Что должен охватывать курс по экспериментальному дизайну?


9

Меня попросили предложить курс по экспериментальному проектированию для продвинутых аспирантов по агрономии и экологии. Я никогда не брал такой курс, и с удивлением обнаружил, что этот курс может быть более удачно назван «За пределами одностороннего ANOVA», и что он охватывает материал, который я изучил в продвинутом выпускном курсе по статистике для сельскохозяйственных полевых экспериментов (например, RCBD, латинские квадраты, контрасты, повторные измерения и ковариаты). Возможно, меня смущает название «Экспериментальный дизайн», а не «Анализ экспериментальных результатов».

У меня есть некоторые идеи о том, что должен содержать такой курс, и я был бы признателен за отзывы о том, как он может быть интегрирован в учебную программу по статистике, которая отвечает потребностям студентов, и в то же время представляет современные альтернативы именным спискам образцов и связанных с ними тестов.

Например, я не могу представить, как учить студентов использовать линейные и квадратичные контрасты с ANOVA, который обеспечивает категоризацию непрерывных переменных, когда я мог бы научить их сравнивать регрессионные модели с линейными и квадратичными функциями. Во втором случае они также научились бы иметь дело с факторами, которые не определены экспериментально дискретными значениями. Во всяком случае, я мог бы сравнить два подхода.

Если бы я преподавал курс «Дизайн эксперимента», я бы действительно хотел подчеркнуть основные понятия, которые не зависят от применяемой статистической модели и которые более широко транслировались бы в другие проблемы. Это позволило бы студентам более гибко использовать современные статистические подходы.

Некоторые из соответствующих концепций, которые, как представляется, не охватываются существующим курсом, включают в себя:

  • иерархические и смешанные модели (из которых я понимаю ANOVA и родственников в качестве одного примера)
  • сравнение моделей (например, для замены контрастов)
  • использование пространственных моделей вместо блоков в качестве «факторов»
  • репликация, рандомизация и IID
  • различия между проверкой гипотез, р-взломом и распознаванием образов.
  • анализ мощности посредством моделирования (например, восстановление параметров из смоделированных наборов данных),
  • предварительная регистрация,
  • использование предшествующих знаний из опубликованных исследований и научных принципов.

Есть ли курсы, которые в настоящее время используют такой подход? Какие-нибудь тексты книг с таким акцентом?


Вы пробовали программы поиска по предметам? Там их тонна
Аксакал

2
Курс по экспериментальному дизайну, который я выбрал, включал RCBD, латинские квадраты, контрасты, факторные планы, линейную регрессию, множественное сравнение, репликацию, рандомизацию, IID и некоторые другие темы, которые я не помню, в верхней части моей головы. Ваш список понятий хорош, но реально я сомневаюсь, что у вас есть время в курсе, чтобы охватить все. Смешанные модели были в значительной степени самостоятельными, когда я учился в аспирантуре. Однако это зависит от уровня глубины, в которую вы входите в каждую тему.
Овца

1
Я согласен с @Sheep, что ваш список хорош, но, вероятно, слишком много. Хотя я думаю, что смешанная модель (основа) является основой современного экспериментального дизайна.
Эмили

@ Еще одна причина моего замешательства заключается в том, что линейная регрессия, множественное сравнение и контрасты являются частью класса экспериментального дизайна, а не преподаются в курсе статистического анализа. Может быть, я запутался в масштабах такого курса.
Эйб

2
Итак, цель создания эксперимента состоит в том, чтобы вы могли проанализировать данные, которые вы собрали в ходе эксперимента, так что эти два идут рука об руку. Вы должны иметь в виду план анализа при разработке эксперимента. Это то, чему меня учили, по крайней мере. Линейная регрессия была для нас обзором, но она была основной моделью для многих проектов.
Овца

Ответы:


4

Вот список некоторых книг, которые мне нравятся и которые будут хорошим материалом для такого курса:

Я бы избегал старых книг, выглядящих как каталог названных образцов, и остановился бы на одном из перечисленных выше, основанном на фундаментальных принципах. Одной из таких книг, которую я бы избегал, является популярный (почему?) Дуглас С. Монтгомери: Дизайн и анализ экспериментов .

 EDIT 2017   

Другой темой, которая может быть включена, является оптимальный экспериментальный дизайн с такими понятиями, как D-оптимальный дизайн или A-оптимальный дизайн. В настоящее время существует множество книг, которые трудно советовать, некоторые возможности:
Оптимальный экспериментальный дизайн с R
Оптимальные перекрестные конструкции
Оптимальный экспериментальный дизайн для нелинейных моделей: теория и приложения
Оптимальное проектирование экспериментов: подход на основе тематического исследования

В этой области есть много разработок, поэтому взгляните на https://CRAN.R-project.org/view=ExperimentalDesign


1
+1. Из любопытства могу я спросить, почему вы избегаете учебника Монтгомери?
whuber

1
Я однажды пытался научить этому - не очень хорошо. Он имеет некоторые ошибки и выглядит старомодным для меня, начиная с каталога названных конструкций.
kjetil b halvorsen
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.