Những gì một khóa học tốt nghiệp trong thiết kế thí nghiệm bao gồm?


9

Tôi đã được yêu cầu đề xuất một khóa học về thiết kế thí nghiệm cho sinh viên cao học về nông học và sinh thái học. Tôi chưa bao giờ tham gia một khóa học như vậy, và rất ngạc nhiên khi thấy rằng khóa học có thể được đặt tên một cách thông minh hơn là "Vượt ra ngoài một chiều" và nó bao gồm các tài liệu mà tôi đã học trong một khóa học cao học về thống kê cho các thí nghiệm nông nghiệp (ví dụ RCBD, bình phương Latin, độ tương phản, số đo lặp lại và hiệp phương sai). Có lẽ tôi bối rối với cái tên "Thiết kế thử nghiệm" hơn là "Phân tích kết quả thử nghiệm".

Tôi có một số ý tưởng về những gì một khóa học như vậy nên và sẽ đánh giá cao phản hồi về cách nó có thể được tích hợp vào một chương trình thống kê đáp ứng nhu cầu của sinh viên trong khi trình bày các lựa chọn thay thế hiện đại cho danh sách thiết kế và các bài kiểm tra liên quan của họ.

Ví dụ, tôi không thể tưởng tượng việc dạy học sinh sử dụng độ tương phản tuyến tính và bậc hai với ANOVA để thực thi việc phân loại các biến liên tục khi tôi có thể dạy chúng so sánh các mô hình hồi quy với các hàm tuyến tính và bậc hai. Trong trường hợp thứ hai, họ cũng sẽ học cách đối phó với các yếu tố không được xác định bằng thực nghiệm các giá trị rời rạc. Nếu bất cứ điều gì, tôi có thể so sánh hai cách tiếp cận.

Nếu tôi dạy một khóa học về "Thiết kế thử nghiệm", tôi thực sự muốn nhấn mạnh các khái niệm cơ bản độc lập với mô hình thống kê đang được áp dụng, và điều đó sẽ dịch rộng hơn cho các vấn đề khác. Điều này sẽ cho phép sinh viên linh hoạt hơn để sử dụng các phương pháp thống kê hiện đại.

Một số khái niệm có liên quan dường như không được đề cập trong khóa học hiện tại bao gồm:

  • mô hình phân cấp và hỗn hợp (trong đó tôi hiểu ANOVA và người thân là một ví dụ)
  • so sánh mô hình (ví dụ để thay thế tương phản)
  • sử dụng các mô hình không gian thay vì các khối như 'yếu tố'
  • nhân rộng, ngẫu nhiên và IID
  • sự khác biệt giữa kiểm tra giả thuyết, hack p và nhận dạng mẫu.
  • phân tích công suất thông qua mô phỏng (ví dụ: phục hồi các tham số từ các bộ dữ liệu mô phỏng),
  • đăng ký trước,
  • sử dụng kiến ​​thức trước từ các nghiên cứu được công bố và các nguyên tắc khoa học.

Có bất kỳ khóa học hiện đang có một cách tiếp cận như vậy? Bất kỳ cuốn sách văn bản với trọng tâm như vậy?


Bạn đã thử googling âm tiết về các chủ đề? Có một tấn trong số họ
Aksakal

2
Khóa học thiết kế thử nghiệm tôi đã tham gia bao gồm RCBD, Latin Squares, Tương phản, thiết kế giai thừa, hồi quy tuyến tính, so sánh nhiều lần, sao chép, ngẫu nhiên, IID và một số chủ đề khác mà tôi không nhớ ra khỏi đầu. Danh sách các khái niệm của bạn là tốt đẹp nhưng thực tế tôi nghi ngờ bạn có thời gian trong một khóa học để trang trải mọi thứ. Các mô hình hỗn hợp gần như là một khóa học khi tôi học nó ở trường. Tuy nhiên, nó phụ thuộc vào mức độ chuyên sâu mà bạn đi vào từng chủ đề.
Cừu

1
Tôi đồng ý với @Sheep rằng danh sách của bạn rất hay nhưng có lẽ quá nhiều. Mặc dù tôi nghĩ mô hình hỗn hợp (cơ sở của nó) là những yếu tố cần thiết trong thiết kế thử nghiệm ngày nay.
Emilie

@Sheep một phần của sự nhầm lẫn của tôi là tại sao hồi quy tuyến tính, so sánh nhiều và tương phản là một phần của lớp thiết kế thử nghiệm trái ngược với việc được dạy trong một khóa học về phân tích thống kê. Có lẽ tôi bối rối về phạm vi của một khóa học như vậy.
Abe

2
Mục tiêu của việc thiết kế một thử nghiệm là để bạn có thể phân tích dữ liệu bạn thu thập được từ thử nghiệm, vì vậy hai điều này đi đôi với nhau. Bạn nên có một kế hoạch phân tích trong tâm trí khi thiết kế thí nghiệm. Đó là những gì tôi đã được dạy ít nhất. Hồi quy tuyến tính đã được xem xét cho chúng tôi nhưng nó là mô hình cơ bản cho nhiều thiết kế.
Cừu

Câu trả lời:


4

Dưới đây là danh sách một số cuốn sách mà tôi thích và đó sẽ là tài liệu tốt cho khóa học như vậy:

  • David Cox: Lập kế hoạch thí nghiệm , kinh điển Wiley, 1992. Đây không phải là toán học, nhưng không dễ! Một cuộc thảo luận sâu sắc về các khái niệm cơ bản đằng sau thiết kế.

  • DR Cox & Nancy Reid: Lý thuyết thiết kế thí nghiệm , Chapman & Hall, 2000. Toán học hơn, nhưng vẫn tập trung vào các khái niệm cơ bản

  • Rosemary A. Bailey: Thiết kế các thí nghiệm so sánh , Cambridge UP, 2008. Từ lời nói đầu: "Triết lý của tôi là bạn không nên chọn một thiết kế thử nghiệm từ danh sách các thiết kế có tên. Thay vào đó, bạn nên suy nghĩ về tất cả các khía cạnh của thử nghiệm hiện tại. , và sau đó quyết định làm thế nào để đặt chúng lại với nhau một cách thích hợp ... ".

  • George Casella: Thiết kế thống kê , Springer, 2008. Một cuốn sách khác nhìn vào những chủ đề cũ với đôi mắt tươi!

  • Bạn có thể làm điều tồi tệ hơn là nhìn vào George EP Box, J Stuart Hunter và William G. Hunter: Statistics for Experimenters: Design, Innovation and Discovery (ấn bản thứ hai, Wiley, 2005) để tìm cảm hứng.

Tôi sẽ tránh những cuốn sách cũ trông giống như một danh mục các thiết kế được đặt tên, và tìm kiếm một trong những điều trên dựa trên các nguyên tắc cơ bản. Một trong những cuốn sách như vậy tôi sẽ tránh là cuốn sách phổ biến (tại sao?) Douglas C. Montgomery: Thiết kế và phân tích các thí nghiệm .

 EDIT 2017   

Một chủ đề khác có thể được đưa vào là thiết kế thử nghiệm tối ưu , với các khái niệm như thiết kế tối ưu D hoặc thiết kế tối ưu A. Hiện tại có rất nhiều sách, rất khó để tư vấn, một số khả năng:
Thiết kế thử nghiệm tối ưu với thiết kế
chéo tối ưu R Thiết kế
thử nghiệm tối ưu cho mô hình phi tuyến tính: Lý thuyết và ứng dụng
Thiết kế thử nghiệm tối ưu: Phương pháp nghiên cứu trường hợp

Có rất nhiều sự phát triển trong lĩnh vực này trong R, vì vậy hãy xem https://CRAN.R-project.org/view=ExperimentalDesign


1
+1. Vì tò mò, tôi có thể hỏi tại sao bạn lại tránh sách giáo khoa của Montgomery không?
whuber

1
Tôi đã cố gắng một lần để dạy nó --- không hoạt động tốt lắm. Nó có một số lỗi và có vẻ lỗi thời đối với tôi, bắt đầu từ một danh mục các thiết kế được đặt tên.
kjetil b halvorsen
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.