Learn the fundamental principles and practical applications of experimental design and analysis in this comprehensive Chinese-language course. Master essential concepts from basic experimental design principles to advanced statistical methods, covering topics like hypothesis testing, ANOVA, regression analysis, factorial designs, and Taguchi methods. Develop skills in data analysis techniques including boxplots, histograms, normality tests, and trend analysis. Explore non-parametric testing methods, Latin square designs, response surface methodology, and computer experiments. Apply statistical tools for experimental optimization, sensitivity analysis, and tolerance design while gaining hands-on experience with real-world experimental scenarios. Build expertise in selecting appropriate design methods, analyzing multiple variables, and interpreting results through systematic experimental procedures.
Overview
Syllabus
- 1. 课程内容简介
- 2. 试验设计简介
- 2.1 试验设计概念简介
- 2.2 试验的分类
- 2.3 试验的策略
- 2.4 试验的系统步骤
- 2.5 试验设计的基本原则
- 2.6 试验例子
- 3. 试验数据分析
- 3.1 数据分析的三个步骤
- 3.2 单变量数据分析
- 3.3 箱线图
- 3.4 直方图
- 3.5 正态性检验
- 3.6 趋势分析
- 3.7 散点图
- 3.8 相关性与因果关系
- 3.9 总结
- 4. 简单比较试验
- 4.1 假设检验
- 4.2 一类错误与二类错误
- 4.3 功效曲线
- 4.4 p值
- 4.5 置信区间
- 4.6 双样本假设检验
- 5. 非参数检验
- 5.1 非参与参数化检验对比
- 5.2 单样本符号检验
- 5.3 单样本Wilcoxon检验
- 5.4 双样本Wilcoxon-Mann-Whitney检验
- 5.5 非参检验总结
- 6. 单因子方差分析
- 6.1 方差分析
- 6.2 多重比较
- 7. 多因子试验
- 7.1 双因子方差分析
- 7.2 单因子与多因子卡方检验
- 8. 随机分组与拉丁方
- 8.1 分组原则
- 8.2 分组实验的方差分析
- 8.3 拉丁方设计
- 9. 回归分析
- 9.1 简单线性回归模型
- 9.2 自变量设计的准则
- 9.3 建立回归模型
- 9.4 残差分析
- 9.5 方差分析与模型指标
- 9.6 变量选取方法
- 9.7 模型诊断
- 9.8 总结
- 10. 全因子设计
- 10.1 试验设计方法选择概述
- 10.2 因子设计
- 10.3 2^2因子设计
- 10.4 模型分析
- 10.5 2^3因子设计
- 10.6 无重复的2^k因子设计
- 10.7 中心复合设计
- 10.8 因子设计中的分组与混杂效应
- 11. 部分因子设计
- 11.1 为什么选用部分因子设计
- 11.2 2^k-1部分因子设计
- 11.3 部分因子设计的分辨率
- 11.4 普通2^k-p部分因子设计
- 12. 响应曲面设计
- 12.1 响应曲面的概念
- 12.2 响应曲面的二阶模型
- 12.3 多响应优化
- 13. 田口设计
- 13.1 田口设计简介
- 13.2 稳健设计
- 13.3 正交表
- 13.4 灵敏度分析
- 13.5 容差设计
- 14. 计算机试验
- 14.1 计算机试验的特点
- 14.2 最优设计
- 14.3 空间填充
- 期末考试
Taught by
Kaibo Wang
