Graphical Methods for the Design of Experiments

روش‌های گرافیکی نقش مهمی در تحلیل آماری داده‌های تجربی داشته‌اند، اما حداقل آن‌طور که در بیشتر متون طراحی آزمایش‌ها ارائه می‌شود، به‌طور گسترده برای طراحی آزمایش استفاده نشده است. با این حال، روش‌های گرافیکی به‌ویژه برای طراحی آزمایش‌ها جذاب هستند، زیرا از قابلیت‌های خلاقانه مغز راست ما استفاده می‌کنند. فعالیت خلاق به وضوح در هر نوع طراحی مهم است، قطعا برای طراحی یک آزمایش. آزمایشگر باید به نحوی مجموعه ای از شرایط اجرا را انتخاب کند که اهداف یک آزمایش خاص را به روشی مقرون به صرفه برآورده کند. روش‌های گرافیکی برای طراحی آزمایش فراتر از روش‌های گرافیکی برای انتخاب شرایط اجرا برای آزمایش است. به کل فرآیند برنامه ریزی قبل از آزمایش نگاه می کند و در یک مکان مجموعه ای از روش های گرافیکی را برای تعریف اهداف آزمایش، شناسایی و طبقه بندی متغیرها، برای انتخاب یک مدل، برای توسعه یک طرح، و برای ارزیابی کفایت یک طرح ارائه می کند. برآورد ضرایب مجهول در مدل آماری پیشنهادی. علاوه بر این، ابزارهای توسعه یک طرح نیز بستری را برای مشاهده نتایج آزمایش فراهم می‌کند، بستری که بینش‌هایی را ارائه می‌دهد که با بررسی ضرایب رگرسیون به دست نمی‌آیند. این تکنیک‌ها را می‌توان در موقعیت‌های مختلف، از جمله اجرای آزمایشی مدل‌های شبیه‌سازی کامپیوتری، به کار برد. طرح‌های فاکتوریال و کسری-عاملی تمرکز نمایش‌های گرافیکی هستند، اگرچه آزمایش‌ها و آزمایش‌های ترکیبی شامل اثرات تصادفی و مسدود کردن به روش‌های مشابه طراحی و نمایش داده می‌شوند.

Graphical methods have played an important role in the statistical analysis of experimental data, but have not been used as extensively for experiment design, at least as it is presented in most design of experiments texts. Yet graphical methods are particularly attractive for the design of experiments because they exploit our creative right-brain capabilities. Creative activity is clearly important in any kind of design, certainly for the design ofan experiment. The experimenter must somehow select a set of run conditions that will meet the goals for a particular experiment in a cost-efficient way. Graphical Methods for Experiment Design goes beyond graphical methods for choosing run conditions for an experiment. It looks at the entire pre-experiment planning process, and presents in one place a collection of graphical methods for defining experiment goals, identifying and classifying variables, for choosing a model, for developing a design, and for assessing the adequacy of a design for estimating the unknown coefficients in the proposed statistical model. In addition, tools for developing a design also provide a platform for viewing the results of the experiment, a platform that provides insights that cannot be obtained by examination ofregression coefficients. These techniques can be applied to a variety of situations, including experimental runs of computer simulation models. Factorial and fractional-factorial designs are the focus of the graphical representations, although mixture experiments and experiments involving random effects and blocking are designed and represented in similar ways.