Que devrait couvrir un cours d'études supérieures en conception expérimentale?

9

On m'a demandé de proposer un cours de conception expérimentale pour des étudiants diplômés avancés en agronomie et écologie. Je n'ai jamais suivi un tel cours, et j'ai été surpris de constater que le cours pourrait être mieux nommé "Au-delà de l'ANOVA unidirectionnelle", et qu'il couvre des matières que j'ai apprises dans un cours avancé de troisième cycle sur les statistiques pour les expériences agricoles sur le terrain (par exemple RCBD, carrés latins, contrastes, mesures répétées et covariables). Peut-être suis-je confus par le nom de "Conception expérimentale" plutôt que "Analyse des résultats expérimentaux".

J'ai quelques idées sur ce qu'un tel cours devrait contenir et j'aimerais avoir des commentaires sur la façon dont cela pourrait être intégré dans un programme de statistiques qui répond aux besoins des étudiants tout en présentant des alternatives modernes aux listes de conceptions nommées et à leurs tests associés.

Par exemple, je ne peux pas imaginer enseigner aux élèves à utiliser des contrastes linéaires et quadratiques avec l'ANOVA qui impose la catégorisation des variables continues quand je pourrais leur apprendre à comparer des modèles de régression avec des fonctions linéaires et quadratiques. Dans le second cas, ils apprendraient également à gérer les facteurs qui ne sont pas des valeurs discrètes définies expérimentalement. Si quoi que ce soit, je pourrais comparer les deux approches.

Si je devais enseigner un cours de "Conception expérimentale", je voudrais vraiment mettre l'accent sur des concepts fondamentaux qui sont indépendants du modèle statistique appliqué, et qui se traduiraient plus largement par d'autres problèmes. Cela permettrait aux étudiants d'avoir plus de flexibilité pour utiliser des approches statistiques modernes.

Certains des concepts pertinents qui ne semblent pas être couverts dans le cours existant comprennent:

  • modèles hiérarchiques et mixtes (dont je comprends l'ANOVA et les parents comme un exemple)
  • comparaison de modèles (par exemple pour remplacer les contrastes)
  • utiliser des modèles spatiaux au lieu de blocs comme «facteurs»
  • réplication, randomisation et IID
  • différences entre les tests d'hypothèse, le p-hacking et la reconnaissance des formes.
  • analyse de puissance par simulation (par exemple récupération de paramètres à partir de jeux de données simulés),
  • pré-inscription,
  • utilisation des connaissances antérieures issues d'études publiées et de principes scientifiques.

Y a-t-il actuellement des cours qui adoptent une telle approche? Des livres de textes avec un tel accent?

references experiment-design teaching Abe
la source
Avez-vous essayé de googler des programmes sur les sujets? Il y en a une tonne
Aksakal
2
Le cours de conception expérimentale que j'ai suivi comprenait le RCBD, les carrés latins, les contrastes, les plans factoriels, la régression linéaire, la comparaison multiple, la réplication, la randomisation, l'IID et d'autres sujets dont je ne me souviens pas du haut de ma tête. Votre liste de concepts est sympa mais en réalité je doute que vous ayez le temps dans un cours pour tout couvrir. Les modèles mixtes étaient à peu près un cours à part entière quand je l'ai suivi à l'université. Cependant, cela dépend du niveau d'approfondissement de chaque sujet.
Moutons du
1
Je suis d'accord avec @Sheep que votre liste est belle mais probablement trop. Bien que je pense que le modèle mixte (la base de celui-ci) est essentiel dans la conception expérimentale d'aujourd'hui.
Emilie
@Sheep fait partie de ma confusion pourquoi la régression linéaire, la comparaison multiple et les contrastes font partie d'une classe de conception expérimentale au lieu d'être enseignés dans un cours sur l'analyse statistique. Peut-être que je suis confus quant à la portée d'un tel cours.
Abe
2
Eh bien, l'objectif de la conception d'une expérience est que vous puissiez analyser les données que vous collectez de l'expérience, donc ces deux vont de pair. Vous devez avoir un plan d'analyse à l'esprit lors de la conception de l'expérience. C'est du moins ce qu'on m'a appris. La régression linéaire a été revue pour nous, mais c'était le modèle sous-jacent pour de nombreux plans.
Mouton

Réponses:

4

Voici une liste de quelques livres que j'aime et qui seraient un bon matériel pour un tel cours:

  • David Cox: Planning of Experiments , Wiley classics, 1992. Ce n'est pas mathématique, mais pas facile! Une discussion approfondie des concepts de base derrière le design.

  • DR Cox et Nancy Reid: The Theory of the Design of Experiments , Chapman & Hall, 2000. Plus mathématique, mais toujours en mettant l'accent sur les concepts de base

  • Rosemary A. Bailey: Design of Comparative Experiments , Cambridge UP, 2008. Extrait de la préface: "Ma philosophie est que vous ne devez pas choisir un plan expérimental dans une liste de plans nommés. Vous devriez plutôt penser à tous les aspects de l'expérience actuelle , puis décider comment les assembler de manière appropriée ... ".

  • George Casella: Statistical Design , Springer, 2008. Un autre livre qui regarde les vieux sujets avec un regard neuf!

  • Vous pourriez faire pire que de vous inspirer de George EP Box, J Stuart Hunter et William G. Hunter: Statistics for Experimenters: Design, Innovation and Discovery (deuxième édition, Wiley, 2005).

J'éviterais les livres plus anciens ressemblant à un catalogue de dessins nommés et j'opterais pour l'un des livres ci-dessus basé sur des principes fondamentaux. Un de ces livres que j'éviterais est le populaire (pourquoi?) Douglas C. Montgomery: Design and Analysis of Experiments .

 EDIT 2017

Un autre sujet qui pourrait être inclus est la conception expérimentale optimale , avec des concepts tels que les conceptions optimales D ou les conceptions optimales A. Il existe maintenant une pléthore de livres, si difficiles à conseiller, quelques possibilités:
Conception expérimentale optimale avec R
Conceptions
croisées optimales Conception expérimentale optimale pour les modèles non linéaires: Théorie et applications
Conception optimale des expériences: Une approche d'étude de cas

Il y a beaucoup de développement dans ce domaine dans R, alors jetez un œil à https://CRAN.R-project.org/view=ExperimentalDesign

kjetil b halvorsen
la source
1
+1. Par curiosité, puis-je vous demander pourquoi vous évitez le manuel de Montgomery?
whuber
1
J'ai essayé une fois d'enseigner à partir de ça --- ça n'a pas très bien fonctionné. Il a quelques erreurs et me semble démodé, à partir d'un catalogue de modèles nommés.
kjetil b halvorsen