你好。 我的 姓名 是 布拉德利 琼斯。
我是 这 经理 的 这 跳转 美国能源部 团体， 和 什么 I 想 到 讲话 到 你 关于 今天 是
a 奇怪 使用 的 这 合身 权威 筛查 平台。
如果 你 没有 完毕 a 权威 筛查D 设计
和 分析 它 使用 这 平台，
然后 你 不会 知道 确切地 在哪里 这 平台 曾是。
患病的 展示 你 那。
但 什么 我是 去 到 展示 你 是 那 你 不 有 到 使用
这 确定的 筛查 配件 平台 只是 到 合身 确定的 放映。
它 能 合身 其他 东西 作为 出色地， 和 那是 a 惊喜。
患病的 开始 出去 经过 说 关于 什么 这 主要的 主意 的 这 推介会 是，
和 然后 患病的 审查 如何 合身 权威 筛查 作品。
的 课程，
我是 去 到 展示 你 经过 手， 但 这 平台 做 全部 这 工作 为了 你，
所以 你 不 真的 有 到 曾经 做 全部 这 乏味 东西。
和 然后 患病的 有 a 夫妻 的 示例 的 使用 合身 权威 筛查
到 分析 其他 设计 那 是 不是 确定的 筛查 设计。
和 患病的 制作 一些 建议 在 这 结尾。
到 开始 出去， 这是 a 确定的 筛查 设计。
和 如果 你 看 在 这 第一的 一对 的 运行 在 这 顶部， 你 能 看 那
每个 价值 这里 是 加 或者 减 一， 和 每个 价值 这里 是 减 或者 加 一。
W 有 它是 尝试 到 展示 那里 是 那 任何 价值 这 顶部 数字 有，
这 底部 数字 有 这 对面的 价值。
如果 这 是 加 一， 然后 那 将要 是 减 一。
如果 这 是 减 一， 然后 这 将要 是 加 一。
和 这 事实 那 全部 六 对 的 设计 为了 这 例子
是 镜子 图片 喜欢 这
方法 那 这 权威 筛查 设计 是 a 折叠 超过 设计。
让我们 思考 关于 什么 折叠 超过 设计 是
和 什么 它 方法 到 有 a 折叠 超过 设计 在 条款 的 特性。
为了 任何 折叠 超过 设计，
这 主要的 效果 和 二- 因素 互动 是 不相关的，
和 那 方法 那 他们是 统计上 独立的。
正交 折叠 超过 设计 存在 为了 每一个 多种的 的 八 运行。
然而， 正交 主要的 效果 是 不是 作为 重要的
作为 这 正交性 的 主要的 效果 在 二- 因素 互动。
你 可能 选择 到 允许 为了 一些 非 正交性 在 主要的 效果
在 命令 到 得到 这 好的 财产 那 主要的 效果
是 不是 相关 和 二- 因素 互动，
哪个 方法 那 如果 你 有 积极的 二- 因素 互动，
他们 惯于 偏见 这 估计 的 任何 主要的 效果。
I 想 到 展示 你 如何 到 制作，
或者 讲话 关于 如何 到 制作 a 折叠 超过 设计 跳转，
和 你 能 做 这 在 这 风俗 设计师。
你 打开 这 风俗 设计师。
你 添加 二- 等级 分类 或者 连续的 因素。
经过 默认， 连续的 因素 是 总是 二 水平。
和 然后 你 选择 a 模型 那 仅有的 有 主要的 效果， 哪个 是 默认， 再次。
然后你 能 选择 a 数字 的 运行 那是 a 多种的 的 二
在哪里 这 多种的 的 二 有 到 是 在 至少 作为 大的 作为
这 数字 的 因素 次 二。
然后 在 这 红色的 三角形 菜单 在 这 风俗 设计师，
你 去 到 最优性 标准， 和 看 在 这 潜艇 菜单
和 选择 制作 别名 最佳的 设计 从 这 红色的 三角形 菜单。
然后 你是 完毕。 全部 你 有 到 做 是 点击 制作 设计。
和 然后 后 你 看 这 设计， 你 能 查看 那 这 别名 矩阵
包含 仅有的 零 为了 这 主要的 效果 和 二- 因素 互动。
如果 这 数字 的 运行 在 你的 设计 是 不是 a 多种的 的 八，
然后 你 可能 看 一些 相关性 之间 二- 因素 互动 和 这 截距。
但 那 截距 估计 不是 真的 重要的 为了 篩選。
让 我 给 你 a 跳转 情绪摇滚 的 那 过程。
这 第一的 例子 这里 是 如何 到 制作 a 折叠 超过。
和 我是 去 到 创造 a 六- 因素 风俗 设计。
和 在 这 设计， I 有 因素 A 通过 F.
和 你 能 看 那 这 A通过 F 因素 是 这 仅有的 事物 在 这 模型
那是 这 默认。
现在 我是 去 到 这 红色的 三角形 菜单
和 I 选择 别名 最佳的， 哪个 是 这 最后的 选择 这里。
和 然后 如果 I 说，“嗯， 让我们 做 16 运行 反而 的 12英寸 和 制作 设计，
它是 去 离开 和 它是 去 到 计算
这 别名 最佳的 设计 为了 六 因素 和 16 运行。
现在 我是 去 到 查看 经过 寻找 在 这 别名 矩阵，
和 你 能 看 那 一切 在 这 别名 矩阵 是 零。
其他 事物 I 能 做 是 看 在 这 颜色 地图 和 这 相关性，
和 I 能 看 那 这 主要的 效果 是 全部 白色的， 和 这 矩形的 区域
显示 主要的 效果 和 二- 因素 互动 是 还 全部 白色的，
哪个 方法 那 这 设计 是， 在 事实， a 折叠 设计。
和 I 可以 使用 它 到 做 a 筛查 实验。
让 我 去 后退 到 我的 幻灯片。
全部 那 这 权威 屏幕 设计 平台 做
是 查看 那 这 设计 是 a 折叠。
它 没有 实际上 要求 那 什么 你 有 在 这 桌子 那 是 当前的
是 实际上 a 渠务署。
你 能 使用 合身 渠务署 到 分析 任何 折叠 超过 设计。
和 那是 这 惊喜。
和 那是 这 主要的 主意 的 这 是 展示 你 不是 第一的，
那 你 能 创造 折叠 超过 设计 非常 简单地 使用 这 风俗 设计师，
和 那 如果 你 有 a 折叠 超过 设计，
你 能 使用 合身 权威 屏幕 设计 到 分析 这 数据。
它 转弯 出去 那 自从 主要的 效果 和 二- 因素 互动
是 正交 到 每个 其他 在 a 折叠 设计，
你 能 分裂 这 回复 那 你 观察到 进入 二 新的 回应。
一 回复 你 使用 为了 识别 主要的 效果，
和 你 可以 称呼 它 全能的上帝。
和 这 其他 回复 你 能 使用 到 确认 二- 因素 互动，
和 你 可以 称呼 那 Y2FI .
和 它 转弯 出去， 因为
这 主要的 效果 是 正交 到 这 二- 因素 互动，
这 二 列 那 你 创造 正在做 这 将要 是 正交 到 每个 其他。
这 方式 你 会 做 那 是 你 能 合身 这 主要的 效果 模型 和 不 截距
和 节省 这 预测 价值观 的 那 模型。
和 然后 后 正在做 那， 你呢 能 称呼 那 柱子 全能的上帝，
和 然后 这 下一个 事物 你 做 是 节省 这 残差 从 那 合身，
和 那些 残差 是 在 这 空间 的 这 二- 因素 互动。
现在， 这些 二 行动 是 不必要，
但 如果 你 通缉 到 知道 什么是 在后面 这 屏幕，
然后 这 允许 你 到 做 全部 这些 行动 为了 你自己 如果 你 想。
但， 的 课程， 你 能 使用 这 完美契合 筛查 平台，
和 它是 正在做 这 在后面 这 场景。
让 我 制作 a 小的 离题了。
I 思考 它是 有价值的 到 使用 这 模型 遗传 假设，
哪个 是 那， 一般来说 请讲，
二- 因素 互动 是 很多 更多的 可能 到 发生
如果 两个都 这 主要的 效果 那 撰写 那 互动 是 积极的 他们自己。
为了 例子，
如果 因素 A 和 因素 B 主要的 效果 是 两个都 积极的，
然后 你 可能 想 到 考虑 配件 这 二- 因素 相互作用 的 A B.
现在 这 是 不是 a 身体的 法律。
没有什么 使 它 绝对地 必要的 那 这 抓住。
和 然而 经验 证据 有 显示 那
这样的 模型 是 很多 更多的 可能 比 拥有
互动 是 积极的 什么时候 这 主要的 效果 是 不是 积极的。
现在， 每个人 谁是 完毕 a 很多 的 实验 有 柜台 示例 到 这。
全部 我是 说 是 那些 柜台 示例 是 比较 稀有的。
现在 为什么 会 你 制作 这 假设？
出色地， 这是 这 原因。
如果 你 使用 这 遗传 假设，
你 能 有 这 放 的 可能的 模型 存在 很多 更小
比 如果 你 不 制作 这 假设。
在 这 例子 那 I 显示 你 早些时候 在哪里 I 有 因素 A 通过 F,
让我们 认为 那 它 转身 出去 那 仅有的 因素 C, D, 和 F 是 积极的，
然后 你 会 仅有的 考虑 这 三 二- 因素 互动， CD、CF、 和 DF。
和 自从 那里 是 三 的 这些 互动，
那里 是 二 到 这 第三 可能的 模型，
一 的 哪个 有 不 互动，
和 你 有 三 和 一 相互作用，
三 和 二 互动， 和 一 和 全部 三 互动。
然而， 如果 我们 通缉 到 看 在 全部 这 二- 因素 互动
之中 全部 这 因素 A 通过 F,
然后 那里 是 六 选择 二 或者 15 可能的 二- 因素 互动，
哪个 方法 那 那里 是 二 到 这 第十五 或更多 比 32,000 可能的 模型。
和 筛选 通过 全部 的 那些 模型 是 a 很多 更难 模型 选择 问题。
如果 你 能 依靠 在 这 遗传 假设，
你 能 节省 你自己 a 很多 的 工作
和 还 a 很多 的 歧义 在 制作 你的 模型 选择。
现在 去 后退 到 如何 你 做 这，
你 能 形式 这 二- 因素 互动 涉及 这 积极的 主要的 效果
和 然后 做 步 明智的 回归 向上 到 这 观点 在哪里
这 意思是 平方 错误 的 这 模型 那 你 有 是 相对地 小的。
如果 你 有 一个 估计 的 西格玛 平方，
如果 他们是 大致 可比， 然后 那 是 这 时间 到 停止。
但， 的 课程， 这 仍然 是 不是 必要的 o 做 经过 手
因为 完美契合 筛查 是 去 到 做 它 为了 你。
让 我 展示 你 a 夫妻 的 示例 的 这 过程
和 患病的 开始 和 一个 例子 从 道格 蒙哥马利的
设计 和 分析 的 实验 教科书， 这 第八 版。
和 他 做过 这 作为 第一的 跑步 a 解决 三 分数 阶乘
和 七 因素 和 八 运行。
让 我 展示 你 那 设计 和 如何 那 是 分析了。
这是 a 解决 三 设计，
和 如果 I 做 只是 合身 筛查，
什么 你 看 这里 是 那 我们的 B, D和A 是 这 积极的 效果
和 或许 G 是 略微 积极的 但 小的 比较的 到 这 效果 的 B、D 和 A。
但 让我们 评价 这 设计。
I 只是 点击 这 评价 设计 脚本 在 这 桌子。
和 如果 I 看 在 这 别名 矩阵，
你 能 看 那 因素 A 是 困惑 和 这 屋宇署 相互作用。
你 可以 还 学习 这 相同的 事物 经过 寻找 在 这 颜色 地图。
和 你 能 看 那 这 相关性 之间 A 和 这 屋宇署 相互作用 是 一，
哪个 方法 那 I 不 知道 无论 什么 我是 看到
是 实际上 这 主要的 影响 的 A
或者 这 二- 因素 相互作用 的 B 和 D 或者 任何 线性 组合 的 那些。
什么 I 有 是 一个 歧义
和 I 需要 到 制作 一些 更多的 运行 在 命令 到 解决 那 歧义。
去 后退 到 我的 例子，
什么 然后 发生 在 这 教科书 是 那 这 设计 是 折叠 超过。
现在 反而 的 八 跑步， 那里 是 16 运行。
和 让 我 展示 你 那 例子。
这是 这 折叠 超过 设计。
如果 I 做 评价 设计 和 然后 看 在 这 别名 矩阵，
I 能 看 那 这 别名 矩阵 是 完全相同 零 为了 每一个 可能的 价值。
和 I 能 学习 这 相同的 事物 经过 去 到 这 颜色 地图 在 相关性。
和 I 看 那 这 主要的 效果 是 正交
和 全部 这 主要的 效果 是 正交 到 全部 这 二- 因素 互动。
I 现在 知道 那 I 有 a 折叠 超过 设计 和 那
我的 主要的 效果 是 不是 去 到 是 有偏见 经过 二- 因素 互动。
I 有 数据 为了 这 时间 它 需要 为了 这 眼睛 到 重点。
和 如果 I 点击 在 这 脚本， I 看 这 结果 的 拥有 完毕 这 折叠 超过。
和 什么 I 看 是 第一的 那 B 和 D 是 这 二 主要的 效果， 那是 作为 前，
除了 那 A 是 不 更长 那里 因为， 猜测 什么？
这 屋宇署 相互作用 是 大规模地 重要的。
和 这 真的 模型 是 屋宇署 和 这 屋宇署 相互作用。
和 现在 我们 能 跑步 这 模型 和 我们 能 看 那
第一的 我们的 实际的 经过- 预言 阴谋 和 我们的 残差 全部 看 好的。
和 然后 玩 和 这 分析器， 我们 能 看 那
作为 I 移动 B 从 一 结尾 到 这 其他，
这 坡 的 这 线， 这 预言 线 的 这 影响 的 D 在 时间 變更。
和 那是 这 自然 的 互动。
什么时候 你 有 一个 相互作用，
这 坡 的 一 因素 取决于 在 这 价值 的 这 其他 因素。
和 所以 现在 我们 有
这 是 这 环境 那 你 会 使用 如果
你 通缉 到 最大化 这 时间 那 需要 这 眼睛 到 重点。
一般来说， 你 会 想 到 最小化 这 时间。
这 会 是 这 环境 那 你 通缉 到 使用 到 最小化 这 眼睛 重点 时间。
那是 这 结尾 的 那 例子。
让 我 现在 去 后退 到 我的 幻灯片 为了 只是 一 第二
和 介绍 这 花生 固体 例子。
这 花生 固体 例子 曾是 一个 例子
那 我的 朋友 克里斯 纳希茨海姆 实际上 做过 在 a 咨询 环境
和 我们 有 在 这 样本 数据 图书馆 和
这 花生 固体 实验 作为 a 确定的 筛查 设计。
但 什么 I 做过 曾是 反而 I 创建 a 二- 等级 折叠 设计
和 用过的 这 相同的 模型 到 创造 数据 为了 那。
和 所以 让 我 展示 你 那 数据，
哪个 是 我的 第二 例子 这里， 这 花生 例子。
和 注意 那 I 有 PH， 水 温度， 萃取 时间，
比率， 搅动 速度， 和 二 分类 因素，
无论 你 水解 这 花生 第一的 和 无论 你 囚犯 这 花生，
和 然后 什么 是 存在 测量 是 这 花生 固体。
注意 还 那 这 数字 的 运行 这里 是 22，
哪个 是 不是 a 多种的 的 八。
和 所以， 什么时候 I 看 在 评估 D 设计，
I 不 预计 那 这 设计 将要 是 正交 为了 这 主要的 效果。
和 什么时候 I 看 在 这 别名 矩阵，
你 能 看 那 这 截距 是 相关 或者 别名
经过 a 非常 小的 数量 经过 任何 积极的 二- 因素 相互作用。
和 再次， 如果 I 看 在 这 相关性 颜色 地图 细胞 阴谋，
你 能 看 那 这 主要的 效果 是 不是 正交 到 每个 其他，
但 他们的 相关性，
他们的 绝对 相关性 是 非常 小的 喜欢 一 超过 十一。
和 再次， 因为 这 区域 是 白色的，
主要的 效果 是 正交 到 二- 因素 互动。
和 这 是 什么 我们 通缉。
这 是 什么 我们 有 到 有 在 命令 到 使用 这 合身 权威 筛查 平台。
现在 我是 去 到 跑步 那 平台。
和 什么 I 看 是 那 I 有 四 积极的 主要的 效果 和 那 方法 那 I 有
作为 许多 作为 四 选择 二 或者 六 二- 因素 互动 到 查看。
和 它 看起来 喜欢 比率 和 搅动 速度
是 a 学期 那 I 不 真的 需要， 非常 小的 估计 的 这 例子。
但 这 真的 模型 那 生成 这 数据
涉及 这些 四 二- 因素 互动 这里。
比率 次 搅动 速度 转弯 出去 到 是 a 类型 一 错误，
除了 我们 会 大概 得到 摆脱 的 它 反正， 和 它是 估计 是 非常 小的。
这里 我们已经 用过的 这 合身 权威 筛查 设计
和 还 这 假设 的 遗传
的 这 主要的 效果 和 二- 因素 互动
到 寻找 不是 仅有的 全部 这 主要的 效果 但 四 积极的 二- 因素 互动
之中 这 二- 因素 互动 那 是 有关的 到 这 积极的 主要影响。
我们 成立 这 实际的 数据- 生成 模型， 这 正确的 模型。
好的， 所以 什么 做 I 推荐 那 你 做？
第一的， 我已经 显示 你 如何 到 使用 这 最佳的 设计 标准
在 这 风俗 设计师 到 创造 折叠 超过 设计
和 你 能 做 那 相对地 简单地
和 你 不 一定 有 到 创造 正交 福尔多夫 r 设计。
这 合身 权威 筛查 设计 平台 没有 关心
无论 这 设计 是 正交 或者 不是，
它 将要 仍然 分析 这 数据 作为 长的 作为 这 设计 是 a 折叠 超过 设计。
和 然后 一次 你 有 这 折叠 超过 设计 和 这 数据，
你 能 使用 这 合身 权威 筛查 设计 平台 到 分析 这 数据。
和 所以， 在 这 字 的 耐克， “只是 做 它。”
这里 是 一些 参考。
这 第一的 二 是 引用 这 原来的 纸
在 权威 筛查 实验 和 然后 这 纸 经过 肖 和 共同 作者
节目 如何 我们 创造 权威 筛查 设计 如今
没有 涉及 优化， 只是 经过 直接的 建造
使用 会议 矩阵。
然后 这 第二 纸， 磨坊主 和 坐着，
有 这 基本的 主意 那 我已经 介绍 这里 到 分析F 老的 超过 设计。
这 曾是 在 技术计量学 方式 后退 在 2005年，
但 是 使用 轻微地 更多的 当前的 模型 选择 技术
比 磨坊主 和 坐着。
和 最后， 这 最后的 参考 那里
是 告诉 如何， 再次 在 技术计量学， 克里斯 纳希茨海姆 和 I 写道 a 纸 到
基本上 解释 如何 到 使用 这 折叠 超过 技术
和 分析 到 做
模型 选择 为了 权威 筛查D 设计 在 a 二- 步 方法
那 I 谈论 关于 在 这 非常 开始 的 这 讲话。
感谢 你 非常 很多 为了 你的 注意力
和 患病的 是 在 这 讲话 什么时候 它是 最后 发表 到 回答 问题。
