如何用excel 设计正交表

以无重复双因素分析为例，操作方式如下

1、选择需要进行方差分析的数据区域，然后单击数据选项卡

2、在分析功能组中单击数据分析按钮，弹出数据分析对话框

3、在分析工具列表框中选择方差分析：无重复双因素分析，单击确定,弹出方差分析：无重复双因素分析对话框

4、单击输入区域后的文本框，在表格中选择区域：$A$2:$B$20，单击输出选项，再单击后面的文本框，在表格中选择单元格：$E$1，再单击确定即可。

正交表的设计方法及实现过程如下：

（1） 确定 正交表的行和列。

正交表城3b共有四个因素，每个因素有3个水平，共需安排9次试验。因此，正交表以3b是一个4列、9行的表。生成正交表的表头如表下

因素1 因素2 因素3 因素4

试验一

试验二

试验三

试验四

试验五

试验六

试验七

试验八

试验九

C料程序的单元测试系统的研究与实现

（2） 确定正交表的内容.

对每个因素的水平进行编号，分别为1、2、3，并将试验按照水平数3进行分组，即每三个试验为一组。

对于第一列:第一组试验中，全部使用因素1的第1个水平第二组试验中，全部使用因素1的第2个水平第三组试验中，全部使用因素1的第3个水平。

对于第二列:每一组试验中，都分别使用因素2的三个水平1、2、3:

对于第三列:每一项试验中，每一个水平编号的确定方法见公式3.1。

（3） 生成正交表。 将每个因素的水平编号填入表中可得正交表，如下

因素1 因素2 因素3 因素4

试验一 1 1 1 1

试验二 1 2 2 2

试脸三 1 3 3 3

试验四 2 1 2 3

试验五 2 2 3 1

试验六 2 3 1 2

试验七 3 1 3 2

试验八 3 2 1 3

试验九 3 3 2 1

若从27次试验中选取一部分试验，常将A和B分别固定在A1和B1水平上，与C的三个水平进行搭配，A1B1C1,A1B1C2,A1B1C3。作完这3次试验后，若A1B1C3最优，则取定C3这个水平，让A1和C3固定，再分别与B因素的三个水平搭配，A1B2C3，A1B3C3。

这2次试验作完以后，若A1B2C3最优，取定B2,C3这两个水平，再作两次试验A2B2C3,A3B2C3,然后与一起比较，若A3B2C3最优，则可断言A3B2C3是欲选取的最佳水平组合。这样仅作了7次试验就选出了最佳水平组合。

扩展资料

如果进行正交试验设计，则使用正交表安排试验。三因素三水平实验需要做9个实验。实验用“X”表示，并在图中标出。如果每个平面代表一个平面，有九个平面，可以看到每个平面上有三个“点”和立方体的每一条直线上有一个“X”点，这些“X”点是均匀分布的。

因此，这九个实验具有代表性，能够更全面地反映综合实验的结果。因此，这就是正交实验设计的平衡色散特性。利用这一特点，合理地设计和安排实验，通过尽可能少的次数找出最佳水平组合。

参考资料来源：百度百科-正交试验设计

用L25（5 6）设计表头。

如图所示

1 2 3 列为各因素的水平的搭配方法。4 5 6 列为空白列，不用管它

一共进行25组实验，例如：8号实验是 1号因素的第2个水平、2号因素的第3个水平 和 3号因素的第4个水平 的搭配。

扩展资料

正交表的数据分析

在完成试验收集完数据后，将要进行的是极差分析(也称方差分析）。极差分析就是在考虑A因素时，认为其它因素对结果的影响是均衡的，从而认为，A因素各水平的差异是由于A因素本身引起的。

用极差法分析正交试验结果应引出以下几个结论：

1、在试验范围内，各列对试验指标的影响从大到小的排队。某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。

2、试验指标随各因素的变化趋势。

参考资料：百度百科-正交表

正交试验设计是获得最佳搭配的方法之一.它是通过三个步骤完成的:1,利用正交表来安排试验；2,对试验的结果进行综合比较；3,获得最佳搭配方案.4,分析影响结果的因素的主次。 正交试验设计表的设计原则是均衡分散搭配,分析试验结果,其原则为综合比较,即在同因素中将相同水平的结果相加,找出每个因素中的最好水平,得到最佳搭配。 分析影响结果的因素的主次.将同因素中的两个水平的结果做差,一般来说差的大小是不同的,差的大小实际上反应了该因素的变化对产量的影响的大小.差大说明该因素水平的变化对试验的结果影响大,差小说明该因素的变化对试验结果没太多影响.因此,可以通过差的大小来确定因素对试验结果影响的主次,找出影响试验的主要因素. 在对一个因子试验所建立的线性模型中,独立参数(总均值,主效应,交互效应等)的个数k与试验次数n之间有下面的关系:当nk时,有足够的自由度k来估计参数,同时还有剩余自由度来估计误差的方差(n-k0)当n=k时,有足够的自由度来估计参数,但是没有剩余自由度来估计误差的方差n-k=0当nk).在双因子有重复试验中,试验次数大于交互效应模型中独立参数的总数,因此有剩余的自由度来估计误差方差而在双因子无重复试验中,试验次数等于交互效应模型中独立参数的总数,因此没有剩余自由度来估计误差方差.此时,要估计误差就只能用可加效应模型. 根据上述的思路,只要试验总次数$N$大于独立参数的个数$M$就可以有足够的自由度来估计参数,同时还有剩余的自由度来估计误差方差,进而作假设检验.这是因子试验设计中要考虑的第一件事.第二件事是要使参数估计和检验统计量有好的性质和形式,关键是要使各组效应的参数估计之间相互独立,同时使相应的平方和之间相互独立.但是,在一个线性模型中,参数(主效应及各种交互效应)的数目是由实际问题本身决定的,而不是由人主观决定的.在大量的因子试验的实践中,人们发现:在很多情况下,因子之间只有主效应,至多存在某些一阶交互效应(即两因子的交互效应).高阶交互效应在很多情况下是不存在的.在这种情况下,多因子试验的模型中包含的参数实际上并不多,可能远远少于全模型的参数.比如有6个二水平因子,如果考虑所有可能的交互作用就有26=64个独立参数(包括总均值),但是如果只考虑主效应则只有6+1=7个独立参数.因此对6个二水平因子的可加效应模型,理论上只需作8次试验就可以有多余的自由度来估计误差方差. 如何使得上述的两个想法很好地实现 从双因子无重复试验的可加模型的分析中可以得到如何安排试验的启示.在这个模型中,由于两个因子的所有水平组合都作了相同次试验(一次),因此两组因子主效应的参数估计不仅有简单的形式,而且还是相互独立的,因而平方和之间也是相互独立的.因此,对于多因子试验的无交互效应模型(只考虑主效应),如果我们能如此安排试验,使得对任何一对因子,它们的所有水平组合都作了相同次试验,则对任何一对因子,两组因子主效应的参数估计和平方和也应具有上述性质.进而,如果试验的总次数n超过参数的总个数k,则还有多余的自由度来估计误差,进行方差分析.实际上,这就是正交因子设计原理的基本思路. 假定因子对响应变量的影响无交互效应(许多实际情况正是这样),正交试验的优点是在很少的试验次数(与全面试验相比)中,所得数据可以简便而有效地对因子效应进行参数估计和方差分析.其方法可一般地归纳如下: 1) 总均值的估计=试验数据的总平均值, 2) 某因子的某个主效应的估计=该因子的该主效应所出现的试验数据的平均值-总平均值, 3) 总平方和=(试验数据-总平均值)的平方和, 自由度=n-1, 4) 某因子的主效应平方和=重复数×参数估计的平方和, 自由度=水平数-1, 5) 残差平方和=总平方和-(因子效应平方和的和), 自由度=总平方和-(因子效应自由度的和). 另外，你可以用“正交试验 搭配方案”做关键词搜一下，有一些PPT实例可以参照看一看