実験計画法ではたくさんの因子のうち、どの因子（項）をモデルに加えるかを判断する必要がありますが、この判断をParital F-testを利用して実施することができます。

因子間の相関のカラーマップを描くRのコードです。ちなみに本ブログのアイコンは決定的スクリーニング計画における因子間の相関係数のカラーマップです。

モデル選択は機械学習では中心的な話題の一つですが、実験計画法ではどのような扱いなのか考えてみました。

分散分析についての解説はどこにでもあるのですけど、この記事くらいの理解で十分ですよ～という気持ちでまとめてみました。分散分析はともだち！怖くないよ！

決定的スクリーニング計画の解析は結構難しいので、がっつり解説してみました。決定的スクリーニング計画の解析ができるWebツールも公開しています。

Half-Normalプロットは視覚的に効果の大小を比較できるようにしたものです。分散分析ができないとき、効果の大小を簡単に比較できます。

4成分以上を扱う配合計画では実験点を2次元のグラフに表すことが出来ません。そこで、本記事では正四面体を用いた4成分系の配合計画における実験点の表し方について、まとめてみました。

データの誤差が正規分布に従わない場合、そのままでは回帰分析を行うことが出来ません。そんな時に役に立つのがBox-Cox変換です。

予測分散の散布度グラフ(VDG)によって異なる複数の実験計画における予測の誤差を比較することができます。Rを使用したVDGの作成方法についてまとめてみました。

予測分散の散布度グラフ(VDG)によって異なる複数の実験計画における予測の誤差を比較することができます。本記事では、グラフの読み取り方を説明しています。

指数・対数関数の回帰分析は重み付き最小二乗法で行うのが正しいやり方です。

２つの平均値の差の検定に必要なサンプル数について。実験は何回行えばよいのか？