一般全因子设计的功效和样本数量 的示例

金属零件供应商的开发团队规划了一个设计试验以研究新的汽车零件。在执行试验之前,团队想要确保他们有足够的资源在足够大的功效下执行试验。开发团队计划检查三种外部涂层和三种铝合金在新零件上的耐腐蚀性。团队希望他们的设计能够以 90% 的功效在最佳因子水平和最差因子水平之间检测到 0.4 的差值。估计标准差为 0.15。如果设计需要多个仿行,则团队希望针对每个仿行使用一个单独的试验性游程区组。

  1. 选择统计 > 功效和样本数量 > 一般全因子设计
  2. 模型中每个因子的水平数中,输入 3 3
  3. 主效应均值之间的最大差值中,输入 0.4
  4. 功效值中,输入 0.9
  5. 标准差中,输入 0.15。
  6. 单击设计
  7. 选择在模型中包括区组(对仿行采用区组划分设计)
  8. 在每个对话框中单击确定

解释结果

因为团队考虑一个功效值和一个最大差值,所以解中包括一个仿行数值。具有 2 个仿行和 18 个试验性游程的设计的功效大于 90%,这符合团队的要求。功效曲线显示功效与最大差值之间的关系。曲线上的符号表示团队指定的效应大小 0.4。团队确定他们有足够的资源来执行 18 个试验性游程。

功效和样本数量

一般全因子设计 α = 0.05 假定标准差 = 0.15 因子: 2 水平数: 3, 3 模型中包含项的阶数: 2 在模型中包括区组。
结果 最大 总试 目标 差值 仿行数 验数 功效 实际功效 0.4 2 18 0.9 0.930521
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策