Ein komplettes Randomisieren eines Experiments ist oft entweder unmöglich oder zu teuer. Hier können Split-Plot-Designs wertvoll sein. Mit Split-Plot-Designs können Sie bestimmte Faktoren für mehrere Läufe in einer Reihe festlegen. In jedem Block von Läufen (oder ganzen Plots) bleiben die Faktoren, die schwer zu ändern sind, fest, während die anderen von Zufall zu Läufer zufällig variieren. Dies vereinfacht die Logistik eines Entwurfs.
Wenn Sie die Gelegenheit hatten, JMP-Direktor für Forschung und Entwicklung Bradley Jones zu zeigen, wie JMP Custom Designer Split-Plot-Entwürfe elegant und effizient verarbeitet, sollten Sie das von ihm kürzlich veröffentlichte Dokument lesen.
In der Mai 2007-Ausgabe des Journals der Royal Statistical Society: Serie C (Angewandte Statistik), Brad und Professor Peter Goos von der Universiteit Antwerpen führt eine neue Methode zur Erzeugung optimaler Split-Plot-Designs ein. In der Zeitung, Sie demonstrieren die Nützlichkeit dieser Flexibilität bei einem Polypropylenversuch mit 100 Durchläufen, an dem 11 Faktoren beteiligt sind. In dem Experiment fanden sie ein Design, das wesentlich effizienter ist als Designs, die mit anderen Ansätzen hergestellt wurden.
Wir haben auch mehr Ressourcen zum Design von Experimenten (DOE oder DOX).
Wenn Sie JMP haben, checken Sie aus Beispieldaten und Anweisungen zum Erzeugen eines Split-Plot-Designs.
