CRAN 任务视图:实验设计 (DoE) 和实验数据分析

维护者Ulrike Groemping,Tyler Morgan-Wall
联系方式ulrike.groemping at bht-berlin.de
版本2023-04-05
网址https://CRAN.R-project.org/view=ExperimentalDesign
源代码https://github.com/cran-task-views/ExperimentalDesign/
贡献欢迎您对本任务视图提出建议和改进,您可以通过 GitHub 上的问题或拉取请求,或通过电子邮件发送给维护者地址。有关更多详细信息,请参阅 贡献指南.
引用Ulrike Groemping, Tyler Morgan-Wall (2023). CRAN 任务视图:实验设计 (DoE) 和实验数据分析。版本 2023-04-05。网址 https://CRAN.R-project.org/view=ExperimentalDesign.
安装您可以使用 ctv 包自动安装此任务视图中的包。例如,ctv::install.views("ExperimentalDesign", coreOnly = TRUE) 安装所有核心包,或 ctv::update.views("ExperimentalDesign") 安装所有尚未安装和更新的包。有关更多详细信息,请参阅 CRAN 任务视图计划.

此任务视图收集有关 R 包的信息,这些包用于实验设计和分析实验数据。仅专注于分析且对设计创建没有相关贡献的包不在本任务视图的范围内。如果您认为有新的包或主要的包更新应该包含在此处,请随时提出改进建议,并通过电子邮件发送给维护者,或通过在上面链接的 GitHub 存储库中提交问题或拉取请求。

实验设计应用于许多领域,并且方法已针对各个领域的需求进行了调整。此任务视图从历史上最早的应用领域——农业实验开始。随后,它涵盖了最通用的软件包,接着是关于工业实验、计算机实验和临床试验环境中实验的特定部分(此部分最终将被删除;用于临床试验的实验设计软件包将被整合到临床试验任务视图中),最后以关于为其他特定目的而开发的各种特殊实验设计软件包的部分结束。当然,领域之间的划分并不总是明确的,一些来自更专业部分的软件包也可以应用于一般环境。

您可能还会注意到,维护人员的经验主要来自工业实验(广义上),这可能解释了对事物的某种偏见。欢迎志愿者共同维护。

用于农业和植物育种实验的实验设计

软件包 agricolae 是迄今为止此任务视图中使用最广泛的软件包(截至 2017 年 10 月)。它提供了广泛的实验设计功能,尤其适用于农业和植物育种实验,这些功能也可以用于其他目的。它支持规划格点设计、因子设计、随机完全区组设计、完全随机设计、(希腊-拉丁)方阵设计、平衡不完全区组设计和 alpha 设计。还有一些用于实验数据的分析工具,例如治疗比较程序和一些非参数检验,但也有一些针对特定类型实验的非常专业的可能性。软件包 desplot 用于绘制农业实验的布局。软件包 agridat 提供了大量有用的农业数据集。

用于一般目的的实验设计

有一些软件包可以用于创建和分析通用实验设计:首先,基础包 stats 中的标准(广义)线性模型函数对于分析来自设计实验的数据非常重要(特别是函数 `lm()`、`aov()` 以及针对结果线性模型对象的函数和方法)。Kuhnert 和 Venables (2005, p. 109 ff.) 对此进行了简洁的解释;Vikneswaran (2005) 指出了实验设计的特定用法(使用函数 `contrasts()`、多重比较函数以及一些便利函数,如 `model.tables()`、`replications()` 和 `plot.design()`)。Lawson (2014) 是一本关于 R 中实验设计的优秀入门教材,提供了许多示例应用。Lalanne (2012) 为 Montgomery (2005) 的知名书籍提供了 R 伴侣;他目前涵盖了大约前十章;他没有包含 R 的设计生成工具,而是主要讨论了现有设计的分析。软件包 GAD 处理具有固定和/或随机效应以及嵌套效应(后者只能是随机效应)的通用平衡方差分析模型;他们引用了 Underwood (1997) 的工作。该软件包非常有价值,因为许多用户在使用 R 软件包处理随机效应或混合效应时遇到困难。软件包 ez 旨在支持基于 “ggplot2” 软件包的因子实验的直观分析和可视化。

工业实验的实验设计

一些额外的软件包专门处理工业实验的设计,这些实验通常高度分馏,有意混杂,并且只有很少的额外自由度用于误差。

分数阶乘2水平设计在工业实验中尤为重要。

除了用于规划和分析析因设计的工具外,R 还为定量因素的响应面优化提供支持(例如,参见 Myers 和 Montgomery 1995)。

在一些行业中,成分的混合物很重要;这些需要特殊的设计,因为定量因素的总量是固定的。混合设计由软件包 AlgDesign(函数 gen.mixture,格点设计,格点设计和单纯形中心设计)和 mixexp(用于单纯形中心、单纯形格点和极值顶点设计以及绘图的几个小型函数)处理。

偶尔,过饱和设计可能会有用。两个小型软件包 mkssdmxkssd 提供固定水平和混合水平 k-循环过饱和设计。前面提到的软件包 DoE.MIParray 也可以提供(小型!)过饱和阵列(通过选择分辨率 II),但需要至少存在一个商业优化器 GurobiMosek

计算机实验的实验设计

具有定量因素的计算机实验需要特殊类型的实验设计:通常可以包含许多不同水平的因素,并且重复通常不会有益。此外,实验区域通常太大,无法假设线性或二次模型充分地代表了正在研究的现象。因此,希望用尽可能多的点填充实验空间(空间填充设计),以使每次运行都能提供额外的信息,即使某些因素最终被证明是无关紧要的。 lhs 软件包为此目的提供了拉丁超立方设计。此外,该软件包提供了分析此类计算机实验的方法,重点是进行后续实验。另一个具有类似方向的软件包是 DiceDesign 软件包,它添加了更多构建空间填充设计的方法以及一些用于评估计算机实验设计质量的指标。 DiceKriging 软件包提供了克里金方法,该方法通常用于从计算机实验中创建元模型, DiceEval 软件包创建和评估元模型(包括克里金模型),以及 DiceView 软件包提供了用于查看多维元模型切片的工具。

MaxPro 提供了 Joseph、Gul 和 Ba (2015) 提出的最大投影设计。包 SLHD 提供了根据 Ba 等人 (2015) 的最佳切片拉丁超立方设计,包 sFFLHD 提供了根据 Duan 等人 (2017) 的切片全因子拉丁超立方设计。包 simrel 允许根据 Martens 等人 (2010) 的多级二元替换 (MBR) 策略创建计算机实验设计。包 minimaxdesign (已归档) 提供了根据 Mak 和 Joseph (2016) 的极小极大设计和极小极大投影设计。包 SOAs 提供了由各种作者提供的层 (又称强) 正交阵列,如 Grömping (2021) 及其参考文献中所述。

tgp 是另一个专门用于规划和分析计算机实验的包。这里,重点是贝叶斯方法。例如,该包可以与各种类型的(代理)模型一起用于顺序优化,例如使用预期改进标准来优化噪声黑盒目标函数。包 plgpdynaTree 通过粒子学习设施和动态回归树的学习来增强 tgp 提供的功能。

BatchExperiments 也是为计算机实验设计的,在这种情况下,专门针对在不同场景下运行算法的实验。该包在 Bischl 等人 (2012) 的技术报告中进行了描述。

临床试验的实验设计

此任务视图仅涵盖特定实验设计包(最终也将从这里删除);可能存在一些灰色区域。请还咨询 临床试验 任务视图。

特殊用途的实验设计

各种其他包处理实验设计中的特殊情况

此任务视图中包的关键参考文献

CRAN 包

核心agricolaeAlgDesignconf.designcrossdesDoE.baseDoE.wrapperFrF2rsmskpr.
常规acebayes, agridat, ALTopt, asd, BatchExperiments, bcrm, BHH2, binseqtest, blocksdesign, blockTools, BOIN, BsMD, choiceDes, CombinS, crmPack, Crossover, dae, daewr, designmatch, desirability, desplot, dfcomb, dfcrm, dfmta, DiceDesign, DiceEval, DiceKriging, DiceView, docopulae, DoE.MIParray, DoseFinding, dynaTree, easypower, EngrExpt, experiment, ez, FMC, FrF2.catlg128, GAD, geospt, GroupSeq, gsDesign, ibd, ICAOD, idefix, JMdesign, lhs, MAMS, MaxPro, MBHdesign, minimalRSD, mixexp, mkssd, mxkssd, OBsMD, odr, OPDOE, optbdmaeAT, OptGS, OptimalDesign, OptimaRegion, optrcdmaeAT, osDesign, PBIBD, PGM2, ph2bayes, ph2bye, pid, pipe.design, plgp, PopED, powerbydesign, powerGWASinteraction, PwrGSD, RcmdrPlugin.DoE, rodd, RPPairwiseDesign, rsurface, SensoMineR, seqDesign, sFFLHD, simrel, SLHD, SOAs, soptdmaeA, sp23design, ssize.fdr, ssizeRNA, support.CEs, TEQR, tgp, ThreeArmedTrials, unrepx, vdg.
已归档minimaxdesign.

相关链接