你好。 我的 姓名 是 布拉德利 瓊斯。
我是 這 主管 的 這 跳轉 美國能源部 團體， 和 什麼 I 想 到 演講 到 你 關於 今天 是
a 奇怪 使用 的 這 合身 權威 篩檢 平台。
如果 你 沒有 完畢 a 權威 篩檢D 設計
和 分析 它 使用 這 平台，
然後 你 不會 知道 確切地 在哪裡 這 平台 曾是。
患病的 展示 你 那。
但 什麼 我是 去 到 展示 你 是 那 你 不 有 到 使用
這 確定的 篩檢 配件 平台 只是 到 合身 確定的 放映。
它 能 合身 其他 東西 作為 出色地， 和 那是 a 驚喜。
患病的 開始 出去 經過 說 關於 什麼 這 主要的 主意 的 這 推介會 是，
和 然後 患病的 審查 如何 合身 權威 篩檢 作品。
的 課程，
我是 去 到 展示 你 經過 手， 但 這 平台 做 全部 這 工作 為了 你，
所以 你 不 真的 有 到 曾經 做 全部 這 乏味 東西.
和 然後 患病的 有 a 夫妻 的 範例 的 使用 合身 權威 篩檢
到 分析 其他 設計 那 是 不是 確定的 篩檢 設計。
和 患病的 製作 一些 建議 在 這 結尾。
到 開始 出去， 這是 a 確定的 篩檢 設計。
和 如果 你 看 在 這 第一的 一對 的 運行 在 這 頂部， 你 能 看 那
每個 價值 這裡 是 加 或者 減 一， 和 每個 價值 這裡 是 減 或者 加 一。
W 有 它是 嘗試 到 展示 那裡 是 那 任何 價值 這 頂部 數位 有，
這 底部 數位 有 這 對面的 價值。
如果 這 是 加 一， 然後 那 將要 是 減 一。
如果 這 是 減 一， 然後 這 將要 是 加 一。
和 這 事實 那 全部 六 對 的 設計 為了 這 例子
是 鏡子 圖片 喜歡 這
方法 那 這 權威 篩檢 設計 是 a 折疊 超過 設計。
讓我們 思考 關於 什麼 折疊 超過 設計 是
和 什麼 它 方法 到 有 a 折疊 超過 設計 在 條款 的 特性。
為了 任何 折疊 超過 設計，
這 主要的 效果 和 二- 因素 互動 是 不相關的，
和 那 方法 那 他們是 統計上 獨立的。
正交 折疊 超過 設計 存在 為了 每一個 多種的 的 八 運行。
然而， 正交 主要的 效果 是 不是 作為 重要的
作為 這 正交性 的 主要的 效果 在 二- 因素 互動。
你 可能 選擇 到 允許 為了 一些 非 正交性 在 主要的 效果
在 命令 到 得到 這 好的 財產 那 主要的 效果
是 不是 相關 和 二- 因素 互動，
哪個 方法 那 如果 你 有 積極的 二- 因素 互動，
他們 慣於 偏見 這 估計 的 任何 主要的 效果。
I 想 到 展示 你 如何 到 製作，
或者 演講 關於 如何 到 製作 a 折疊 超過 設計 跳轉，
和 你 能 做 這 在 這 風俗 設計師。
你 打開 這 風俗 設計師。
你 添加 二- 等級 分類 或者 連續的 因素。
經過 預設, 連續的 因素 是 總是 二 水平。
和 然後 你 選擇 a 模型 那 僅有的 有 主要的 效果， 哪個 是 預設, 再次。
然後你 能 選擇 a 數位 的 運行 那是 a 多種的 的 二
在哪裡 這 多種的 的 二 有 到 是 在 至少 作為 大的 作為
這 數位 的 因素 次 二。
然後 在 這 紅色的 三角形 選單 在 這 風俗 設計師，
你 去 到 最優性 標準， 和 看 在 這 潛水艇 選單
和 選擇 製作 別名 最佳的 設計 從 這 紅色的 三角形 菜單。
然後 你是 完畢。 全部 你 有 到 做 是 點選 製作 設計。
和 然後 後 你 看 這 設計， 你 能 查看 那 這 別名 矩陣
包含 僅有的 零 為了 這 主要的 效果 和 二- 因素 互動。
如果 這 數位 的 運行 在 你的 設計 是 不是 a 多種的 的 八，
然後 你 可能 看 一些 相關性 之間 二- 因素 互動 和 這 截距。
但 那 截距 估計 不是 真的 重要的 為了 篩選。
讓 我 給 你 a 跳轉 情緒搖滾 的 那 過程。
這 第一的 例子 這裡 是 如何 到 製作 a 折疊 超過。
和 我是 去 到 創造 a 六- 因素 風俗 設計。
和 在 這 設計， I 有 因素 A 透過 F.
和 你 能 看 那 這 A透過 F 因素 是 這 僅有的 事物 在 這 模型
那是 這 預設.
現在 我是 去 到 這 紅色的 三角形 選單
和 I 選擇 別名 最佳的， 哪個 是 這 最後的 選擇 這裡。
和 然後 如果 I 說，「嗯， 讓我們 做 16 運行 反而 的 12英吋 和 製作 設計，
它是 去 離開 和 它是 去 到 計算
這 別名 最佳的 設計 為了 六 因素 和 16 運行。
現在 我是 去 到 查看 經過 尋找 在 這 別名 矩陣，
和 你 能 看 那 一切 在 這 別名 矩陣 是 零。
其他 事物 I 能 做 是 看 在 這 顏色 地圖 和 這 相關性，
和 I 能 看 那 這 主要的 效果 是 全部 白色的， 和 這 矩形的 區域
顯示 主要的 效果 和 二- 因素 互動 是 也 全部 白色的，
哪個 方法 那 這 設計 是， 在 事實， a 折疊 設計。
和 I 可以 使用 它 到 做 a 篩檢 實驗。
讓 我 去 後退 到 我的 幻燈片。
全部 那 這 權威 螢幕 設計 平台 做
是 查看 那 這 設計 是 a 折疊。
它 沒有 實際上 要求 那 什麼 你 有 在 這 桌子 那 是 目前的
是 實際上 a 渠務署。
你 能 使用 合身 渠務署 到 分析 任何 折疊 超過 設計。
和 那是 這 驚喜。
和 那是 這 主要的 主意 的 這 是 展示 你 不是 第一的，
那 你 能 創造 折疊 超過 設計 非常 簡單地 使用 這 風俗 設計師，
和 那 如果 你 有 a 折疊 超過 設計，
你 能 使用 合身 權威 螢幕 設計 到 分析 這 數據。
它 轉彎 出去 那 自從 主要的 效果 和 二- 因素 互動
是 正交 到 每個 其他 在 a 折疊 設計，
你 能 分裂 這 回覆 那 你 觀察到 進入 二 新的 回應。
一 回覆 你 使用 為了 識別 主要的 效果，
和 你 可以 稱呼 它 全能的上帝。
和 這 其他 回覆 你 能 使用 到 確認 二- 因素 互動，
和 你 可以 稱呼 那 Y2FI .
和 它 轉彎 出去， 因為
這 主要的 效果 是 正交 到 這 二- 因素 互動，
這 二 列 那 你 創造 正在做 這 將要 是 正交 到 每個 其他。
這 方式 你 會 做 那 是 你 能 合身 這 主要的 效果 模型 和 不 截距
和 節省 這 預測 價值觀 的 那 模型。
和 然後 後 正在做 那， 你呢 能 稱呼 那 柱子 全能的上帝，
和 然後 這 下一個 事物 你 做 是 節省 這 殘差 從 那 合身，
和 那些 殘差 是 在 這 空間 的 這 二- 因素 互動。
現在， 這些 二 行動 是 不必要，
但 如果 你 通緝 到 知道 什麼是 在後面 這 螢幕,
然後 這 允許 你 到 做 全部 這些 行動 為了 你自己 如果 你 想。
但， 的 課程， 你 能 使用 這 完美契合 篩檢 平台，
和 它是 正在做 這 在後面 這 場景。
讓 我 製作 a 小的 離題了。
I 思考 它是 有價值的 到 使用 這 模型 遺傳 假設，
哪個 是 那， 一般來說 請講，
二- 因素 互動 是 很多 更多的 可能 到 發生
如果 兩個都 這 主要的 效果 那 撰寫 那 互動 是 積極的 他們自己。
為了 例子，
如果 因素 A 和 因素 B 主要的 效果 是 兩個都 積極的，
然後 你 可能 想 到 考慮 配件 這 二- 因素 交互作用 的 A B.
現在 這 是 不是 a 身體的 法律。
沒有什麼 使 它 絕對地 必要的 那 這 抓住。
和 然而 經驗 證據 有 顯示 那
這樣的 模型 是 很多 更多的 可能 比 擁有
互動 是 積極的 什麼時候 這 主要的 效果 是 不是 積極的。
現在， 每個人 誰是 完畢 a 很多 的 實驗 有 櫃檯 範例 到 這。
全部 我是 說 是 那些 櫃檯 範例 是 比較 稀有的。
現在 為什麼 會 你 製作 這 假設？
出色地， 這是 這 原因。
如果 你 使用 這 遺傳 假設，
你 能 有 這 放 的 可能的 模型 存在 很多 更小
比 如果 你 不 製作 這 假設。
在 這 例子 那 I 顯示 你 早些時候 在哪裡 I 有 因素 A 透過 F,
讓我們 認為 那 它 轉身 出去 那 僅有的 因素 C, D, 和 F 是 積極的，
然後 你 會 僅有的 考慮 這 三 二- 因素 互動， CD、CF、 和 DF。
和 自從 那裡 是 三 的 這些 互動，
那裡 是 二 到 這 第三 可能的 模型，
一 的 哪個 有 不 互動，
和 你 有 三 和 一 相互作用，
三 和 二 互動， 和 一 和 全部 三 互動。
然而， 如果 我們 通緝 到 看 在 全部 這 二- 因素 互動
之中 全部 這 因素 A 透過 F,
然後 那裡 是 六 選擇 二 或者 15 可能的 二- 因素 互動，
哪個 方法 那 那裡 是 二 到 這 第十五 或更多 比 32,000 可能的 模型。
和 篩選 透過 全部 的 那些 模型 是 a 很多 更難 模型 選擇 問題。
如果 你 能 依靠 在 這 遺傳 假設，
你 能 節省 你自己 a 很多 的 工作
和 也 a 很多 的 歧義 在 製作 你的 模型 選擇。
現在 去 後退 到 如何 你 做 這，
你 能 形式 這 二- 因素 互動 涉及 這 積極的 主要的 效果
和 然後 做 步 明智的 回歸 向上 到 這 觀點 在哪裡
這 意思是 平方 錯誤 的 這 模型 那 你 有 是 相對地 小的。
如果 你 有 一個 估計 的 西格瑪 平方，
如果 他們是 大致 可比， 然後 那 是 這 時間 到 停止。
但， 的 課程， 這 仍然 是 不是 必要的 o 做 經過 手
因為 完美契合 篩檢 是 去 到 做 它 為了 你。
讓 我 展示 你 a 夫妻 的 範例 的 這 過程
和 患病的 開始 和 一個 例子 從 道格 蒙哥馬利的
設計 和 分析 的 實驗 教科書， 這 第八 版。
和 他 做過 這 作為 第一的 跑步 a 解決 三 分數 階乘
和 七 因素 和 八 運行。
讓 我 展示 你 那 設計 和 如何 那 是 分析了。
這是 a 解決 三 設計，
和 如果 I 做 只是 合身 篩檢，
什麼 你 看 這裡 是 那 我們的 B, D和A 是 這 積極的 效果
和 或許 G 是 略 積極的 但 小的 比較的 到 這 效果 的 B、D 和 A。
但 讓我們 評價 這 設計。
I 只是 點選 這 評價 設計 腳本 在 這 桌子。
和 如果 I 看 在 這 別名 矩陣，
你 能 看 那 因素 A 是 困惑 和 這 屋宇署 相互作用。
你 可以 也 學習 這 相同的 事物 經過 尋找 在 這 顏色 地圖。
和 你 能 看 那 這 相關性 之間 A 和 這 屋宇署 交互作用 是 一，
哪個 方法 那 I 不 知道 無論 什麼 我是 看到
是 實際上 這 主要的 影響 的 A
或者 這 二- 因素 交互作用 的 B 和 D 或者 任何 線性 組合 的 那些。
什麼 I 有 是 一個 歧義
和 I 需要 到 製作 一些 更多的 運行 在 命令 到 解決 那 歧義。
去 後退 到 我的 例子，
什麼 然後 發生 在 這 教科書 是 那 這 設計 是 折疊 超過。
現在 反而 的 八 跑步， 那裡 是 16 運行。
和 讓 我 展示 你 那 例子。
這是 這 折疊 超過 設計。
如果 I 做 評價 設計 和 然後 看 在 這 別名 矩陣，
I 能 看 那 這 別名 矩陣 是 完全相同 零 為了 每一個 可能的 價值。
和 I 能 學習 這 相同的 事物 經過 去 到 這 顏色 地圖 在 相關性。
和 I 看 那 這 主要的 效果 是 正交
和 全部 這 主要的 效果 是 正交 到 全部 這 二- 因素 互動。
I 現在 知道 那 I 有 a 折疊 超過 設計 和 那
我的 主要的 效果 是 不是 去 到 是 有偏見 經過 二- 因素 互動。
I 有 數據 為了 這 時間 它 需要 為了 這 眼睛 到 重點。
和 如果 I 點選 在 這 腳本， I 看 這 結果 的 擁有 完畢 這 折疊 超過。
和 什麼 I 看 是 第一的 那 B 和 D 是 這 二 主要的 效果， 那是 作為 前，
除了 那 A 是 不 更長 那裡 因為， 猜測 什麼？
這 屋宇署 交互作用 是 大規模地 重要的。
和 這 真的 模型 是 屋宇署 和 這 屋宇署 相互作用。
和 現在 我們 能 跑步 這 模型 和 我們 能 看 那
第一的 我們的 實際的 經過- 預言 陰謀 和 我們的 殘差 全部 看 好的。
和 然後 玩 和 這 分析器， 我們 能 看 那
作為 I 移動 B 從 一 結尾 到 這 其他，
這 坡 的 這 線， 這 預言 線 的 這 影響 的 D 在 時間 變更。
和 那是 這 自然 的 互動。
什麼時候 你 有 一個 相互作用，
這 坡 的 一 因素 取決於 在 這 價值 的 這 其他 因素。
和 所以 現在 我們 有
這 是 這 環境 那 你 會 使用 如果
你 通緝 到 最大化 這 時間 那 需要 這 眼睛 到 重點。
一般來說， 你 會 想 到 最小化 這 時間。
這 會 是 這 環境 那 你 通緝 到 使用 到 最小化 這 眼睛 重點 時間。
那是 這 結尾 的 那 例子。
讓 我 現在 去 後退 到 我的 幻燈片 為了 只是 一 第二
和 介紹 這 花生 固體 例子。
這 花生 固體 例子 曾是 一個 例子
那 我的 朋友 克里斯 納希茨海姆 實際上 做過 在 a 諮詢 環境
和 我們 有 在 這 樣本 數據 圖書館 和
這 花生 固體 實驗 作為 a 確定的 篩檢 設計。
但 什麼 I 做過 曾是 反而 I 創建 a 二- 等級 折疊 設計
和 用過的 這 相同的 模型 到 創造 數據 為了 那。
和 所以 讓 我 展示 你 那 數據，
哪個 是 我的 第二 例子 這裡， 這 花生 例子。
和 注意 那 I 有 PH， 水 溫度， 萃取 時間，
比率， 攪拌 速度， 和 二 分類 因素，
無論 你 水解 這 花生 第一的 和 無論 你 囚犯 這 花生，
和 然後 什麼 是 存在 測量 是 這 花生 固體。
注意 也 那 這 數位 的 運行 這裡 是 22，
哪個 是 不是 a 多種的 的 八。
和 所以， 什麼時候 I 看 在 評估 D 設計，
I 不 預計 那 這 設計 將要 是 正交 為了 這 主要的 效果。
和 什麼時候 I 看 在 這 別名 矩陣，
你 能 看 那 這 截距 是 相關 或者 別名
經過 a 非常 小的 數量 經過 任何 積極的 二- 因素 相互作用。
和 再次， 如果 I 看 在 這 相關性 顏色 地圖 細胞 陰謀，
你 能 看 那 這 主要的 效果 是 不是 正交 到 每個 其他，
但 他們的 相關性，
他們的 絕對 相關性 是 非常 小的 喜歡 一 超過 十一。
和 再次， 因為 這 區域 是 白色的，
主要的 效果 是 正交 到 二- 因素 互動。
和 這 是 什麼 我們 通緝。
這 是 什麼 我們 有 到 有 在 命令 到 使用 這 合身 權威 篩檢 平台。
現在 我是 去 到 跑步 那 平台。
和 什麼 I 看 是 那 I 有 四 積極的 主要的 效果 和 那 方法 那 I 有
作為 許多 作為 四 選擇 二 或者 六 二- 因素 互動 到 查看。
和 它 看起來 喜歡 比率 和 攪拌 速度
是 a 學期 那 I 不 真的 需要， 非常 小的 估計 的 這 例子。
但 這 真的 模型 那 產生 這 數據
涉及 這些 四 二- 因素 互動 這裡。
比率 次 攪拌 速度 轉彎 出去 到 是 a 類型 一 錯誤，
除了 我們 會 大概 得到 擺脫 的 它 反正， 和 它是 估計 是 非常 小的。
這裡 我們已經 用過的 這 合身 權威 篩檢 設計
和 也 這 假設 的 遺傳
的 這 主要的 效果 和 二- 因素 互動
到 尋找 不是 僅有的 全部 這 主要的 效果 但 四 積極的 二- 因素 互動
之中 這 二- 因素 互動 那 是 有關的 到 這 積極的 主要影響。
我們 成立 這 實際的 數據- 產生 模型， 這 正確的 模型。
好的， 所以 什麼 做 I 推薦 那 你 做？
第一的， 我已經 顯示 你 如何 到 使用 這 最佳的 設計 標準
在 這 風俗 設計師 到 創造 折疊 超過 設計
和 你 能 做 那 相對地 簡單地
和 你 不 一定 有 到 創造 正交 福爾多夫 r 設計。
這 合身 權威 篩檢 設計 平台 沒有 關心
無論 這 設計 是 正交 或者 不是，
它 將要 仍然 分析 這 數據 作為 長的 作為 這 設計 是 a 折疊 超過 設計。
和 然後 一次 你 有 這 折疊 超過 設計 和 這 數據，
你 能 使用 這 合身 權威 篩檢 設計 平台 到 分析 這 數據。
和 所以， 在 這 字 的 耐吉， 「只是 做 它。 」
這裡 是 一些 參考。
這 第一的 二 是 引用 這 原來的 紙
在 權威 篩檢 實驗 和 然後 這 紙 經過 蕭 和 共同 作者
節目 如何 我們 創造 權威 篩檢 設計 如今
沒有 涉及 最佳化, 只是 經過 直接的 建造
使用 會議 矩陣。
然後 這 第二 紙， 磨坊主 和 坐著，
有 這 基本的 主意 那 我已經 介紹 這裡 到 分析F 老的 超過 設計。
這 曾是 在 技術計量學 方式 後退 在 2005年，
但 是 使用 輕微地 更多的 目前的 模型 選擇 科技
比 磨坊主 和 坐著。
和 最後， 這 最後的 參考 那裡
是 告訴 如何， 再次 在 技術計量學， 克里斯 納希茨海姆 和 I 寫道 a 紙 到
基本上 解釋 如何 到 使用 這 折疊 超過 科技
和 分析 到 做
模型 選擇 為了 權威 篩檢D 設計 在 a 二- 步 方法
那 I 談論 關於 在 這 非常 開始 的 這 講話。
感謝 你 非常 很多 為了 你的 注意力
和 患病的 是 在 這 演講 什麼時候 它是 最後 發表 到 回答 問題。
