试验设计 (DOE)

通过系统的数据采集制定试验计划

被动的数据收集在统计建模中产生许多问题。在响应变量中观察到的变化也许跟在个体因子（过程变量）中观察到的变化有关，但不是由其引起的。多个因子的同时变化可能产生交互作用，难以分成独立的效应。观测值可能是相关的，而数据模型却认为它们是无关的。

经过设计的试验可以解决这些问题。在经过设计的试验中，会主动操控生成数据的过程，从而提高信息的质量并消除冗余数据。所有试验设计的一个共同目标就是既要尽可能少地收集数据，又要为准确估计模型参数提供足够的信息。

函数

完全析因设计

`ff2n`	二水平完全析因设计
`fullfact`	完全析因设计

部分析因设计

`fracfact`	Fractional factorial design
`fracfactgen`	Fractional factorial design generators

响应面设计

`bbdesign`	Box-Behnken design
`ccdesign`	Central composite design

D 最优设计

`candexch`	D-optimal design from candidate set using row exchanges
`candgen`	Candidate set generation
`cordexch`	Coordinate exchange
`daugment`	D-optimal augmentation
`dcovary`	D-optimal design with fixed covariates
`rowexch`	Row exchange
`rsmdemo`	Interactive response surface demonstration

拉丁超立方设计

`lhsdesign`	Latin hypercube sample
`lhsnorm`	来自正态分布的拉丁超立方样本

准随机设计

`haltonset`	Halton quasirandom point set
`qrandstream`	Construct quasi-random number stream
`sobolset`	Sobol quasirandom point set

DOE 图

`interactionplot`	Interaction plot for grouped data
`maineffectsplot`	Main effects plot for grouped data
`multivarichart`	Multivari chart for grouped data
`rsmdemo`	Interactive response surface demonstration
`rstool`	Interactive response surface modeling

主题

Full Factorial Designs

Designs for all treatments

Fractional Factorial Designs

Designs for selected treatments

Response Surface Designs

Quadratic polynomial models

Improve an Engine Cooling Fan Using Design for Six Sigma Techniques

This example shows how to improve the performance of an engine cooling fan through a Design for Six Sigma approach using Define, Measure, Analyze, Improve, and Control (DMAIC).

D-Optimal Designs

Minimum variance parameter estimates