การทดสอบที่ดีมีประโยชน์และมีลักษณะเฉพาะสำหรับการออกแบบเชิงสถิติของการทดลอง

มีปรากฏการณ์มากกว่าที่การออกแบบการทดลองอาจนำไปใช้มากกว่าที่จะมีกลยุทธ์การออกแบบที่ถูกต้องทางเลือก สิ่งนี้ควรเป็นจริงแม้ว่าจะมีหลายวิธีในการออกแบบการทดสอบอย่างถูกต้อง

อะไรคือ "ปัญหา" ที่ดีที่สุดที่แสดงให้เห็นถึงคุณค่าและความแตกต่างของการออกแบบการทดลองที่ดีที่สุด (A, D, E, C, V, phi, .... )

คุณสามารถจัดหาหนังสือลิงก์บทความข้อมูลอ้างอิงหรือความคิดเห็นเชิงประจักษ์ที่ขับเคลื่อนไปด้วยดีอย่างน้อยได้หรือไม่?

นี่เป็นงานที่อยู่ระหว่างดำเนินการและมีไว้เพื่อตอบคำถามของฉันเอง (ยังไม่สมบูรณ์)

ประเภทที่เหมาะสมที่สุดทั่วไป

NIST จัดเตรียม ( ลิงก์ ) คำจำกัดความต่อไปนี้สำหรับประเภทของการออกแบบที่เหมาะสมที่สุดของการทดลอง

เกณฑ์A-Optimality [A] คือ A-optimality ซึ่งพยายามลดร่องรอยการผกผันของเมทริกซ์ข้อมูลให้น้อยที่สุด เกณฑ์นี้ส่งผลในการลดความแปรปรวนเฉลี่ยของการประมาณค่าพารามิเตอร์ตามโมเดลที่ระบุไว้ล่วงหน้า ข้อสมมติฐานพื้นฐานคือความแปรปรวนเฉลี่ยของโมเดลก่อนหน้านี้อธิบายความแปรปรวนโดยรวมของระบบจริง

เกณฑ์D-Optimality [อีก] คือ D-optimality ซึ่งพยายามที่จะเพิ่ม | X'X | ซึ่งเป็นตัวกำหนดของเมทริกซ์ข้อมูล X'X ของการออกแบบ เกณฑ์นี้ส่งผลในการลดความแปรปรวนทั่วไปของการประมาณค่าพารามิเตอร์ตามโมเดลที่ระบุไว้ล่วงหน้า ข้อสมมติฐานพื้นฐานคือความแปรปรวนทั่วไปของแบบจำลองก่อนหน้านี้อธิบายความแปรปรวนโดยรวมของระบบจริง

G-Optimality
เกณฑ์ที่สามคือ G-optimality ซึ่งพยายามลดความแปรปรวนการทำนายสูงสุดให้เหลือน้อยที่สุดนั่นคือลดค่าสูงสุด [ ] เหนือชุดการออกแบบที่ระบุ เช่นเดียวกับควบคุมสิ่งนี้จะช่วยลดข้อผิดพลาดสูงสุดให้กับรุ่นก่อนหน้านี้ $d=x'(X'X)^{-1}x$$H_{\infty}$

V-Optimality
เกณฑ์ที่สี่คือ V-optimality ซึ่งพยายามลดความแปรปรวนการทำนายค่าเฉลี่ยให้ต่ำกว่าชุดการออกแบบที่ระบุ

ข้อกำหนดและ ...

NIST กล่าวว่าข้อกำหนดดังกล่าวรวมถึง:

• แบบจำลองการวิเคราะห์ที่เหมาะสมก่อน
• ชุดตัวอย่างที่ไม่ต่อเนื่องชี้ไปที่องค์ประกอบของผู้สมัครของ DOE

การทำงาน

นี่คือการวิเคราะห์ทางสถิติ "ตำราเรียน" DOE ควรนำไปใช้กับพวกเขาและหากมีการเชื่อมต่อที่ดีระหว่าง "สถิติตำราเรียน" และ "การออกแบบการทดสอบทางสถิติ" พวกเขาควรเกี่ยวข้องกับคำตอบของคำถามนี้

http://www.itl.nist.gov/div898/handbook/eda/section3/4plot.htm

กรณีศึกษา NIST รวมถึง:

• ตัวเลขสุ่มปกติ
• หมายเลขสุ่มชุด
• การเดินแบบสุ่ม
• Josephson junction cryothermometry (แยกชุดแบบสุ่ม)
• การโก่งของลำแสง (เป็นระยะพร้อมเสียง)
• การส่งผ่าน Fitler (การวัดค่าอัตโนมัติที่ปนเปื้อนกับมลพิษ)
• ตัวต้านทานมาตรฐาน (เส้นตรงพร้อมเสียงรบกวนเพิ่มเติม, ละเมิดความคงที่และความสัมพันธ์อัตโนมัติ)
• การไหลของความร้อน (กระบวนการที่มีพฤติกรรมดี, อยู่กับที่, อยู่ในการควบคุม)