我们是否需要数学熟练设计实验？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我使用SAS JMP运行多变量测试实验（MVT，回归），它生成测试计划并执行回归分析，定义显着效果。最重要的是能够解释和了解陷阱。
因此，不需要数学计算。
我读过诸如蒙哥马利设计实验等统计书，它们通常都是公式。
我还是不明白他们在现实世界中是如何使用的。
是的，我知道我需要知道概念，不同类型的设计，统计学的基础知识作为p值，标准偏差，如何计算适当的样本大小等。
我讲的主要是网络营销和用户体验领域的实验设计。
回复：我们是否需要数学熟练设计实验？值得一提的是，在没有理解这些公式的情况下，我使用DoE取得了很大的成功。
回复：我们是否需要数学熟练设计实验？我将建议不要专注于数学......就像从统计学家那里听到的那样异端。重点关注以下内容：
1。正在研究的过程。因素（控制，滋扰和噪音）。回应（连续，分类，重复措施等）。测量系统。这个过程实际上是如何运作的？在你知道这一点之前不要做任何其他事情。
2。在您制定了解决实际问题的特定实验目标和目标之前，甚至不要开始担心您的设计或分析......而不是某些设计或分析要求。
3。然后，与我的同事Mike Anderson的想法一致，找到最有效的实验设计。对我的效率不是也不应该仅限于数学标准，例如最优性标准......但更广泛地说。对我而言，效率是为最少的资源支出提供所需信息的设计。
4。您对您的响应测量系统了解多少，例如重复性，再现性，线性等特性。
5。如果可能，在运行/进行实验时转到gemba。不要假设设计矩阵会像你在一张纸上写的那样执行，并交给某人实际运行。
6。最后，当你进行分析时...我有三个成功的实验设计结果分析规则：规则1：绘制数据;规则2：绘制数据;规则3：绘制数据。这是JMP的标志......确保JMP在数据库中进行了数学计算，但是JMP中提供了图形分析技术的聚宝盆......数学应该是您最不担心的。
祝好运！
回复：我们是否需要数学熟练设计实验？简而言之，实验设计是从分配用于数据采集的资源中获取最大价值和信息。 它还可以作为遵守实验最佳实践的框架（检查统计显着性，随机化，样本量等）。 在营销和用户体验领域以及设计调查等相关主题中实际上有很多实验设计。 如果您想要一些真实世界的示例，您可以查看JMP Discovery Series区域（ https://community.jmp.com/community/discovery-summit-series ）。 如果您对该主题一般感到好奇，您还可以查看我们在该主题上发布的一些网络研讨会。
最好，
中号
回复：我们是否需要数学熟练设计实验？谢谢你提出这个建议。我已经读过这本书，但我想我会重新阅读它。另外，我知道Paul Berger实验设计与管理应用程序的一本书，但尚未阅读。
回复：我们是否需要数学熟练设计实验？谢谢你的建议。我有这本书，但尚未阅读。我喜欢它的对话风格。
您是否认为本书足以理解DOE和基本统计数据的实际缺陷？
我需要学习哪些数学主题才能理解DOE中的基本公式？
我确实理解基本公式，但这样的事情让我困惑：
回复：我们是否需要数学熟练设计实验？你可能想看看
由Johannes Ledolter和Arthur J. Swersey测试营销和服务运营中的1,2,3实验设计
http://www.sup.org/books/title/?id=4513
回复：我们是否需要数学熟练设计实验？我同意许多书籍都充满了公式，而不仅仅是典型的用户需求。
另一方面，实验设计总是旨在为特定类型的数据分析生成正确的数据。最后：获得好的数据来执行您不太了解的分析有什么意义？您越了解回归分析，您将从您的DOE中学到的东西越多。
因此，我认为必须充分了解分析DOE时使用的统计数据。了解p值是什么当然是一个开始，但对潜在问题以及它们对您的过程的意义有一个很好的理解是非常有价值的。
我建议参加由具有真实世界DOE经验的人提供的DOE课程，或阅读一本不跳过基本统计数据的实践书，如Peter Goose和Bradley Jones：实验的最佳设计 - 案例研究方法（ Wiley：实验的最佳设计：案例研究方法 - Peter Goos，Bradley Jones ）。
