1. 是什么启发了你提出这个愿望清单请求？
这一请求的灵感来自于实验设计中一个非常常见且基本的问题，这个问题目前很难在 JMP 中前瞻性地回答：“我需要收集多少个样本才能检测出两个连续变量之间的有意义的相关性？”
目前，在设计一个简单的实验来测试连续因子（例如温度）和连续响应（例如强度）之间的关系时，JMP 强大的 DOE 平台针对分类因子或更复杂的多因子模型进行了优化。现有的用于回答这个问题的工具要么不够直观，要么是为回顾性分析而设计的：
这导致用户依赖外部软件（例如G*Power） ，或者仅仅猜测样本量，这通常会导致实验要么功效不足（无法检测到真实效果），要么功效过强（浪费时间和资源）。G*Power 中的一个例子是以下设置：
- 检验系列： F 检验
- 统计检验：线性多元回归：固定模型，R^2 偏离零
- 功效分析类型：先验：根据给定的 alpha、功效和效应大小计算所需的样本量
示例用例：我想设计一个实验来看看<SPAN class="selected">催化剂浓度</SPAN>影响<SPAN class="selected">产品产量</SPAN>在进行实验之前，我需要知道需要收集多少样本。我希望有90%的把握（检验功效）能够检测到真实相关性至少15%的变异（R²为0.15）。我还根据历史数据估算了过程噪声（RMSE）。目前，JMP中没有直观的交互式平台来帮助我确定这种简单场景所需的样本量。
2. 您希望看到什么改进？
我建议创建一个交互式样本量分析器专门用于设计具有单个连续因素和单个连续响应的实验。这可能是<SPAN class="selected">DOE > 样本大小和功效</SPAN>平台。
该分析器在视觉上直观，功能与 JMP 中的其他分析器类似。
主要特点：
-
输入（交互式滑块/字段）：
-
<SPAN class="selected">阿尔法（a）</SPAN>：显著性水平（默认0.05）。
-
<SPAN class="selected">功率 (1-b)</SPAN>：所需的统计功效（例如 0.8、0.9）。
-
<SPAN class="selected">预期 RMSE (σ)</SPAN>：误差或过程噪声的标准差估计值。这是一个用户通常可以估算的实际输入。
-
<SPAN class="selected">待检测的效应量</SPAN>：这是关键输入。用户应该能够以直观的方式指定它，例如：
-
输出：
建议功能的模型：
该界面可以让用户立即看到权衡利弊。例如，他们可以在投入实验资源之前就看到较小的R²或较高的过程噪声如何显著增加所需的样本量。
3. 为什么这个想法很重要？
实施这一想法将带来以下重大价值：
-
弥补关键差距：它解决了 JMP 前瞻性工具目前未能充分解决的最常见的实验设计问题之一。它将避免用户离开 JMP 生态系统去使用外部工具。
-
推广良好的统计实践：它使功效和样本量的确定变得简单直观，鼓励用户合理规划实验。这将带来更优质、更高效的科学与工程，并通过避免功效过低或过高的研究来节省资金和资源。
-
提升JMP“思维工具”的价值：JMP 是一款出色的交互式统计发现工具。这款刻画器完美契合了这一理念，它允许用户以可视化的方式探索实验设计的“假设”场景，而非仅仅将数字输入静态计算器。
-
易于使用：它用科学家和工程师使用的语言来描述问题（<SPAN class="selected">R²</SPAN>, <SPAN class="selected">均方根误差</SPAN>），降低了稳健实验设计的门槛。对于任何进行哪怕是最基本的工艺表征或验证的人来说，它都是必备工具。
