每个均匀设计表都有一个使用表，它将建议我们如何选择适当的列安排试验因素，进行试验设计，这样可以减少试验偏差”。其中‘偏差，为均匀性的度量值，数值小的设计表示均匀性好。例如U,(74)的使用表为：列号偏差因素数21. 30.239831,2,30.372140.47601,2,3,4Uz(74)表1.1.2:表1.1.4:2321413NoNo312126311252246264323236436435544141525553311665166544777777777
每个均匀设计表都有一个使用表，它将建议我们如何选 择适当的列安排试验因素，进行试验设计，这样可以减少“ 试验偏差”。其中‘偏差’为均匀性的度量值，数值小的设 计表示均匀性好。例如 U7 (7 4 )的使用表为： 因素数 列号 偏差 2 1, 3 0.2398 3 1, 2, 3 0.3721 4 1, 2, 3, 4 0.4760 No. 1 2 3 4 1 1 2 3 6 2 2 4 6 5 3 3 6 2 4 4 4 1 5 3 5 5 3 1 2 6 6 5 4 1 7 7 7 7 7 No. 1 2 3 1 1 2 3 2 2 4 6 3 3 6 2 4 4 1 5 5 5 3 1 6 6 5 4 7 7 7 7 ) 4 (7 表1.1.2: U7 表 1.1.4:
第3步：应用选择的UD-表安排试验，设计试验方案1.将xj,x,和x放入均匀设表1.1.5：试验方案计表的1,2和3列；No.yX1X3X212．用x的7个水平（值）替0.330131.01.5代第一列的1到7；20.366191.43.03251.00.2941.83.对第二列，第三列做同样4102.52.20.476的替代;52.6160.50.2094．按设计的方案进行试验，得223.02.060.451到7个结果，将其放入最后一283.53.470.482列
第3步: 应用选择的 UD-表安排试验，设计试验方案 No. 1 2 3 1 1 2 3 2 2 4 6 3 3 6 2 4 4 1 5 5 5 3 1 6 6 5 4 7 7 7 7 1. 将 x1 , x2和 x3放入均匀设 x1 x2 x3 计表的1,２和3列； 2．用x1的７个水平（值）替 代第一列的1到 7； 1.0 1.4 1.8 2.2 2.6 3.0 3.4 3. 对第二列，第三列做同样 的替代； 13 1.5 19 3.0 25 1.0 10 2.5 16 0.5 22 2.0 28 3.5 4. 按设计的方案进行试验，得 到７个结果，将其放入最后一 列。 y 0.330 0.366 0.294 0.476 0.209 0.451 0.482 表 1.1.5: 试验方案
第4步：用回归模型匹配数据首先，考虑线性回归模型：(1.1. 1)y=β+βx+β,x2 +β,xs +8使用回归分析中变量筛选的方法，比如“向后法，，得到推荐的模型为：= 0.2142+0.0792x3(1.1.2)这个结果与人们的经验不符
第 4步: 用回归模型匹配数据 首先，考虑线性回归模型: 这个结果与人们的经验不符。 (1.1.1) 0 1 1 2 2 3 3 y = + x + x + x + 使用回归分析中变量筛选的方法，比如‘向后法’，得到 推荐的模型为： ˆ 0.2142 0.0792 (1.1.2) 3 y = + x
然后，我们尝试用二次回归模型来匹配这些数据：y= β+ βx + β2x2 + βexs + βix + β22x2 + β33x(1.1.3)+B12XX2+13XiX3+β23XX3+8使用‘向前’的变量选择法，我们发现适宜的模型：(1.1.4) = 0.06232 +0.25x3 -0.06x3 +0.0235xix3方差分析（ANOVA）表表 1.1.6:来源FdfSSMSp3回归43.880.0621900.0207300.0063误差0.0141700.0004726总和0.06360814
然后，我们尝试用二次回归模型来匹配这些数据： 使用‘向前’的变量选择法，我们发现适宜的模型： (1.1.3) 1 2 1 2 1 3 1 3 2 3 2 3 2 3 3 3 2 2 2 2 2 0 1 1 2 2 3 3 1 1 1 + + + + = + + + + + + x x x x x x y x x x x x x ˆ 0.06232 0.25 0.06 0.0235 (1.1.4) 1 3 2 3 3 y = + x − x + x x 14 来源 df SS MS F p 回归 3 0.062190 0.020730 43.88 0.006 误差 3 0.014170 0.000472 总和 6 0.063608 表 1.1.6: 方差分析（ANOVA）表
具有R2 = 0.978.s = 0.02174.=4.88.tx, =6.41, t, = -5.64,txx3模型y= 0.06232+0.25x3 -0.06x3 +0.0235x,x3(1.1.4)中的三项，在5%的水平下都是显著的。0.04图1.1.1:0.03残差与的示意图0.020.01y-j0-0.01状态是正常的，所以模型(1.1.4)是可接受的。-0.020.50.20.30.41
残差与y ˆ的示意图 状态是正常的，所以模型 (1.1.4)是可接受的。 图1.1.1: y ˆ y − y ˆ 6.41, 5.64, 4.88. 0.978, 0.02174, 1 3 2 3 3 2 = = − = = = x x x x t t t 具有 R s 模型 ˆ 0.06232 0.25 0.06 0.0235 (1.1.4) 1 3 2 3 3 y = + x − x + x x 中的三项，在 5%的水平下都是显著的