Cosa dovrebbe coprire un corso di laurea in design sperimentale?

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?

references experiment-design teaching

— Abe
fonte

Hai provato a cercare su Google programmi di studio? Ce ne sono un sacco

— Aksakal,

Il corso di progettazione sperimentale che ho seguito includeva RCBD, Quadrati latini, Contrasti, disegni fattoriali, regressione lineare, confronto multiplo, replica, randomizzazione, IID e alcuni altri argomenti che non ricordo nella mia testa. La tua lista di concetti è carina ma realisticamente dubito che tu abbia tempo all'interno di un corso per coprire tutto. I modelli misti erano praticamente un corso da solo quando l'ho preso a scuola di specializzazione. Tuttavia dipende dal livello di profondità che si affronta in ciascun argomento.

— Pecora,

Sono d'accordo con @Sheep che la tua lista è carina ma probabilmente troppo. Anche se penso che il modello misto (la base di esso) sia essenziale nel design sperimentale di oggi.

— Emilie,

@La parte della mia confusione è il motivo per cui la regressione lineare, il confronto multiplo e i contrasti fanno parte di un corso di progettazione sperimentale anziché essere insegnati in un corso di analisi statistica. Forse sono confuso sulla portata di un tale corso.

— Abe,

Bene, l'obiettivo di progettare un esperimento è che tu possa analizzare i dati che raccogli dall'esperimento, così questi due vanno di pari passo. Dovresti avere in mente un piano di analisi durante la progettazione dell'esperimento. Questo è ciò che mi è stato insegnato almeno. La regressione lineare è stata rivista per noi, ma è stato il modello di base per molti progetti.

— Pecora,

Ecco un elenco di alcuni libri che mi piacciono e che sarebbero buoni materiali per un corso del genere:

David Cox: Planning of Experiments , classici di Wiley, 1992. Questo non è matematico, ma non è facile! Una profonda discussione sui concetti di base alla base del design.
DR Cox e Nancy Reid: The Theory of the Design of Experiments , Chapman & Hall, 2000. Più matematica, ma ancora focalizzata sui concetti di base
Rosemary A. Bailey: Design of Comparative Experiments , Cambridge UP, 2008. Dalla prefazione: "La mia filosofia è che non dovresti scegliere un design sperimentale da un elenco di design nominati. Piuttosto, dovresti pensare a tutti gli aspetti dell'esperimento corrente e poi decidere come metterli insieme in modo appropriato ... ".
George Casella: Statistical Design , Springer, 2008. Un altro libro che esamina vecchi argomenti con occhi nuovi!
Potresti fare di peggio che guardare George EP Box, J Stuart Hunter e William G. Hunter: Statistics for Experimenters: Design, Innovation and Discovery (seconda edizione, Wiley, 2005) per ispirazione.

Eviterei che i libri più vecchi assomiglino a un catalogo di design nominati, e preferirei uno dei precedenti basato su principi fondamentali. Uno di questi libri che eviterei è il popolare (perché?) Douglas C. Montgomery: Design and Analysis of Experiments .

 EDIT 2017

Un altro argomento che potrebbe essere incluso è il design sperimentale ottimale , con concetti come i progetti D-ottimale o A-ottimale. Ora c'è una pletora di libri, così difficili da consigliare, alcune possibilità:
Design sperimentale ottimale con
disegni crossover R ottimale Design
sperimentale ottimale per modelli non lineari: teoria e applicazioni
Progettazione ottimale di esperimenti: un approccio di studio

C'è molto sviluppo in quest'area in R, quindi dai un'occhiata a https://CRAN.R-project.org/view=ExperimentalDesign

— kjetil b halvorsen
fonte

+1. Per curiosità, posso chiederti perché dovresti evitare il libro di testo di Montgomery?

— whuber

Ho provato una volta a insegnare, non ha funzionato molto bene. Ha alcuni errori e mi sembra vecchio stile, a partire da un catalogo di design con nome.

— kjetil b halvorsen,