试验设计及试验设计统计VIP专享

试验设计在工业化发酵生产中，发酵培养基 的设计是十分重要的，因为培养基的成分对产物浓度、菌体生长都有重要的影响。实验设计方法发展至今可供人们根据实验需要来选择的余地也很大。一、实验设计方法1.1单因素法单因素方法（One at a time）的基本原理是保持培养基中其他所有组分的浓度不变，每次只研究一个组分的不同水平对发酵性能的影响。这种策略的优点是简单、容易，结果很明了，培养基组分的个体效应从图表上很明显地看出来，而不需要统计分析。这种策略的主要缺点是：忽略了组分间的 交互作用 ，可能会完全丢失最适宜的条件；不能考察因素的主次关系；当考察的实验因素较多时，需要大量的实验和较长的实验周期。但由于它的容易和方便，单因素方法一直以来都是培养基组分优化的最流行的选择之一。1.2正交实验设计正交设计（ Orthogonal design）就是从“均匀分散、整齐可比”的角度出发，是以拉丁方理论和群论为基础，用正交表来安排少量的试验，从多个因素中分析出哪些是主要的，哪些是次要的，以及它们对实验的影响规律，从而找出较优的工艺条件。石炳兴等利用正交实验设计优化了新型抗生素 AGPM 的发酵培养基， 结果在优化后的培养基上单位发酵液的活性比初始培养基提高了18.9 倍。正交实验不能在给出的整个区域上找到因素和响应值之间的一个明确的函数表达式即回归方程 ，从而无法找到整个区域上因素的最佳组合和响应值的最优值。而且对于多因素多水平试验，仍需要做大量的试验，实施起来比较困难。1.3均匀设计均匀设计 (Uniform design)是我国数学家方开泰等独创的将数论 与多元统计 相结合而建立起来的一种试验方法。这一成果已在我国许多行业中取得了重大成果。均匀设计最适合于多因素多水平试验，可使试验处理数目减小到最小程度，仅等于因素水平个数。虽然均匀设计节省了大量的试验处理，但仍能反映事物变化的主要规律。1.4全因子实验设计在全因子设计(Full factorial design)中各因素的不同水平间的各种组合都将被实验。全因子的全面性导致需要大量的试验次数。一般利用全因子设计对培养基进行优化实验都为两水平，是能反映因素间交互作用（排斥或协同效应）的最小设计。全因子试验次数的简单算法为（以两因素为例）：两因素设计表示为a ×b，第一个因素研究为a 个水平，第二个因素为 b 个水平。 Thiel等试验了两个因素：7 个菌株在8 种培养基上，利用7 ×8（ 56 个不同重复）。Prapulla等试验了三...