Pb设计

图片：图片：图片：请教:PB-design,最陡爬坡实验,CCD等中的响应面分析的相关问题0请教:PB-design中的相关问题在实验设计的过程中,通过阅读文献了解到了很多的,但是同时也积累了很多问题解决不了,希望各位高手们指点一二不胜感激.1在PB设计中出现的dummyvariable的具体含义到底是什么?是对照组吗?如果不是应该遵循什么样的原则去设计呢?2在PB中实验组数应该是变量数加1,那么在相关的文献中看到15个变量设计为:15+1+4,其中4是dummyvariable,但是表格中这4个变量也是有高低水平的变化的,那么设计时是作为15个变量来考虑还是19个呢?3想问问在最陡爬坡实验中,步长的选择有什么要求吗?纯经验还是有公式的?4在设计CCD试验那的时候是否要包括全因子实验设计?5什么是中轴点?各位高手帮帮忙啊,谢谢了小妹我也正在做这块试验，是培养基优化的刚做完单因素试验正在想下面该怎么设计呢？是PB？还是最陡爬坡？还是两个都要做？？反正最后是要做响应面的~~希望大虾们多多多指点一下下……另外，关于ＰＢ，我也在想，是不是必须要做空白项的呢？那么空白项里面的+1，-1是没有具体的水平值的亚，那么在实验中具体该怎么操作呢？？谢谢各位不吝指教了……我自己是怎么想的:单因子实验只是为了保险使PB实验的结果更加明显而进行的预实验,PB实验本身就是有筛选单因子的功能,如果有把握是可以直接做PB的.而我的实验是先进行单因子,然后是PB,根据PB的实验分析数据做最陡爬坡实验,否则不能很好的确定爬坡的方向以及步长.最陡爬坡实验的步长的选择:根据前面PB实验的结果,做一阶方程的法线,法线方向就是爬坡方向,步长就根据回归系数和规范变量的比值在通过自然变量来换算,算到的结果在综合实际的情况就可以基本确定步长了这个是最近看文献理解到的一些,希望哪位高手指点一下dummyvariable不是对照组。如果你的实验次数为4的整数倍。那么看你考察的因素是多少个。比如你有9个，那么至少要使用runs=12次的PB设计。此时，有3个空列。一般的处理方法是，等间距空列。实在不行，你就随机选吧。这并不妨碍你的实验结果。空列只是为了估算误差。2.这样吧，如果我这样表述，看你是否能够理解。我刚好有15个因素，想做PB，正好runs=16符合我的要求。可是，这样一来，估算误差呢？因为没有多余空列了。那么，再往上加列，只有再加4列。刚好19因素，20次实验，其中有4个空列。你认为这多出来的一列（16-15=1），我想你是这样算的吧。那你运行一下软件，看看15因素的PB，runs=16，到底是15列，还是16列？列是因素，行是实验次数。并不是列数=行数。描述：如何确定步长：图片：图片：描述：4在设计CCD试验那的时候是否要包括全因子实验设计?图片：看了这张图，我想答案应该是不言而喻了！描述：CCD各个设计点的作用：图片：综合最后两个问题.如有异议，欢迎继续发帖，大家共同学习！几篇用响应面优化培养基的文章！0这几篇都是用响应面优化培养基的文章。响应面现在是比较常用的优化培养基的方法，但是好多人（包括我在内）都不是很清楚。由于最近我要进行培养基的优化，所以找了很多文章来研究。一般的文章都是一带而过，看了也不明白。这几篇过程还算详细，对理解有一定的帮助。希望对大家有所帮助。我在看文章的过程中，我总结出了优化培养基的步骤。拿出来跟大家分享一下，共同学习和交流一下。有错误的话希望大家及时提出。第一步：在众多实验因素中找出主要因素。在这步实验中你可以应用正交试验（因素比较少）和PB（Plackett-Burman）实验。这两种方法都可以找出主要因素。尤其是PB实验，它可以在很多的因素中，用较少的实验筛选出主要因素（一般选取大于90%）。通过PB实验还可以看出各因素的作用效果，即是增加还是减少浓度会使响应值向最优移动。第二步：是主要因素的取值逼近中心点，最陡爬坡实验这步实验不是必须做的，如果你确定你的实验取值已经逼近中心点，那么你可以直接进行第三步的分析。但是你要是不能确定或不相信这些取值那你就要进行最陡爬坡实验。这步实验根据第一步实验进行。为了尽快逼近最优值，增加步长通常取最大。我现在还没找到取最大步长的公式，有谁知道的话麻烦发一下。细履平沙版主，帮忙解决一下，谢谢。这样就能找到中心点。第三步：响应面分析现在常用的有中心复合法和BB法（Box-Behnken）。在这步实验时最好因素不要太多，因素太多直接影响到试验次数，现在经典的一般是三因素。通过这步分析可以的回归方程，进而得到最优培养基。并且还能得到因素相互作用对响应值的影响。在这里我对△x，即+1、—1的取值还不太清楚，α的取值也不是很清晰，希望大家帮忙解答一下。这是我最近的学习结果，希望大家批评和指正。[此贴被细履平沙在2008-06-0518:55重新编辑]附件：采用响应面分析法优化吩嗪_1_羧酸的发酵条件.pdf(180K)下载次数:4需要经验值:20附件：发酵法产氢培养基的响应面分析优化.pdf(908K)下载次数:4需要经验值:20附件：酵母内海藻糖积累条件的优化.pdf(213K)下载次数:4需要经验值:20附件：响应面法优化纳豆激酶液体发酵.pdf(217K)下载次数:5需要经验值:20关于培养基的优化试验套路0正交试验和均匀设计方法进行培养基优化已取得诸多成功的例子。正交试验适合因子较多而因子水平不多的试验设计，从试验次数上看，是至少为因子数的平方。均匀设计适合于因子少，而水平多的试验，从试验次数看，至少是因子数的两倍。两种方法虽然多从拉丁方设计衍生而来，不过效率却更高。现如今，大多流行响应曲面设计来优化培养基。首先，我们要从众多培养基成分及影响的环境因素中筛选出具有主效应的因子。这时，通常采用筛选试验。主要有全因子因析设计和Plackett－Burman设计。两种筛选试验，各有千秋，但都能以最少的试验次数筛选出主效应因子。其中全因子设计能够表现出因子的三级以上交互作用，而Plackett－Burman设计由于是两水平设计，所以交互作用只在二级交互作用。另外还有部分因子因析设计。筛选到了主效应因子，我们就可以开始进行下一步优化试验。此时，主要有中心复合设计和Box-Behnken设计。中心组合设计是一种国际上较为常用的响应面法，是一种5水平的实验设计法。采用该法能够在有限的实验次数下，对影响生物过程的因子及其交互作用进行评价，而且还能对各因子进行优化，以获得影响过程的最佳条件。Box-Behnken设计是另一种国际上较为常用的响应面法，是一种3水平的实验设计法。同样具有响应面法的优点。近年来利用该法进行生物过程优化的文献比用中心组合设计法的明显地少。通常以上说的响应曲面设计和数据分析，都可以通过一些统计软件来运行，十分简便。为此，我将本人一直在使用的Mintab绿色软件上传，希望大家能够好好利用，搞好试验设计，节省人力无力，为经济带来腾飞（别忘了日本很大程度上就是因为田口宏一的正交设计表，在二战后迅速崛起！）谢谢西风，看你的回复我很有同感，我当时刚开始做RSM也是摸不到头脑，没办法，只有看文献一步一步的摸索过来的。为了不让帖子沉了，也为了有需要的战友节省时间，心中对试验设计有个大概的框架，我先抛砖引玉，简单讲下我做培养基优化的一点体会。可能有些战友认为，试验设计优化培养基就是找几种培养基成分放在一起做几个组合进行试验就行了，其实这样做往往是得不到最适的结果的，尤其在做响应面分析（RSM）的时候，试验得到的图形可能不是一个完美的曲面图，我见过一些别人发的文章，它的曲面图是一个扭曲的图形，高点根本没有出现在图形中，那试验得到的根本不是最适的培养基组分，当然这种文章一般不会出现在核心期刊上的。这种情况一般都是没有在做RSM前，做“爬坡试验”的结果，“爬坡试验”的目的在于找出RSM设计的中心点，保证结果的准确性。另外一点需要提出的是RSM的一个缺点就是分析的因素不能太多，经典的是三因素的试验设计，如果你的因素比较多，那不妨试试方开泰的均匀设计。要做RSM就要先找出有显著影响的因素，剔除一些对结果影响不显著的因素，所以在“爬坡试验”之前还需要一个PB试验，PB能从众多因素中很简单的找出对试验结果影响最为显著的因素，排除一些影响不显著的因素，降低后续试验的工作量，又能保证结果的准确性。PB和“爬坡试验”对于刚接触试验设计的战友，比较陌生点，加上发表文章中很少，全面的把整个试验设计写出来的，一般的都是只写RSM这部分，也有几篇文章是PB+RSM的，还有先做RSM后做“爬坡试验”的。我个人认为PB--“爬坡试验”--RS，这种试验设计的思路比较符合逻辑，又比较全面。如果做毕业论文的培养基优化部分，可以使内容比较丰富。当然如果是做毕业论文的话，在综合试验设计之前，还有个更基础的工作，就是单因素试验，那种放弃单因素试验的想法也完全错误的，尤其是没有一个基础配方的时候。我做的菌种是我自己从本实验室菌种库筛出来，然后又做了诱变育种，所以是没有合适的培养基的，所以做了很多工作，用单因素试验首先大致确定C、N、P、无机盐、微量元素的种类及水平。大致讲了一下，说的比较散乱，或许不太好明白。希望大家把问题提出来，我们一起针对具体问题具体分析。讲得不错，都是很好的心得。先用PB进行显著性分析是一个很好的建议。另外可以从历史数据中找到合适的数据，然后再用软件进行分析，就可以不用再做实验就可找到影响显著的因素和水平范围。响应面分析，其实用我们常见的软件就可以做出来。首先对各个单因素的试验结果进行归纳，后选择变量的变化区间还变化间隔就可以，常见的软件如DPS就可以了。用这个软件可以完成你所需的所有工作，要是想让你的响应面好看，用MATLAB也可以，三维，四维的都可以，在MATLAB区中有我写的现成的用MATLAB语句实现第四维的表示方法，很好用。另外用SARS软件也是可以的，不过语句能比MATLAB复杂一点点。EXCEL也可以，不过做出的响应面，美观程度差一点点。我有个想法，能不能在初始时用正交实验确定出中心点的范围，然后将数据用SAS中的主成份分析，得到影响最显著的几个因素，然后用RSM做，这样主要影响因素有了，中心点也有了。做起来也好做，不会PB等软件的战友也可以轻松操作。不知这样可不可行？希望大家讨论讨论PB实验设计的数据处理0我使用SAS进行试验设计的，11个因素+4个dummyvariables，做16次实验。PB实验设计的数据已经出来了，但是怎么分析不了。用Analysist→Statistics→Regression→Linear分析出来的结果像图里面这样，怎么回事呢？后面几列的StandardError,tvalue以及p值都没有。我给试验设计的表也列出来吧，请各位高手分析一下，到底是哪方面原因导致的。表中X2，X4，X8，X15这4列是dummyvariables，没有赋值，其余11个是考查的因素。y是考查指标（转化率%）上面是图片，顺便给表格放在word里面，以附件传上来，请大家帮分析分析。想知道的几个问题：1.试验设计有没有问题？2.就按照表中设计的试验做了16次实验，没有将每次重复3遍取平均值，是不是可以？3.这些数据该怎么处理，怎么用SAS处理会出现上面的情况，没有标准误差，t值以及p值？谢谢了先~附件：CodedDesign.rar(7K)下载次数:5很想问一下，那个虚拟变量如何设置啊一般多少个还有最重要的是实验过程中到底如何进行啊小妹真的没有概念虚拟变量好像一般设个三个左右实验次数都为四的的倍数，如果你要测定8个因素，实验次数仍为12，那么就可以设三个虚拟变量。8＋3＝1112记住k个因素和实验次数之间的关系是K小于或等于n－1具体实验过程中，我个人觉得就是高低水平都为－，就是什么都不加，只是增加了实验次数，控制误差的作用。实验过程中控制误差可以通过重复试验达到。而实验误差的计算可以通过增加中心点次数实现。如果不能进行误差分析，那么就谈不上数据分析了。我也是刚刚起步，幸亏有发酵人，大家可以一起交流！一