在科学研究和工农业生产中,经常需要通过试验来寻找所研究对象的变化规律,并通过对规律的研究达到各种实用的目的,如提高产量、降低消耗、提高产品性能或质量等,特别是新产品试验,未知的东西很多,要通过大量的试验来摸索工艺条件或配方。
自然科学和工程技术中所进行的试验,是一种有计划的实践,只有科学地试验设计,才能用较少的试验次数,在较短的时间内达到预期的试验目标;反之,不合理的试验设计,往往会浪费大量的人力、物力和财力,甚至劳而无功。另外,随着试验进行,必然会得到大量的试验数据,只有对试验数据进行合理地分析和处理,才能获得研究对象的变化规律,达到指导生产和科研的目的。可见,最优试验方案的获得,必须兼顾试验设计方法和数据处理两方面,两者是相辅相成、互相依赖、缺一不可的。
在试验设计之前,试验者首先应对所研究的问题有一个深入的认识,如试验目的、影响试验结果的因素、每个因素的变化范围等,然后才能选择合理的试验设计方法,达到科学安排试验的目的。在科学试验中,试验设计一方面可以减少试验过程的盲目性,使试验过程更有计划;另一方面还可以从众多的试验方案中,按一定规律挑选出少数具有代表性的试验。
合理的试验设计只是试验成功的充分条件,如果没有试验数据的分析计算,就不可能对所研究的问题有一个明确的认识,也不可能从试验数据中寻找到规律性的信息,因此试验设计都是与一定的数据处理方法相对应的。试验数据处理在科学试验中的作用主要体现在以下5个方面:
①通过误差分析,可评判试验数据的可靠性。
②确定影响试验结果的因素主次,从而可抓住主要矛盾,提高试验效率。
③确定试验因素与试验结果之间存在的近似函数关系,并能对试验结果进行预测和优化。
④获得试验因素对试验结果的影响规律,为控制试验提供思路。
⑤最优试验方案或配方的确定。
试验设计(experiment design)与数据处理(data processing)虽然归于数理统计的范畴,但它们也属于应用技术学科,具有很强的适用性。一般意义上的数理统计的方法主要用于分析已经获得的数据,对所关心的问题作出尽可能精确的判断,而对如何安排试验方案的设计却没有过多的要求。试验设计与数据处理则是研究如何合理地安排试验,有效地获得试验数据,然后对试验数据进行综合的科学分析,以求尽快达到优化实验的目的。因此,完整意义上的试验设计实质上是试验的最优化设计。