Các thí nghiệm tốt, hữu ích và đặc trưng cho thiết kế thống kê (tối ưu) các thí nghiệm

Có nhiều hiện tượng mà thiết kế thử nghiệm có thể được áp dụng hơn là có các chiến lược thiết kế hợp lệ thay thế. Điều này là đúng, mặc dù có nhiều cách để thiết kế một thí nghiệm đúng cách.

Các "vấn đề" tốt nhất thực sự chứng minh giá trị và sắc thái cho các loại thiết kế thí nghiệm tối ưu khác nhau là gì? (A, D, E, C, V, phi, ....)

Bạn có thể cung cấp sách, liên kết, bài viết, tài liệu tham khảo, hoặc ít nhất là ý kiến dựa trên kinh nghiệm tốt?

experiment-design references optimal

— Tiếng Anh
nguồn

Atkinson & Donev, Thiết kế thử nghiệm tối ưu là một tài liệu tham khảo tốt cho các tiêu chí tối ưu chữ cái.

— Scortchi - Phục hồi Monica

Tôi sở hữu cái đó Đó là sách giáo khoa cho một trong những khóa học trong chương trình thạc sĩ của tôi, vì vậy tôi đã đọc nó một cách tích cực. Đó là tất cả trong SAS (Tôi là một anh chàng MatLab) nhưng quan trọng hơn - mặc dù nó liệt kê quy trình để thực hiện từng kiểu DOE tối ưu, nhưng nó không cung cấp một ứng dụng đặc trưng. Chẳng hạn, tồn tại một biến thể về độ tối ưu của c hoặc L chiếm chi phí thực hiện thí nghiệm cụ thể nhưng không có ví dụ "chính tắc" cho thấy việc thực hiện nó, cũng không phải là một cuộc thảo luận về lý do tại sao nó là ví dụ chính tắc.

— EngrStudent

Tôi không có câu trả lời cho tiền thưởng này, chưa.

— EngrStudent

Đây là một công việc đang tiến triển, và nó có nghĩa là để trả lời câu hỏi của riêng tôi. (Chưa hoàn thành)

Các loại tối ưu phổ biến

NIST cung cấp ( liên kết ) các định nghĩa sau cho các loại Thiết kế thí nghiệm tối ưu.

Tiêu chí A-Optimality [A] là A-Optimality, nhằm tìm cách giảm thiểu dấu vết nghịch đảo của ma trận thông tin. Tiêu chí này dẫn đến việc giảm thiểu phương sai trung bình của các ước tính tham số dựa trên mô hình được chỉ định trước. Giả định cơ bản sau đó là phương sai trung bình của mô hình trước mô tả phương sai tổng thể của hệ thống thực tế.

Tiêu chí D-Optimality [Khác] là D-Optimality, tìm cách tối đa hóa | X'X |, yếu tố quyết định của ma trận thông tin X'X của thiết kế. Tiêu chí này dẫn đến việc giảm thiểu phương sai tổng quát của các ước tính tham số dựa trên mô hình được chỉ định trước. Giả định cơ bản sau đó là phương sai tổng quát của mô hình trước mô tả phương sai tổng thể của hệ thống thực tế.

Độ
tối ưu G Một tiêu chí thứ ba là G-Optimality, tìm cách giảm thiểu phương sai dự đoán tối đa, nghĩa là tối thiểu hóa tối đa. [ ], qua một tập hợp các điểm thiết kế đã chỉ định. Giống như điều khiển điều này sẽ giảm thiểu lỗi tối đa được đưa ra cho mô hình trước đó. $d=x'(X'X)^{-1}x$ $H_{\infty}$

Độ
tối ưu V Một tiêu chí thứ tư là độ tối ưu V, tìm cách giảm thiểu phương sai dự đoán trung bình trên một tập hợp các điểm thiết kế đã chỉ định.

Yêu cầu và ...

NIST nói rằng các yêu cầu bao gồm:

Một mô hình phân tích thích hợp a-prori
Một tập hợp các mẫu riêng biệt chỉ ra các yếu tố ứng cử viên của DOE

Đang làm việc

Dưới đây là "sách giáo khoa" phân tích thống kê. DOE nên áp dụng cho họ và nếu có mối liên hệ lành mạnh giữa "thống kê sách giáo khoa" và "thiết kế thống kê thí nghiệm" thì họ nên có liên quan để trả lời câu hỏi này.

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

Các nghiên cứu trường hợp của NIST bao gồm:

Số ngẫu nhiên bình thường
Số ngẫu nhiên thống nhất
Đi bộ ngẫu nhiên (tổng chạy ngẫu nhiên đồng phục thay đổi)
Josephson ngã ba nhiệt kế (đồng phục rời rạc ngẫu nhiên)
Chùm tia lệch (định kỳ có nhiễu)
Độ truyền của Fitler (phép đo ô nhiễm tự động)
Điện trở tiêu chuẩn (tuyến tính với nhiễu phụ gia, vi phạm ổn định và tự tương quan)
Dòng nhiệt (quá trình xử lý tốt, đứng yên, trong kiểm soát)

— Tiếng Anh
nguồn