第二章试验设计与数据处理基础

第二章试验设计与数据处理基础黄进宝茶与食品科技学院食品工程系TelE-mail1、总体与样本总体：根据研究目的确定的研究对象的全体称为总体(population)；个体：总体中的每一个研究单位称为个体(individual)；样本：依据一定方法由总体中抽取部分个体所组成的集合称为样本(sample)；有限总体：含有有限个个体的总体称为有限总体；无限总体：包含有无限多个个体的总体称为无限总体；一、统计常用术语样本容量：样本中所包含的个体数目叫样本容量或大小(samplesize)，样本容量常记为n。通常把n≤30的样本叫小样本，n>30的样本叫大样本。试验研究的目的：了解总体，然而能观测到的却是样本，通过样本来推断总体是统计分析的基本特点。为了能可靠地从样本来推断总体，要求样本具有一定的含量和代表性。一、统计常用术语

如何获取有代表性的样本？采用随机抽取。所谓随机抽取(randomsampling)是指总体中的每一个个体都有同等的机会被抽取到样本中。样本毕竟只是总体的一部分，尽管样本具有一定的含量也具有代表性，通过样本来推断总体也不可能是百分之百的正确。有很大的可靠性但有一定的错误率这是统计分析的特点。一、统计常用术语

一、统计常用术语总体样本参数

统计量sμσσ2方差s2标准差平均数R极差抽样推断、估计为了了解总体分布、特征构造3、

准确性与精确性

准确性(accuracy)也叫准确度，指观测值与其真值的接近程度。设某一试验指标或性状的真值为μ，观测值为

x，若x与μ相差的绝对值|x－μ|越小，则观测值x的准确性越高；反之则低。精确性(precision)也叫精确度，指同一试验指标或性状的重复观测值彼此接近的程度。若观测值彼此接近，即任意二个观测值xi、xj

相差的绝对值|xi－xj|越小，则观测值精确性越高；反之则低。一、统计常用术语（a）（b）（c）一、统计常用术语随机误差也叫抽样误差(samplingerror)，是由于许多无法控制的内在和外在的偶然因素所造成的。随机误差带有偶然性质，在试验中，即使十分小心的进行试验操作也难以消除。随机误差不可避免，但可减少，影响试验的精确性。

统计上的试验误差是指随机误差。这种误差愈小，试验的精确性愈高。4、

随机误差(randomerror)与系统误差(systematicerror)一、统计常用术语系统误差也叫片面误差(lopsidederror)，这是由于试验对象相差较大，测量的仪器不准、标准试剂未经校正，以及观测、记载、抄录、计算中的错误等等所引起。系统误差可以通过改进方法、正确试验设计来避免、消除。系统误差影响试验的准确性。一、统计常用术语1、

平均数（mean，average)平均数是统计学中最常用的统计量，反映数据资料的相对集中位置。平均数主要包括有：算术平均数（arithmeticmean）中位数（median）众数（mode）几何平均数（geometricmean）二、统计特征数平均数的基本性质样本各观测值与平均数之差的和为零，即离均差之和等于零。二、统计特征数样本各观测值与平均数之差的平方和为最小，即离均差平方和为最小。<

或简写成

<

或简写成

=0

=0

二、统计特征数设某一资料包含n个观测值：x1、x2、…、xn，则样本平均数可通过下式计算：（2-1）加权法对于样本含量n≥30以上且已分组的资料，可以在次数分布表的基础上采用加权法计算平均数，计算公式为：

（2-2）二、统计特征数（2-2）

式中：xi

—第i组的组中值；

fi—第i组的次数；

k

—分组数第i组的次数fi是权衡第

i

组组中值xi在资料中所占的比重大小，因此将fi称为是xi的“权”，加权法也由此而得名。【例】100听罐头净重（单位：kg）资料整理成次数分布表如下，求其加权数平均数。二、统计特征数

利用加权法计算平均数公式计算：

100听罐头每听净重的加权平均数为342.67g。表2-3100听罐头净重的次数分布组限组中值（x)次数（f）329.5-331.01332.5-334.03335.5-337.010338.5-340.026341.5-343.031344.5-346.017347.5-349.08350.5-352.02353.5-355.01356.5-358.01二、统计特征数

【例】某牛群有黑白花奶牛1500头，其平均体重为750kg，而另一牛群有黑白花奶牛1200头，平均体重为725kg，如果将这两个牛群混合在一起，其混合后平均体重为多少？计算若干个来自同一总体的样本平均数的平均数时，如果样本含量不等，也应采用加权法计算。二、统计特征数

即两个牛群混合后平均体重为738.89kg。二、统计特征数此例两个牛群所包含的牛的头数不等，要计算两个牛群混合后的平均体重，应以两个牛群牛的头数为权，求两个牛群平均体重的加权平均数，即（2）中位数（median）将资料内所有观测值由小到大依次排列，位于中间的那个观测值，称为中位数，记为Md。当观测值的个数是偶数时，则以中间两个观测值的平均数作为中位数。当所获得的数据资料呈偏态分布时，中位数的代表性优于算术平均数。二、统计特征数

（2-4）二、统计特征数（2-3）【例】对9个小麦品种的容重进行测定，测定结果为750、760、767、769、773、775、778、780、800（已排序），求其中位数。此例n=9，为奇数，则：

Md=x(n+1)/2=x(9+1)/2=773（g）即九个小麦品种的中位数为773g。二、统计特征数（3）几何平均数（geometricmean）n个观测值相乘之积开n次方所得的方根，称为几何平均数，记为G。它主要应用于科学研究中的动态分析，如微生物的增长率、人口的增长率等等。当观测值呈几何级数变化时，用几何平均数比用算术平均数更能代表其平均水平。其计算公式如下：

(2-5)二、统计特征数为了计算方便，可将各观测值取对数后相加除以n，得lgG，再求lgG的反对数，即得G值，即

二、统计特征数（4）众数（mode）资料中出现次数最多的那个观测值或次数最多一组的组中值，称为众数，记为M0。(2-6)2、变异数变异数的意义用平均数作为样本的代表，其代表性的强弱受样本资料中各观测值变异程度的影响。仅用平均数对一个资料的特征作统计描述是不全面的，还需引入度量资料中观测值变异程度大小的统计量。常用的表示变异程度的统计量有极差、方差、标准差和变异系数。二、统计特征数（1）极差（Range）极差是表示资料中各观测值变异程度大小最简便的统计量。

R＝Max-MinR值越大，平均数的代表性越差。但是全距只利用了资料中的最大值和最小值，没有充分利用全部资料，并不能准确表达资料中各观测值的变异程度，是比较粗略的。当资料很多而又要迅速对资料的变异程度作出判断时，可以利用极差这个统计量。二、统计特征数

二、统计特征数

二、统计特征数

二、统计特征数

二、统计特征数

二、统计特征数

由于所以（2-9）式可改写为：(2-10)

二、统计特征数标准差的计算方法直接法

对于未分组或小样本资料，可直接利用定义公式来计算标准差。二、统计特征数【例】10瓶罐头的净重（g）分别为450，450，500，500，500，550，550，550，600，600，650，计算标准差。由已知，计算：Σx=5400，Σx2=2955000，代入公式得：

10瓶罐头净重的标准差为65.828g。(g)

加权法

对于已制成次数分布表的大样本资料，可利用次数分布表，采用加权法计算标准差。计算公式为：式中，fi为各组次数；xi为各组的组中值；Σfi

=n为总次数。二、统计特征数表2-3100听罐头净重的次数分布组限组中值（x)次数（f）329.5-331.01332.5-334.03335.5-337.010338.5-340.026341.5-343.031344.5-346.017347.5-349.08350.5-352.02353.5-355.01356.5-358.01二、统计特征数【例】由次数分布计算100听罐头净重的标准差。

＝4.43g二、统计特征数标准差的特性标准差的大小，受资料中每个观测值的影响，如观测值间变异大，求得的标准差也大，反之则小。计算标准差时，在各观测值加上或减去一个常数，其数值不变。每个观测值乘以或除以一个常数a，则所得的标准差是原来标准差的a倍或1/a倍。二、统计特征数

二、统计特征数

SS=

熟记（4）变异系数Coefficientofvariation)

注意：变异系数的大小，同时受平均数和标准差两个统计量的影响，因而在利用变异系数表示资料的变异程度时，最好将平均数和标准差也列出。二、统计特征数指标平均值标准差变幅变异系数％物理性状水分％13.000.6711.75-14.505.18容重g/L766.025.0694-8433.00百粒重

g34.485.9714.59-44.8617.30百粒体积ml28.064.8711.0-35.817.34籽粒密度g/ml1.230.031.14-1.332.81营养品质淀粉％69.551.3563.82-72.061.95粗蛋白％10.970.928.63-13.888.39粗脂肪％4.511.162.89-9.6925.63灰分％1.460.111.20-1.787.38粗纤维％2.190.291.58-2.8513.31三、异常数据的检验试验数据中如果混有异常数据，就会歪曲试验结果，因此必须正确地剔除异常数据。异常数据一般在重复间的规律性可做出判断，因此试验一般重复3次以上是必要的。如果各处理在3次重复表现出的规律相同，仅有一个处理的数据表现出异常，则可判断为异常数据。另一方面，由于在特定的条件下进行试验测定的随机波动性，导致测定数据有一定的分散性，如果人为舍掉一些误差较大的，但不属于异常数据，这样会造成虚假的高精度。通常采用物理判别剔除和统计判别剔除。物理判别剔除是在试验过程中根据常识或经验判断由于振动、误读等原因造成的异常数据，随时发现随时剔除。统计判别剔除的基本思想是根据概率论的原理确定一个置信限，凡超出此置信限的误差一般认为不属于随机误差范围，属于应剔除的异常数据。三、异常数据的检验三、异常数据的检验1、拉依达准则该准则简称3σ准则。将超过3σ的数据剔除，犯“弃真”错误的概率为0.27%，即：在实际应用中，当样本数n<10时，不能应用此准则。σ，为σ正态总体的标准差。

三、异常数据的检验2、肖维勒准则若某个测定值xd的残差满足以下公式：xd被判定为异常数据，应予以剔除。Wn可以查表获得。

|Vd|≥Wn*s3、t-检验准则把测定值的最大和最小值作为被检验量x0除去，进行及S计算，若时，|x0-x|>k(a,n)S舍去x0。三、异常数据的检验三、异常数据的检验关于异常数据的剔除还有其它一些准则，如格拉布斯准则、狄克逊准则等，应用效果是相同的。拉布依达准则适用于大样本，肖维勒准则和t-检验准则适用于小样本。三、异常数据的检验1、

试验数据分类在调查或试验中，由观察、测量所得的数据资料按其性质的不同，一般可以分为数量性状资料、质量性状资料和半定量（等级）资料三大类。（1）数量性状资料数量性状(quantitativecharacter)是指能够以测量、计量或计数的方式表示其特征的性状。观察测定数量性状而获得的数据就是数量性状资料。数量性状资料可分为计量资料和计数资料两种。四、试验数据的分类与整理计量资料用度、量、衡等计量工具直接测定获得的数量性状资料，其数据是用长度、容积、重量等来表示。这种资料的各个观测值不一定是整数，两个相邻的整数间可以有带小数的任何数值出现，其小数位数的多少由度量工具的精度而定，它们之间的变异是连续性的。计量资料也称为连续性变异资料。四、试验数据的分类与整理计数资料指用计数方式获得的数量性状资料。在这类资料中，它的各个观察值只能以整数表示，在两个相邻整数间不得有任何带小数的数值出现。这些观察值只能以整数来表示，各观察值是不连续的，因此该类资料也称为不连续性变异资料或间断性变异资料。四、试验数据的分类与整理（2）质量性状资料质量性状(qualitativecharacter)是指能观察到而不能直接测量的，只能用文字来描述其特征的性状，如食品颜色、风味等等。这类性状本身不能直接用数值表示，要获得这类性状的数据资料，须对其观察结果作数量化处理，其方法有以下两种：统计次数法和评分法。四、试验数据的分类与整理统计次数法在一定的总体或样本中，根据某一质量性状的类别统计其次数，以次数作为质量性状的数据。例如，苹果中全红果个数与半红果个数。由质量性状数量化而得来的资料又叫次数资料。评分法对某一质量性状，因其类别不同，分别给予评分。例如，分析面包的质量，可以按照国际面包评分细则进行打分，综合评价面包质量；新产品开发中的评价打分等等。

四、试验数据的分类与整理（3）半定量（等级）资料半定量或等级资料(semi-quantitativeorrankeddata)是指将观察单位按所考察的性状或指标的等级顺序分组，然后清点各组观察单位的次数而得的资料。这类资料既有次数资料的特点，又有程度或量的不同。如某种果实的褐变程度是视果实变色面积将其分组，然后统计各级别果数。四、试验数据的分类与整理三种不同类型的资料相互间是有区别的，但有时可根据研究的目的和统计方法的要求将一种类型资料转化成另一种类型的资料。例如，酸奶中的乳杆菌总数得到的资料属于计数资料，根据化验的目的，可按乳杆菌总数正常或不正常分为两组，清点各组的次数，计数资料就转化为质量性状次数资料；如果按乳杆菌总数过高、正常、过低分为三组，清点各组次数，就转化成了半定量资料。四、试验数据的分类与整理2、

试验数据的整理

未整理的资料为原始资料，是零星的、孤立的和杂乱无章，无规律可循，通过科学的整理和分析，可发现其规律性，揭示事物内在本质。（1）数据资料的检查与核对在于确保原始资料的完整性和正确性。完整性指原始资料无遗缺或重复。正确性指原始资料的测量和记载无差错或未进行不合理的归并。检查中特别注意特大、特小和异常数据（结合专业知识作出判断）。对于有重复、异常或遗漏的资料，应予以删除或补齐；对有错误、相互矛盾的资料应进行更正，必要时进行复查或重新试验。四、试验数据的分类与整理（2）数据资料的整理方法当观测值不多(n≤30)时，不必分组，可直接进行统计分析。当观测值较多(n>30)时，宜将观测值分成若干组，以便统计分析。将观测值分组后，制成次数分布表，可看到资料的集中和变异情况。四、试验数据的分类与整理（3）连续性资料（计量资料）的整理连续性资料的整理，需要先确定全距、组数、组距、组中值及组限，然后将全部观测值计数归组。【例】为了分析某生产厂的罐头质量，现随机抽取100听罐头样品，分别称取其净重，数据资料见表2-1。四、试验数据的分类与整理342.1340.7348.4346.0343.4342.7346.0341.1344.0348.0346.3346.0340.3344.2342.2344.1345.0340.5344.2344.0343.5344.2342.6343.7345.5339.3350.2337.3345.3358.2344.2345.8331.2342.1342.4340.5350.0343.2347.0340.2344.0353.3340.2336.3348.9340.2356.1346.0345.6346.2340.6339.7342.3352.8342.6350.3348.5344.0350.0335.1340.3338.2345.5345.6349.0336.7342.0338.4343.9343.7341.1347.1342.5350.0343.5345.6345.0348.6344.2341.1346.8350.2339.9346.6339.9344.3346.2338.0341.1347.3347.2339.8344.4347.2341.0341.0343.3342.3339.5343.0表2-1100听罐头样品的净重g四、试验数据的分类与整理求全距R全距是数据资料中的最大值与最小值之差，又称为极差(range)，用R表示。即，R=Max(xi)-Min(xi)xi为观测值

本例Max=358.2，Min=331.2，R=358.2-331.2=27.0确定组数k组数的多少视样本含量及资料的变动范围大小而定，一般以达到既简化资料又不影响反映资料的规律性为原则。四、试验数据的分类与整理组数要适当，不宜过多，亦不宜过少。分组越多所求得的统计量越精确，但增大了运算量；若分组过少，资料的规律性就反映不出来，计算出的统计量的精确性也较差。一般组数的确定，可参考表2-2，本例中，n＝100，初步确定组数为9组。表2-2样本含量与组数样本含量（n）组数60－1007－10100－2009－12200－50012－17500以上17－30四、试验数据的分类与整理确定组距i每一组中的最大值与最小值之差称为组距（Classinterval），记为i。分组时一般要求各组的组距相等。组距(i)＝全距R／组数k

本例

i＝27／9=3确定组限及组中值各组的最大值与最小值称为组限。最小值称为下限，最大值称为上限。每一组的中点值称为组中值，它是该组的代表值，组中值与组限、组距的关系如下：组中值＝(组下限＋组上限)/2＝组下限＋1/2组距＝组上限－1/2组距四、试验数据的分类与整理

组距确定后，首先要选定第一组的组中值。在分组时为了避免第一组中观察值过多，一般第一组的组中值以接近或等于资料中的最小值为好。第一组组中值确定后，该组组限即可确定，其余各组的组中值和组限也可相继确定。

注意：最末一组的上限应大于资料中的最大值。四、试验数据的分类与整理

表2-1中，最小值为331.2，第一组的组中值取331.0，因组距为3.0，因此第一组的下限应为：

331.0-(1/2)×3.0＝329.5；第一组的上限也就是第二组的下限应为：

329.5+3.0=332.5；第二组的上限也就是第三组的下限为：

332.5+3.0=335.5，……，依此类推，一直到某一组的上限大于资料中的最大值为止。依次类推分组为：

329.5-332.5，332.5-335.5，……四、试验数据的分类与整理

将正好等于前一组上限和后一组下限的数据，一般约定将其归入后一组。通常将上限略去不写。第一组记为36.0

，第二组记为39.0

，

……制作次数分布表分组结束后，将资料中的每一观测值逐一归组,统计每组内所包含的观测值个数，制作次数分布表。四、试验数据的分类与整理表2-3100听罐头净重的次数分布组限组中值（x)次数（f）329.5-331.01332.5-334.01335.5-337.06338.5-340.021341.5-343.032344.5-346.023347.5-349.012350.5-352.02353.5-355.01356.5-358.01四、试验数据的分类与整理100听罐头的单听净重多数集中在343g，约占观测值总个数的1/3，用它来描述罐头单听净重的平均水平，有较强的代表性。由次数分布表可以看出，每听罐头净重小于332.5g及大于356.5g的为极少数。100听罐头净重分布基本以343.0g为中心，向两边做递减对称分布。四、试验数据的分类与整理（4）

间断性资料（计数资料）的整理计数资料观察值较多时，变异范围较大，若以每一观察值为一组，则组数太多，而每组内包含的观察值太少，资料的规律性显示不出来。对于这样的资料，可扩大为以几个相邻观察值为一组，适当减少组数，这样资料的规律性就较明显，对资料进一步计算分析也比较方便。以100盒鲜枣每盒检出不合格枣数为例，说明间断性资料的整理。四、试验数据的分类与整理18291924221924222220232021232126222324222324252422242324222523252623222523202225262526262526242321262123222424212324242122232022232623242224262824272324222623202625252625252625242225262524252625252728

表2-4100盒鲜枣每盒检出不合格枣数四、试验数据的分类与整理

表2-5100盒鲜枣每盒检出不合格枣数次数分布表不合格枣数次数（f）18-19320-211122-233124-253526-271728-293四、试验数据的分类与整理（5）质量性状资料、半定量（等级）资料的整理对于质量性状资料、半定量（等级）资料，可按性状或等级进行分组，分别统计各组的次数，然后制成次数分布表。四、试验数据的分类与整理数据处理的结果表示：

列表、作图1、统计表统计表的结构和要求统计表由标题、横标目、纵标目、线条、数字及合计构成编制统计表的总原则结构简单，层次分明，内容安排合理，重点突出，数据准确，便于理解和比较分析。五、常用统计表与统计图

统计表编制具体要求标题标题要简明扼要、准确地说明表的内容，有时须注明时间、地点。标目标目分横标目和纵标目两项。横标目列在表的左侧，用以表示被说明事物的主要标志；纵标目列在表的上端，说明横标目各统计指标内容，并注明计算单位，如％、kg、cm等等。数字一律用阿拉伯数字，数字以小数点对齐，小数位数一致，无数字的用“─”表示，数字是“0”的，则填写“0”。线条表的上下两条边线略粗，纵、横标目间及合计用细线分开，表的左右边线可省去，表的左上角一般不用斜线。备注对于表格的文字说明，一般写在表下方。

五、常用统计表与统计图五、常用统计表与统计图统计表的种类统计表可根据纵、横标目是否有分组分为简单表和复合表两类。简单表由一组横标目和一组纵标目组成，纵横标目都未分组。此类表适于简单资料的统计。五、常用统计表与统计图复合表由两组或两组以上的横标目与一组纵标目结合而成，或由一组横标目与两组或两组以上的纵标目结合而成，或由两组或两组以上的横、纵标目结合而成。此类表适用于复杂资料的统计，如表2-4。表2-4几种动物性食品的营养成分五、常用统计表与统计图2、

统计图常用的统计图有条图

(barchart)、线图(linearchart)、散点图

(scatterdiagram)、园饼图(piechart)、折线图(broken-linechart)等。一般情况下，计量资料采用条图和线图，计数资料、质量性状资料、半定量（等级）资料常用折线图或园饼图。五、常用统计表与统计图统计图绘制的基本要求标题简明扼要，列于图的下方。纵、横两轴应有刻度，注明单位。横轴由左至右、纵轴由下而上，数值由小到大；图形长宽比例约5：4或6：5。图中需用不同颜色或线条代表不同处理、样品等时，应有图例说明。五、常用统计表与统计图六、试验设计的基本概念1、试验指标在试验设计中，根据试验目的而选定的用来衡量试验效果的特征值，称为试验指标。例如，在考察不同的多糖提取工艺对多糖提取率的影响时，多糖提取率是试验指标；在考察不同提汁工艺条件对果汁褐变的影响时，果汁色泽就是试验指标。试验指标可分为两类：定量指标和定性指标。定量指标：能用数量表示的指标，如食品的糖度、酸度、pH、提取率，吸光度、合格率等，食品的理化指标及由理化指标计算得到的特征值一般为定量指标。定性指标：不能用数量表示的指标，如色泽、风味、口感、手感等；食品的感官指标多为定性指标。通常为了便于试验分析结果，常把定性指标进行量化，转化为定量指标。例如，食品的感官指标可用评分（10分制或者百分制）的方法分成不同的等级，代替很好、较好、较差、很差等定性描述方式。六、试验设计的基本概念2、试验因素在试验设计中，可能对试验指标产生影响的条件称为试验因素。在酶解制备水解动物蛋白的试验中，酶的种类、温度、pH、时间、底物浓度等都对水解度有很大的影响，这些就是影响水解度的因素。试验因素又可分为数量因素和非数量因素。数量因素——依据数量化分水平的因素，如温度、pH、时间等。非数量因素——不是依据数量化分水平，如酶的种类等。六、试验设计的基本概念3、试验水平在试验设计中，为考察试验因素对试验指标的影响情况，要使试验因素处于不同的状态，把试验因素所处的各种状态称为试验水平。试验设计中，一个因素选择了几个水平，就称该因素为几水平。例如在酶解制备水解动物蛋白的试验中，温度分别设为30℃、40℃、50℃，就称温度为三水平。因素的水平，有的可以取具体的数值，有的无法用具体的数值表示，如添加剂的种类，酶的种类，设备的不同型号，原料的不同品种，工艺的不同操作方法等。六、试验设计的基本概念4、试验处理试验处理是指各试验因素的不同水平之间的联合搭配，因此，试验处理也叫因素的水平组合或组合处理。在单因素试验中，水平和处理是一致的，一个水平就是一个处理。在多因素试验中，由于因素和水平较多，可以形成若干个水平组合。处理的多少等于参加试验各因素水平的乘积。如三因素三水平全面试验共有3×3×3=27个处理。六、试验设计的基本概念5、全面试验对全部组合处理进行试验，叫全面试验。全面试验的组合处理等于各试验因素水平的乘积。优点：能够掌握每个因素及其每一个水平对试验结果的影响，无一遗漏。缺点：但是当试验的因素和水平较多时，试验处理的数目会急剧增加，如果还要重复，工作量就会更大，在实际中难以实施。因此，全面试验是有局限性的，只适用于因素和水平都不太多的情况。六、试验设计的基本概念6、部分实施部分实施就是从全部组合处理种选取部分有代表性的处理进行实施。如正交试验设计和均匀试验设计等都属于部分实施，部分实施可使试验规模大大减少。如三因素三水平试验，按照全面试验有27个处理，按照正交试验设计只有9个处理，仅为全面试验的三分之一。因此，在试验因素和水平较多时，常采用部分实施的方法。六、试验设计的基本概念七、试验设计的基本原则（一）试验误差来源在科学研究中，试验处理常常受到各种非处理因素的影响，使试验处理的效应不能真实地反映出来。试验所得到的观测值，不但有处理的真实效应，而且还包含其它因素的影响，这就出现了实测值与真值的差异，这种差异在数值上的表现称为试验误差。1、试验材料试验中，所用的试验材料在质量、纯度上不可能完全一致，就是同一厂家生产的同批号的同一包装内的产品，有时也存在某种程度的不均匀性。试验材料的差异在一定范围内是普遍存在的，这种差异会对试验结果带来影响，产生试验误差。2、测试方法试验中所用化验、检测等方法有时不能准确反映被测对象化学体系的性质，这种误差也称方法误差。此类误差是化验、检测分析中最为严重的误差。七、试验设计的基本原则3、试验仪器和设备仪器精度有限；仪器的磨损；仪器可能不在最佳状态；测量工具可能没有校正，即使校正，也不可能绝对准确，也会有误差；有时试验中，需要同时使用多台仪器，即使是同一型号也会存在一定的差异，同一台仪器不同时间的测定也有差异。七、试验设计的基本原则4、试验环境条件环境因素主要包括温度、湿度、气压、振动、光线、电磁场、海拔高度和气流等。试验在完全相同的环境条件下进行，才能得到可靠的结果。由于环境条件的复杂性，且难以控制，因此环境条件对试验结果的影响不可避免，特别是试验周期较长的试验。环境的变化可能会使原料的组成、性质和结构等发生变化，同时也可能影响仪器的稳定性，从而引起误差。七、试验设计的基本原则5、试验操作主要由操作人员引起的。人的生理机能的差异如眼睛的分辨能力，不能正确的读数以及辨别颜色的色调及深浅；嗅觉对气味的敏感度等。操作人员的习惯，读数偏高和偏低，终点观察的超前或滞后。有的试验有多人共同操作，操作人员的素质和固有习惯。总之，试验过程中出现误差是不可避免的，但可以设法尽量减少误差，这正是试验设计的主要任务之一。七、试验设计的基本原则（二）试验设计的基本原则试验设计中，为了尽量减少试验误差，就必须严格控制试验干扰。试验干扰是指那些可能对