測定のばらつき 本記事のシチュエーション 枝分かれ実験（Nested Design） 枝分かれ実験の解析方法 実践例 誤差の分解 参考書籍 測定のばらつき あらゆる実験でばらつきは重要な問題です。 特に、測定のばらつきは、実験を実施する前にある程度把握しておく…

通常の12回プラケット・バーマン計画では、交互作用と主効果の交絡が原因で、モデルにあいまいさが残ります。そんなとき、「折り返し24回プラケット・バーマン計画」によって、多くの交互作用を正しく抽出できます。

ページタイトルのスペル間違えました、すみません。 誤：Burmann → 正: Burman Plackett-Burman計画（プラケット・バーマン計画）とは PB計画の交絡関係 PB計画と他の計画との比較（メリット・デメリット） PB計画の使いどころ PB計画の解析における注意点 …

実験計画法のためのRパッケージまとめです。Rを使えば1行のコードで計画を作成することができます。みんなExcelから卒業すればいいんだ。

決定的スクリーニング計画(DSD)は3水準実験として考案されましたが、2水準の要因も扱うことができます。

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。

決定的スクリーニング計画（DSD）の具体的な作成方法と解析手法について簡単にまとめました。統計用の言語であるRを使用したやり方をご紹介します。

配合計画は比率に関する実験計画です。本記事では、配合計画の作成方法と分析方法について簡単にまとめました。

Rを使用してD最適計画を作成する具体的手順を説明します。

直交表も線点図も必要ない。一部実施要因配置計画の一番簡単な作成方法。

実験計画法をやるにあたって、もっとも難しく重要なのが分割法です。分割法では、変更が困難な要因と変更が簡単な要因が両方存在するときに使用します。

D最適計画はある試行回数・指定したモデルについて、もっとも効率的に効果の推定ができる計画です。

決定的スクリーニング計画（DSD）とは2011年に提案された新しい実験計画の手法です。実験計画では「要因配置計画」が最もメジャーですが、DSDは要因配置計画より様々な点で優れています。