CRAN Task View: Design of Experiments (DoE) & Analysis of Experimental Dataの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載した。

Maintainer: Ulrike Groemping
Contact: groemping at bht-berlin.de
Version: 2016-08-18
URL: https://CRAN.R-project.org/view=ExperimentalDesign

このタスクビューは、実験的な設計と実験によるデータの分析のためのRパッケージに関する情報を収集します。 関連するパッケージの数が大幅に増加すると、分析にのみ焦点を合わせ、設計作成に関連する貢献をしないパッケージは、このタスクビューに追加されなくなりました。 あなたがここに属していると思われる場合は、新しいパッケージや主要なパッケージのアップデートに関する情報をお送りください。 連絡先の詳細は私のWeb page に記載されています。

実験的なデザインは多くの分野で応用されており、様々な分野のニーズに合わせた方法が用意されています。 このタスクビューは、最も一般的なパッケージのセクションから始まり、農業および工業実験、コンピュータ実験、および臨床試験のコンテキストでの実験に関する特定のセクションに続き、開発された様々な特別な実験デザインパッケージのセクションで終了する 他の特定の目的のために。 もちろん、フィールドへの分割は必ずしも明確であるとは限らず、より特殊化されたセクションからのパッケージも一般的なコンテキストで適用することができます。
私自身の経験は、主に産業実験(広義には)からのものであることに気付くかもしれません。

農業および植物育種実験のための実験計画

  • agricolae パッケージは、このタスクビュー(状態:2016年8月)から最もよく使用されるパッケージです。特に農業および植物育種実験のための実験的設計に関する広範な機能性を提供し、他の目的にも有用であり得る。 格子設計、階乗設計、無作為ブロックブロック設計、完全無作為設計(Graeco-)ラテン方格スクエア設計、バランスのとれた不完全ブロック設計、アルファ設計の計画をサポートしています。 実験データ用の様々な分析設備もある。 治療比較の手順といくつかのノンパラメトリックテストだけでなく、特定の種類の実験のためのかなり特殊化された可能性もある。
  • パッケージdesplot は、農業実験のレイアウトをプロットするために作られています。
  • パッケージagridat は、有用な農業データセットの大きなリポジトリを提供します。

一般的な目的のための実験計画

最初に、基本パッケージ統計の標準(一般化された)線形モデル関数は、設計された実験(特に関数lm()のデータを分析するために非常に重要ですが、 aov()と、結果として得られる線形モデルオブジェクトのためのメソッドと関数)。これらはKuhnert and Venables(2005, p. 109 ff. )で簡潔に説明されています。 Vikneswaran(2005)は、関数contrasts()、複数の比較関数、model.tables()、replications()、plot.design()などの便利な関数を使用して、実験設計の具体的な使用法を指摘しています。 Lawson(2014)は、Rの実験デザインに関する優れた入門書であり、多くのサンプルアプリケーションを提供しています。 Lalanne(2012)は、Montgomery(2005)のよく知られた本にRの仲間を提供しています。彼はこれまでのところ、最初の10章をカバーしています。 Rのデザイン・ジェネレーション・ファシリティーは含まれていませんが、主に既存のデザインの分析について議論しています。

  • パッケージGAD は、固定効果および/またはランダム効果とネストされた効果(後者はランダムのみである)による分散モデルの一般的なバランス分析を処理します。 彼らはこの作業のためにUnderwood 1997を引用している。 多くのユーザーがランダムまたは混合エフェクトを処理するためにRパッケージを使用することが困難なため、パッケージは非常に価値があります。
  • パッケージgranova は、単純構造化された実験結果(片方向および双方向レイアウト、ペアデータ)に興味深い非標準のグラフィカル表現を提供します。
  • パッケージez は、パッケージ “ggplot2″に基づいた直感的な分析と階乗実験の可視化をサポートすることを目指しています。
  • パッケージAlgDesign は、付加的な量的変数の有無にかかわらず完全な階乗的なデザインを作成し、混合物のデザインを作成します(つまり、ファクタのレベルが1 = 100%のデザイン、格子のデザインのみが作成されるデザイン)、D、A、 Federov(1972)アルゴリズムを使用して、正確にまたはほぼ、おそらくブロッキングで設計します。
    • パッケージOptimalDesign は同様に、ブロックされていないD、A、I最適設計(「I最適」の代わりに「IV最適」を使用する)を正確にまたはほぼ計算して、 このパッケージでは、アトキンソン、Donev、Tobias 2007、Harman、Filova 2014などの異なるアルゴリズムを使用していますが、そのうちのいくつかはgurobiソフトウェア(学術および学術機関向けのhttp://www.gurobi.com/ )の可用性に依存しています。 とそれに付随するRパッケージ “gurobi”(CRANにはない)。
  • パッケージICAOD は、Masoudi、Holling and Wong(2016)による非線形モデルのための “最適設計のための帝国主義競争アルゴリズム”を実装しています。
    • パッケージLDOD は、非線形および一般化された線形モデルに対して、局所的にD最適設計を実装します。
    • パッケージデザインdesignGLMM は、完全にランダム化またはブロックされたポアソンモデルに対して、ローカル最適設計を実装します。
    • パッケージPopED は、非線形混合効果モデルに最適な設計を実装します。
  • さまざまな種類の最適設計を扱うさまざまなパッケージがあります。
    • パッケージoapackage は、相互作用よりも高い主効果を優先させる可能性を持つ、最適な分数2次レベルの設計を生成する(必ずしも直交するものではない)ことを可能にする。
    • パッケージrodd は、最適な識別デザイン(Dette、Melas and Shpilev 2013、Dette、Melas、Guchenko 2014)とも呼ばれるT最適設計を提供します。
    • パッケージacebayes は、近似座標交換アルゴリズムを使用して最適なベイジアンデザインを計算します。
    • パッケージOBsMD は、Consonni and Deldossi(2015)によると、「フォローアップ設計における客観的ベイズモデルの差別化」を提供しています。
    • 非常に特殊な目的のための最適なデザインパッケージは、このビューの最後にリストされています。
  • パッケージconf.design は、ブロック(関数conf.design())と混同された特定の相互作用効果を持つデザインを作成することを可能にし、既存のデザインをいくつかの方法で組み合わせることができます(例えば、工業実験のTaguchiの内側と外側の配列デザインに便利です)。
  • パッケージplanor は、固定された混合レベルとかなり柔軟なランダム化構造を持つ規則的な分数要因設計を生成することを可能にする。 パッケージの柔軟性は、特定の複雑さと、大きなデザインの場合には高い計算時間の代償を払うことになります。
  • パッケージibd は、不完全なブロック設計を作成して解析します。
    • パッケージPGM2RPPairwiseDesign およびCombinS はすべて、(解決可能な)(部分的に)バランスの取れていない不完全なブロックデザインに関連するデザインを生成します。
  • パッケージcrossdes は、例えば、センセトメトリクスで使用できるさまざまなタイプ(ラテンの四角、相互に直交するラテンの四角、Youdenの四角など)のクロスオーバ設計を作成して分析します。
    • パッケージクCrossover は、クロスオーバーデザインも提供します。 それは文学とアルゴリズム的なデザインからデザインを提供し、crossdes の機能を利用し、さらにGUIを提供します。
  • パッケージDoE.base は、メインエフェクト実験(Kuhfeld 2009で最大144回実行され、さらにいくつか追加されたもの)のために、ブロッキング(機能fac.design)と直交配列(関数oa.design)の有無にかかわらず、 GroempingとXu(2014)に関連する直交配列の品質を評価するための機能と、かなり一般的な形式(Groemping 2015)の半正規効果プロットを含むいくつかの分析機能もあります。
    • パッケージDoE.base はまた、関連パッケージのスイートの基礎を形成します(cf. Groemping 2009参照)。
    • FrF2 (下記参照)とDoE.wrapper と一緒に、RcmdrPlugin.DoE (Betaバージョン; Groemping 2011で利用可能なチュートリアル)のGUIパッケージの作業馬を提供します。これは実験機能の設計をR-Commander Rcmdr “、Fox 2005)を使用して、コマンドラインプログラミングを行うことができない、またはしたくないRユーザーの利益を得ています。
    • このスイートにおけるパッケージDoE.wrapper の役割は、他のパッケージの機能をパッケージスイートの入出力構造にラップすることです(これまではパッケージrsm (以下も参照)を使用したレスポンスサーフェス設計、パッケージを使用したコンピュータ実験の設計lhsDiceDesign (以下も参照)、およびAlgDesign パッケージを使用したD最適設計(上記も参照)。
  • パッケージdae は、実験デザインとR因子を中心に様々なユーティリティ関数を提供します。 例えば 、(Bailey 1981による)様々なネストされた構造を扱うことができるランダム化ルーチンと、いくつかのファクタを1つに結合する機能、または1つのファクタを複数のファクタに分割するファンクション。 さらに、パッケージは、aov()関数によって返されたオブジェクトを後処理するための機能を提供します。 例えば、2レベル実験のYates効果の抽出 。
  • パッケージdaewr は、Lawson(2014)によるRによる実験の設計と分析に関する書籍が付属しており、本のデータセットだけでなく、Rの他の場所では利用できないスタンドアロン機能も提供しています。 例えば、 決定的なスクリーニングデザイン。
  • パッケージOPDOE は、Raschらによる最適実験計画書Rが付属しています。 (2011年)。 興味深いサンプルサイズの見積もり機能がありますが、書籍がなくてもほとんど使用できません(初版は購入をお勧めしません)。
  • パッケージblockTools は、ブロックサイズが小さすぎる場合に同種のブロックセットになるためにユニットをブロックに割り当てます
    • パッケージ blocksdesign は、ネストされたブロック構造の作成を可能にします。
  • 実験的な文脈でサンプルサイズを決定するためのいくつかのパッケージがあり、そのうちのいくつかは非常に一般的であり、他は非常に特殊化されたパッケージです。 これらはすべてここに記載されています:
    • パッケージpowerAnalysispowerbydesign 、およびeasypower は、階乗実験のための出力、サンプルサイズ、および/またはエフェクトサイズの見積もりを扱います。
    • パッケージJMdesign は、縦方向および生存データを共同でモデリングする特別な状況のためのパワーを扱います。
    • グループシーケンシャルデザイン用のパワーをもつパッケージ PwrGSD
    • ゲノムワイド関連研究における相互作用力を有するパッケージpowerGWASinteraction
    • RNA配列決定実験のためのサンプルサイズのパッケージssizeRNA
    • マイクロアレイ実験におけるサンプルサイズのためのパッケージssize.fdr (誤った発見率を制限しながら特定の力を要求する)。

産業実験のための実験計画

いくつかのさらなるパッケージは、しばしば高度に分別され、意図的に混乱し、エラーのために余分な自由度をほとんど持たない工業実験用の設計を取り扱う。

フラクショナルファクタ2レベル設計は、工業実験で特に重要です。

  • パッケージFrF2 (Groemping 2014)は、作成に必要な最も包括的なRパッケージです。 Plackett-Burmanタイプのスクリーニングデザインだけでなく、2レベルの因子のための標準的なFractional Factorialデザインを生成します。 通常の分数階乗は、最大解像度最小収差設計にデフォルト設定されており、組み込まれた設計カタログによってサポートされる様々な方法でカスタマイズすることができます。 (Chen、Sun and Wu 1993によってカタログ化されたデザイン、さらに2005年のBlock and MeeとXu 2009でカタログ化されたデザインを含む。追加のパッケージFrF2.catlg128 は、特別な目的のために最大23個のファクタを持つ解像度IV 128の設計を実行するための非常に大きな完全なカタログを提供します。 )
    • 解析的に、FrF2 はシンプルなグラフィカル解析ツール(通常および半正規効果プロット、主効果プロット(BsMD から改変、下記参照) 、Minitabソフトウェアと同様の相互作用プロット行列、3つの要素の組み合わせの立方体プロット)を提供します。 パッケージで作成されているかどうかにかかわらず、2レベル要素の通常の分数階乗のエイリアス構造も表示できます。
    • フラクショナルファクタ2レベルのプランは、他のRパッケージ、つまりBHH2qualityTools によって作成することもできます(ただし、パッケージのバージョン1.54の関数pbDesignは使用しないでください)。
    • パッケージconf.designplanor 、またはAlgDesign によってもう少し複雑になります。
    • パッケージoapackage は、相互作用よりも高い主効果を優先させる可能性を持つ、最適な分数2次レベルの設計を生成する(必ずしも直交するものではない)ことを可能にする。
    • パッケージALTopt は、加速寿命試験に最適な設計を提供します。
  • パッケージBHH2 は、Box、Hunter、Hunterの第2版の本に付属しており、そのデータセットのさまざまなものを提供しています。 これは、多数のファクタと定義関係のリスト(ファンクションffDesMatrix()、パッケージFrF2よりも快適性が低い)から、ファクタル・ファクタル・2レベル・デザインを生成することができます。 また、関数anovaPlotは残差に対するエフェクトサイズを評価し、関数lambdaplot()はBox-Cox変換の効果を統計的有意性に評価します。
  • BsMD は、Box and Meyer(1986)が提案したベイズ図と、2レベル因子を用いた分数階乗実験においてどの効果が有効であるかを評価するための効果プロット(通常、半正規およびLenth)を提供する。
    • パッケージOBsMD は、パッケージBsMD のベイズ解析を適用したあとのあいまいさを解決するためのフォローアップ実験の機能を提供します。
  • パッケージpid は、Dunn(2010-2016)のオンラインブックに付随しており、Box、Hunter、Hunterの本も多用しています。 それは、大部分が分数階級2レベル設計からの様々なデータセットを提供する。

要因設計を計画および分析するためのツールとは別に、Rは定量的要因に対する応答面最適化のサポートも提供する(例えば、Myers and Montgomery 1995参照)。

  • パッケージrsm は、一次および二次応答サーフェスモデル(中央コンポジットまたはBox-Behnkenデザイン)を使用したシーケンシャル最適化をサポートし、リニアモデルオブジェクトの応答関数の最急降下および可視化のような最適化アプローチを提供します。 また、応答表面調査のためのコード化が容易になる。
  • パッケージDoE.wrapper は、中央複合デザインのキューブ部分を自動的に選択し、スター部分を持つ既存の(分数)階乗2レベルデザインを拡張する可能性を持つ、パッケージrsm からのデザイン作成を強化します。
  • パッケージOptimaRegion は、二次多項式と薄板スプラインモデルの応答曲面の最適な領域を検査するための機能を提供し、2つの最適値間の距離に対する信頼区間を計算することができます。
  • パッケージVdgraph は、パッケージrsm によって作成されたレスポンスサーフェスデザインの分散分散グラフ(Vining 1993)を実装しています。
    • パッケージVdgRsmvdg は、さらにさまざまな同様の機能を提供します。
  • パッケージqualityTools は、中央の複合デザインを作成し、レスポンスサーフェスを視覚化することもできます。
  • パッケージEngrExpt は、Nelson、Coffin and Copeland(2003)のエンジニアリング実験のための入門統計から、一連のデータセットを提供しています。

一部の産業では、成分の混合物が重要です。 定量的な要因には一定の合計があるため、これらには特殊な設計が必要です。 Mixtureデザインは、AlgDesign (関数gen.mixture、格子デザイン)、qualityTools (関数mixDesign、格子デザインおよびシンプレックスセントロイドデザイン)、およびmixexp (シンプレックスセントロイド、シンプレックスラティスおよび極端な頂点デザイン用のいくつかの小さな関数 プロット)によって処理されます。

場合によっては、過飽和のデザインが有用な場合があります。 2つの小さなパッケージmkssdmxkssd は、固定レベルと混合レベルのk-circulant過飽和設計を提供します。

コンピュータ実験のための実験計画

定量的な要因を用いたコンピュータ実験には、特殊なタイプの実験デザインが必要です。多くの場合、さまざまなレベルの因子を含めることが可能であり、通常は複製は有益ではありません。 また、実験領域は、線形または二次モデルが調査中の現象を適切に表していると仮定するには大きすぎることが多い。 その結果、いくつかの要因が無関係であっても、各実験が追加の情報を提供するように、実験空間をポイントおよび可能な限り(空間充填設計)で満たすことが望ましい。

  • lhs パッケージは、この目的のためにlatin hypercubeデザインを提供します。 さらに、このパッケージは、どのようなフォローアップ実験を重視してそのようなコンピューター実験を分析する方法を提供します。
  • 同様の方向性を持つ別のパッケージには、DiceDesign パッケージがあります。これは、空間充填設計を構築するためのさらなる方法と、コンピュータ実験の設計品質を評価するためのいくつかの手段を追加します。
  • パッケージDiceKriging は、コンピュータ実験からメタモデルを作成するためによく使用されるクリギング方法を提供します。
  • パッケージDiceEval は、(特にKrigingものの)メタモデルを作成し、評価します。
  • パッケージDiceView は、多次元メタモデルのセクションを表示する機能を提供します。
  • パッケージMaxPro は、Joseph、Gul、Ba(2015)によって導入された最大投影設計を提供します。
  • パッケージSLHD は、Baらによる最適なスライスされたラテンハイパーキューブ設計を提供する。 (2015)。
  • パッケージsimrel は、Martensらによるマルチレベルバイナリ置換(MBR)戦略に従ってコンピュータ実験用の設計を作成することを可能にする。 (2010)。
  • パッケージminimaxdesign は、MakとJoseph(2016)によるminimaxデザインとminimax投影デザインを提供します。
  • パッケージtgp は、コンピュータ実験の計画と分析に特化した別のパッケージです。 ここでは、ベイズ法を重視しています。 パッケージは、例えば、順次最適化のための様々な種類の(代理)モデルと共に使用することができる。 ノイズの多いブラックボックスターゲット機能を最適化するための改善基準が期待されます。
  • パッケージplgpdynaTree は、パーティクルラーニング機能と動的回帰ツリーの学習で、tgp が提供する機能を強化します。
  • パッケージBatchExperiments は、コンピュータの実験用にも設計されています。このシナリオでは、さまざまなシナリオで実行されるアルゴリズムを使用した実験用です。 このパッケージは、Bischlらの技術報告書に記載されている。 (2012)。

臨床試験のための実験計画

このタスクビューでは、実験パッケージの特定の設計についてのみ説明します。 いくつかの灰色の領域があるかもしれません。 ClinicalTrials のタスクビューも参照してください。

  • パッケージexperiment は、ランダム化ツールなどの臨床実験用のツールが含まれており、臨床試験のためのいくつかの特別な分析オプションが用意されています。
  • パッケージThreeArmedTrials は、3つの武装優越または非劣等の試行のための設計および分析ツールを提供します。 標準機能のほかに、パッケージにはMuetzeら(2016)で議論された負の二項応答状況が含まれています。
  • パッケージgsDesign は、グループシーケンシャルデザインを実装します。パッケージGroupSeq は、そのようなデザインでの確率支出のGUIを提供し、OptGS に最適なバランスの取れたグループシーケンシャルデザインをパッケージ化しています。
    • パッケージgsbDesign は、グループシーケンシャルベイジアンデザインの動作特性を評価します。
    • パッケージgset は、グループ順次同値テストを処理します。
    • パッケージseqDesign は、イベント間のエンドポイントでのグループ順次2段階治療有効性試験を処理します。
  • パッケージasd は、適応的な順次デザインを実装します。
  • パッケージOptInterim は、長期バイナリエンドポイント用の2ステージおよび3ステージ設計用です。
  • パッケージbcrmcrmPack は、ベイズのCRMデザインを提供します。
  • パッケージMAMS は、マルチアームマルチステージ研究のためのデザインを提供します。 BayesMAMS は、これらのベイズサンプルサイズ計算を提供します。
  • パッケージBOIN は、最大許容用量を見出すために第I相臨床試験で使用されるベイジアン最適間隔設計を提供する。
  • パッケージDoseFinding は、線量所見実験(例えば、製薬フェーズII臨床試験)の設計および分析のための機能を提供する。 「MCPMod」パッケージ(保守が中止され、Bornkamp、Pinheiro and Bretz 2009に記載されている)の施設と、線量を求める状況の最適なデザイン(MED最適設計、D最適設計、 両方とも; Dette ら、2008参照)。
  • パッケージVNM は、特定のクラスのロジスティックモデルに対して用量応答曲線の形状、ED50および最小有効線量(MED)を同時に最適化するための多目的最適設計を提供します。
  • パッケージTEQR は、第I相臨床試験のための毒性等価物範囲設計(Blanchard and Longmate 2010)を提供する。
    • パッケージ pipe.design は、いわゆるフェーズⅠのための独立ベータ確率線量増加(PIPE)設計の製品を提供します。
    • パッケージdfpk は、フェーズI試験のための薬物動態学を用いたベイジアン用量決定デザインを実装しています。
    • パッケージdfcrm は、フェーズⅠで古典的またはTITEの継続的な再評価試験のためのデザインを提供します。
  • パッケージdfcomb およびdfmta は、組み合わせ試験または単剤分子標的薬剤のための相I / II適合性用量発見デザインをそれぞれ提供する。
    • パッケージph2bayes およびph2bye は、ベイジアン単一アームフェーズⅡ試験に関係しています。
    • パッケージbinseqtest は、順次シングルアームバイナリ応答試行を処理します。
  • パッケージsp23design は、フェーズIIとIIIのシームレスな統合を提供すると主張しています。

特別な目的のための実験計画

さまざまなパッケージが実験的なデザインの特別な状況を処理します。

  • パッケージdesirability は、複数の基準分析を単純化するために、いくつかの目標基準を望ましさ関数に組み合わせる方法を提供する。 パッケージqualityTools の一部としても機能します。
  • osDesign は、観察研究にネストされた研究をデザインしています。 designmatch はこの目的にも役立ちます。
  • qtlDesign は、定量的形質遺伝子座設計用です。
  • toxtestD は、二元毒性試験のための最適な設計を作成する。
  • hiPOD は、プールされた次世代シーケンシング実験に最適なデザインを提供します。
  • designGG は、遺伝的ゲノミクス実験のための最適なデザインを作成します(Li ら2009参照)。
  • パッケージdocopulae は、Perrone and Mueller(2016)のコピュラモデルの最適設計を実装しています。
  • optDesignSlopeInt は、傾きと切片の比率の推定に最適な設計を提供します。
  • geospt は、サンプリングポイントの空間ネットワークを最適化できます(例えばSantacruz、Rubiano and Melo 2014を参照)。
  • パッケージSensoMineR は、三角検査などのような、センソメトリック検査のための特別なデザインが含まれています。
  • パッケージchoiceDes は、離散選択モデルとMaxDiff機能を重視した選択デザインを作成します。 最適な設計に基づいています。
    • パッケージsupport.CEs は、直交配列に基づいて、市場調査調査のための指定された選択デザインを作成するためのツールを提供します。

このタスクビューでのパッケージのキー参照

  • Atkinson, A.C. and Donev, A.N. (1992). Optimum Experimental Designs. Oxford: Clarendon Press.
  • Atkinson, A.C., Donev, A.N. and Tobias, R.D. (2007). Optimum Experimental Designs, with SAS. Oxford University Press, Oxford.
  • Ba,S., Brenneman, W.A. and Myers, W.R. (2015). Optimal Sliced Latin Hypercube Designs. Technometrics 57 479-487.
  • Bailey, R.A. (1981). A unified approach to design of experiments. Journal of the Royal Statistical Society, Series A 144 214-223.
  • Ball, R.D. (2005). Experimental Designs for Reliable Detection of Linkage Disequilibrium in Unstructured Random Population Association Studies. Genetics 170 859-873.
  • Bischl, B., Lang, M., Mersmann, O., Rahnenfuehrer, J. and Weihs, C. (2012). Computing on high performance clusters with R: Packages BatchJobs and BatchExperiments . Technical Report 1/2012 , TU Dortmund, Germany.
  • Blanchard, M.S. and Longmate, J.A. (2010). Toxicity equivalence range design (TEQR): A practical Phase I design. Contemporary Clinical Trials doi:10.1016/j.cct.2010.09.011.
  • Block, R. and Mee, R. (2005). Resolution IV Designs with 128 Runs. Journal of Quality Technology 37 282-293.
  • Bornkamp B., Pinheiro J. C., and Bretz, F. (2009). MCPMod: An R Package for the Design and Analysis of Dose-Finding Studies . Journal of Statistical Software 29 (7) 1-23.
  • Box G. E. P, Hunter, W. C. and Hunter, J. S. (2005). Statistics for Experimenters (2nd edition). New York: Wiley.
  • Box, G. E. P and R. D. Meyer (1986). An Analysis for Unreplicated Fractional Factorials. Technometrics 28 11-18.
  • Box, G. E. P and R. D. Meyer (1993). Finding the Active Factors in Fractionated Screening Experiments. Journal of Quality Technology 25 94-105.
  • Chasalow, S., Brand, R. (1995). Generation of Simplex Lattice Points. Journal of the Royal Statistical Society, Series C 44 534-545.
  • Chen, J., Sun, D.X. and Wu, C.F.J. (1993). A catalogue of 2-level and 3-level orthogonal arrays. International Statistical Review 61 131-145.
  • Consonni, G. and Deldossi, L. (2015), “Objective Bayesian model discrimination in follow-up experimental designs” DOI 10.1007/s11749-015-0461-3. TEST.
  • Collings, B. J. (1989). Quick Confounding. Technometrics 31 107-110.
  • Cornell, J. (2002). Experiments with Mixtures . Third Edition. Wiley.
  • Daniel, C. (1959). Use of Half Normal Plots in Interpreting Two Level Experiments. Technometrics 1 311-340.
  • Derringer, G. and Suich, R. (1980). Simultaneous Optimization of Several Response Variables. Journal of Quality Technology 12 214-219.
  • Dette, H., Bretz, F., Pepelyshev, A. and Pinheiro, J. C. (2008). Optimal Designs for Dose Finding Studies. Journal of the American Statisical Association 103 1225-1237.
  • Dette, H., Melas, V.B. and Shpilev, P. (2013). Robust T-optimal discriminating designs. The Annals of Statistics 41 1693-1715.
  • Dette H., Melas V.B. and Guchenko R. (2014). Bayesian T-optimal discriminating designs. ArXiv link .
  • Dunn, K. (2010-2016). Process Improvement Using Data . Online book.
  • Federov, V.V. (1972). Theory of Optimal Experiments. Academic Press, New York.
  • Fox, J. (2005). The R Commander: A Basic-Statistics Graphical User Interface to R . Journal of Statistical Software 14 (9) 1-42.
  • Gramacy, R.B. (2007). tgp: An R Package for Bayesian Nonstationary, Semiparametric Nonlinear Regression and Design by Treed Gaussian Process Models . Journal of Statistical Software 19 (9) 1-46.
  • Groemping, U. (2009). Design of Experiments in R . Presentation at UseR! 2009 in Rennes, France.
  • Groemping, U. (2011). Tutorial for designing experiments using the R package RcmdrPlugin.DoE . Reports in Mathematics, Physics and Chemistry , Department II, Beuth University of Applied Sciences Berlin.
  • Groemping, U. (2014). R Package FrF2 for Creating and Analysing Fractional Factorial 2-Level Designs. Journal of Statistical Software 56 (1) 1-56.
  • Groemping, U. and Xu, H. (2014). Generalized resolution for orthogonal arrays. The Annals of Statistics 42 918-939.
  • Groemping, U. (2015). Augmented Half Normal Effects Plots in the Presence of a Few Error Degrees of Freedom. Quality and Reliability Engineering International online early DOI: 10.1002/qre.1842.
  • Harman R., Filova L. (2014). Computing efficient exact designs of experiments using integer quadratic programming, Computational Statistics and Data Analysis , 71 , 1159-1167
  • Hoaglin D., Mosteller F. and Tukey J. (eds., 1991). Fundamentals of Exploratory Analysis of Variance . Wiley, New York.
  • Jones, B. and Kenward, M.G. (1989). Design and Analysis of Cross-Over Trials . Chapman and Hall, London.
  • Johnson, M.E., Moore L.M. and Ylvisaker D. (1990). Minimax and maximin distance designs. Journal of Statistical Planning and Inference 26 131-148.
  • Joseph, V. R., Gul, E., and Ba, S. (2015). Maximum Projection Designs for Computer Experiments. Biometrika 102 371-380.
  • Kuhfeld, W. (2009). Orthogonal arrays. Website courtesy of SAS Institute Inc., accessed August 4th 2010. URL http://support.sas.com/techsup/technote/ts723.html .
  • Kuhnert, P. and Venables, B. (2005) An Introduction to R: Software for Statistical Modelling & Computing . URL http://CRAN.R-project.org/doc/contrib/Kuhnert+Venables-R_Course_Notes.zip . (PDF document (about 360 pages) of lecture notes in combination with the data sets and R scripts)
  • Kunert, J. (1998). Sensory Experiments as Crossover Studies. Food Quality and Preference 9 243-253.
  • Lalanne, C. (2012). R Companion to Montgomerys Design and Analysis of Experiments. Manuscript, downloadable at URL http://www.aliquote.org/articles/tech/dae/dae.pdf . (The file accompanies the book by Montgomery 2005 (cf. below).)
  • Lawson, J. (2014). Design and Analysis of Experiments with R. Chapman and Hall/CRC, Boca Raton.
  • Lenth, R.V. (1989). Quick and Easy Analysis of Unreplicated Factorials. Technometrics 31 469-473.
  • Lenth, R.V. (2009). Response-Surface Methods in R, Using rsm . Journal of Statistical Software 32 (7) 1-17.
  • Y. Li, M. Swertz, G. Vera, J. Fu, R. Breitling, and R.C. Jansen. designGG: An R-package and Web tool for the optimal design of genetical genomics experiments. BMC Bioinformatics 10 :188
  • Mak, S., and Joseph, V.R. (2016). Minimax designs using clustering. Journal of Computational and Graphical Statistics . In revision.
  • Martens, H., Mage, I., Tondel, K., Isaeva, J., Hoy, M. and Saebo, S. (2010). Multi-level binary replacement (MBR) design for computer experiments in high-dimensional nonlinear systems, J. Chemom. 24 748-756.
  • Masoudi, E., Holling, H. and Wong, W.-K. (2016). Application of imperialist competitive algorithm to find minimax and standardized maximin optimal designs. Computational Statistics and Data Analysis , in press. DOI: 10.1016/j.csda.2016.06.014
  • Mee, R. (2009). A Comprehensive Guide to Factorial Two-Level Experimentation. Springer, New York.
  • Montgomery, D. C. (2005, 6th ed.). Design and Analysis of Experiments. Wiley, New York.
  • Muetze,T., Munk, A. and Friede, T. (2016). Design and analysis of three-arm trials with negative binomially distributed endpoints. Statistics in Medicine 35 (4) 505-521.
  • Myers, R. H. and Montgomery, D. C. (1995). Response Surface Methodology: Process and Product Optimization Using Designed Experiments. Wiley, New York.
  • Nelson, P.R., Coffin, M. and Copeland, K.A.F. (2003). Introductory Statistics for Engineering Experimentation. Academic Press, San Diego.
  • Perrone, E. and Mueller, W.G. (2016) Optimal designs for copula models, Statistics 50 (4), 917-929. DOI: 10.1080/02331888.2015.1111892
  • Plackett, R.L. and Burman, J.P. (1946). The design of optimum multifactorial experiments. Biometrika 33 305-325.
  • Rasch, D., Pilz, J., Verdooren, L.R. and Gebhardt, A. (2011). Optimal Experimental Design with R. Chapman and Hall/CRC. (caution, does not live up to its title!)
  • Rosenbaum, P. (1989). Exploratory Plots for Paired Data. The American Statistician 43 108-109.
  • Sacks, J., Welch, W.J., Mitchell, T.J. and Wynn, H.P. (1989). Design and analysis of computer experiments. Statistical Science 4 409-435.
  • Santacruz, A., Rubiano, Y., Melo, C., 2014. Evolutionary optimization of spatial sampling networks designed for the monitoring of soil carbon. In: Hartemink, A., McSweeney, K. (Eds.). Soil Carbon. Series: Progress in Soil Science. (pp. 77-84). Springer, New York.
  • Santner T.J., Williams B.J. and Notz W.I. (2003). The Design and Analysis of Computer Experiments. Springer, New York.
  • Sen S, Satagopan JM and Churchill GA (2005). Quantitative Trait Locus Study Design from an Information Perspective. Genetics 170 447-464.
  • Stein, M. (1987). Large Sample Properties of Simulations Using Latin Hypercube Sampling. Technometrics 29 143-151.
  • Stocki, R. (2005). A Method to Improve Design Reliability Using Optimal Latin Hypercube Sampling. Computer Assisted Mechanics and Engineering Sciences 12 87-105.
  • Underwood, A.J. (1997). Experiments in Ecology: Their Logical Design and Interpretation Using Analysis of Variance. Cambridge University Press, Cambridge.
  • Vikneswaran (2005). An R companion to “Experimental Design”. URL http://CRAN.R-project.org/doc/contrib/Vikneswaran-ED_companion.pdf . (The file accompanies the book “Experimental Design with Applications in Management, Engineering and the Sciences” by Berger and Maurer, 2002.)
  • Vining, G. (1993). A Computer Program for Generating Variance Dispersion Graphs. Journal of Quality Technology 25 45-58. Corrigendum in the same volume, pp. 333-335.
  • Xu, H. (2009). Algorithmic Construction of Efficient Fractional Factorial Designs With Large Run Sizes. Technometrics 51 262-277.
R言語 CRAN Task View:実験計画法(DoE)および実験データの分析の設計

One thought on “R言語 CRAN Task View:実験計画法(DoE)および実験データの分析の設計

Comments are closed.