用的正交实验设计与方差分析
例8 某研究室研究影响某试剂回收率的三个因素，包括温度、反应时间、原料配比，每个因素都为二水平，各因素及其水平见表16。选用L8(27)正交表进行实验，实验结果见表17。
首先计算Ij 与IIj ，Ij为第j列第1水平各试验结果取值之和，IIj为第j列第2水平各试验结果取值之和。然后进行方差分析。过程为：
求：总离差平方和
各列离差平方和 SSj=
本例各列离均差平方和见表10最底部一行。即各空列SSj之和。即误差平方和
自由度v为各列水平数减1，交互作用项的自由度为相交因素自由度的乘积。
分析结果见表18。
从表18看出，在α＝0.05水准上，只有C因素与A×B交互作用有统计学意义，其余各因素均无统计学意义，A因素影响最小，考虑到交互作用A×B的影响较大，且它们的二水平为优。在C2的情况下， 有B1A2和B1，A1两种组合状况下的回收率最高。考虑到B因素影响较A因素影响大些，而B中选B1为好，故选A2B1。这样最后决定最佳配方为A2B1C2，即80℃，反应时间2.5h，原料配比为1.2:1。
如果使用计算机进行统计分析，在数据是只需要输入试验因素和实验结果的内容，交互作用界的内容不用输入，然后按照表头定义要分析的模型进行方差分析。
㈧ 正交设计试验结果综合评分权重系数如何确定
正交试验结果有许多指标,如合格率、表面粗糙度、硬度值、成本等各项试验指标，如果一个试验有几个结果指标，那么要由有经验的人员（或客户的要求）根据结试验果指标的重要性，来分别确定每个指标的权重，总权重当然等于100%。各个试验结果指标乘以相应的权重后再加起来求总和，再根据总和的望大值、望小值、望目值的特性要求来进行统计分析计算，再来选择最优试验结果的相应的试验因素、及因素水平取值。每个试验结果的权重是没有统一的计算公式或规定的，此回答仅供参考。