一个简单的例子
一个网页有三个不同的部分（Top,Middle,Bottom）,并且每个部分都可以有两种状态：隐藏或显示（hidden或visible）
。而你要测试这三部分的相互影响；如果要测试所有可能的组合，将得到8个测试用例。如果你运用正交表的测试策略，得到的将是4个测试用例：
正如你所看到的，正交表并没有将所有的情况穷尽，因为在很多情况下，我们要测试的因素不只有3个，而这些因素的状态也不仅仅只有2种而已。为了在有限的时间发现更多的缺陷，我们要寻求一种高效率的设计方法。然而，我们又凭什么说，正交表就是我们期望的方法呢？正交表又是如何构造出来的呢？
正交表的特性
我们观察上面的正交表，可以得出它的两个特性：
- 任一列中，不同数字出现的次数相等
- 任两列中，同一横行所组成的数字对出现的次数相等
这即是正交表的两大优越性，即“均匀分散性，整齐可比”。通俗的说，每个因素(Top/Middle/Bottom)的每个水平(Hidden/Visible)与另一个因素各水平各碰一次，这就是正交性。
正交表实质上是选择了所有组合中具有代表性的部分组合；应用正交表进行测试，是在牺牲部分交互的情况下节省测试量。而它的使用，也出现在很多生物统计学、科学研究和加工工艺试验的教材里。
正交表的构造
正交表的构造有很多种方法，什么哈达玛（Hadamard）矩阵法，正交拉丁法，有限域内积表法等等。So，正交测试本身是很复杂的算法，想要弄清楚来龙去脉，是需要很强的抽象代数的功底的。好在正交表的构造过程可以通过工具――Minitab来实现。
图1 
图2
图3
图4
图5
最后说的话
在科学实验中，正交是一种普遍应用的方法。虽然这个算法本身有些复杂，但是从我们使用的层面上来讲，正交表是很简单的。
在人力和时间允许的情况下，若测试要求比较高，我们应该尽可能多的覆盖所有情况。然而，在资源比较紧张的情况下，我们可以从大量的测试用例中选取有代表性的来测试，也就是利用正交表来减少测试用例数。
