Mi è stato chiesto di proporre un corso di progettazione sperimentale per studenti laureati in agronomia ed ecologia. Non ho mai seguito un corso del genere, e sono rimasto sorpreso di scoprire che il corso potrebbe essere più appropriatamente chiamato "Oltre ANOVA a senso unico" e che copre il materiale che ho imparato in un corso di laurea avanzato in statistica per esperimenti sul campo agricolo (ad es. RCBD, Quadrati latini, Contrasti, misurazioni ripetute e covariate). Forse sono confuso con il nome "Disegno sperimentale" piuttosto che "Analisi dei risultati sperimentali".
Ho alcune idee su cosa dovrebbe contenere un corso del genere e apprezzerei il feedback su come questo potrebbe essere integrato in un curriculum statistico che soddisfi le esigenze degli studenti presentando alternative moderne agli elenchi nominati di progetti e ai loro test associati.
Ad esempio, non riesco a immaginare di insegnare agli studenti a usare contrasti lineari e quadratici con ANOVA che impone la categorizzazione di variabili continue quando posso insegnare loro a confrontare i modelli di regressione con funzioni lineari e quadratiche. Nel secondo caso, imparerebbero anche a gestire i fattori che non sono valori discreti definiti sperimentalmente. Semmai, potrei confrontare i due approcci.
Se dovessi insegnare un corso in "Disegno sperimentale", vorrei davvero sottolineare i concetti fondamentali che sono indipendenti dal modello statistico applicato e che si tradurrebbe in modo più ampio ad altri problemi. Ciò consentirebbe agli studenti una maggiore flessibilità nell'uso dei moderni approcci statistici.
Alcuni dei concetti pertinenti che non sembrano essere coperti nel corso esistente includono:
- modelli gerarchici e misti (di cui capisco ANOVA e parenti come esempio)
- confronto tra modelli (ad es. per sostituire i contrasti)
- usando i modelli spaziali invece dei blocchi come "fattori"
- replica, randomizzazione e IID
- differenze tra test di ipotesi, p-hacking e riconoscimento di schemi.
- analisi della potenza mediante simulazione (ad es. recupero di parametri da set di dati simulati),
- pre-registrazione,
- uso di conoscenze pregresse da studi pubblicati e principi scientifici.
Esistono corsi che attualmente adottano tale approccio? Qualche libro di testo con una tale attenzione?