录音实验者俱乐部 2026 年第一季度视频 1：JMP 的 DOE 平台：艺术家工具包的新成员
请阅读@BillFish828的博客： https://community.jmp.com/t5/JMP-Blog/JMP-s-DOE-platform-A-new-addition-to-the-artist-s-toolkit/ba-p/919860
问：田口设计与正交阵列有什么区别？
MOLS 是一种平衡部分因子设计矩阵，可确保因子间的独立性；而田口设计则利用这些矩阵来优化信噪比和平均响应，从而增强稳健性。
视频 2：当 n=1 时为什么要进行随机化？
评论：我的重点不在于趋势，而在于一种无法识别的影响，也就是实验前你根本不知道的东西。我的建议是，尽可能多地考虑各种影响因素，即使是一些看似不太可能的影响，以此来筛选实验因素，然后尽可能观察那些未被纳入考虑的因素。
视频 3：对 DOE（例如响应曲面）的深入分析
回复：录音实验者俱乐部 2026 年第一季度感谢@maria_astals 的录音！
关于随机化，我并不完全赞同将其目的在于避免响应变量的时间趋势。随机化的目的是为了避免实验中因某些未知且不可控的外部因素而产生的偏差。它用于避免处理效应与其他未知效应（虚假相关性）之间的混淆。
根据实验随机化方式的不同，设计对时间的稳健性可能有所不同。一些更优的选择（取决于干扰因素的可知性和可控性）包括：
- 记录实际运行顺序，并将其作为模型中的协变量，以评估其统计显著性和实际重要性（再次进行“事后”分析，以评估运行顺序是否可能产生影响），对于已知且不可控的干扰因素而言，
- 正如@statman所说，使用分块方法可以尽可能均匀地平衡各组之间的因素水平，从而减少甚至消除已知且可控的干扰因素。分块方法将相似的运行分配到不同的组/运行组中：不同的操作员、设备/机器，以及不同日期、不同周之间的差异等等。
- 在设计实验设计（DoE）时，应预先考虑时间可能存在的时间依赖性，并将时间作为协变量，以平衡不同时间点的因子水平。 @bradleyjones写了一篇非常好的文章，阐述了如何创建一个对时间趋势具有鲁棒性的实验设计： 如何创建一个对线性时间趋势具有鲁棒性的实验设计
您可以在这里看到一个应用示例： 自定义设计中按定义顺序排列的协变量
Peter GOOS 和 Bradley JONES 的著作《实验的最优设计：案例研究方法》第 9 章“存在协变量时的实验设计”解释了使用时间作为协变量来创建稳健时间趋势设计的情况。
我不会太担心一个数据点出现异常值/离群值，因为实验设计本身就比单因素实验或其他类似方法对少数异常值不太敏感。
期待下次与您相聚！
