Design Expert - Studentenversion für Mac und Windows

Design Expert – Demo!

Die Trialversion des neuen Design Expert steht auf der Seite des Herstellers Stat-Ease zum Download bereit: https://www.statease.com/dx-trial-statcon/

Testen Sie die neue Version schon bevor der Hersteller die Vollversionen ausliefert.
Die Demo ist für 14 Tage uneingeschränkt nutzbar.

Tutorials zu Design Expert

Auf der Website des Herstellers Statease, finden Sie eine Reihe von Tutorials und Manuals zur Software Design Expert.

Hier geht es zu den https://www.statease.com/docs/latest/tutorials/

Hier die wichtigsten Neuerungen in Design Expert:

Echte Split Plot Designs für Faktoren, die nur schwer verstellt werden können (Hard-to-change factors)

• Zweistufige vollständige und optimale faktorielle Split-Plot Designs:
  Damit werden die Experimente deutlich näher an die Praxis und Realität herangeführt, wenn einzelne Faktoren nur schwer randomisiert werden können.
• Auswahl der Effekte kann im Halb-Normal Plot auch für Split-Plot Experimente durchgeführt werden, solange die Testmatrizen orthogonal und bilanziert sind:
  Die wichtigen Effekte sowohl für die Whole Plots(schwer veränderbar) als auch die SubPlots (können randomisiert werden) können graphisch sofort erkannt und ausgewählt werden!
• Die statistische Bewertung der Effekte in Split Plot Experimente geschieht automatisch mittelels REML* und Kenward-Roger’s F test:
  damit erhalten Sie weiterhin die p-Werte für die Interpretation *(Restricted maximum likelihood)
• Die Design Auflösung (Resolution) wird auch für zweistufige faktorielle Split Plot Experimente angegeben.
  Damit können direkt erkennen ob Ihr ausgewähltes Design eher Screening Eigenschaften aufweist (Res IV) oder auch in der Lage ist Wechselwirkungen zu erkennen (Res V).
• Für Split Plots Design wird eine Power Analyse ausgegeben, die einen direkten Vergleich zu einem vollständig randomisierten Plan ermöglicht.
  Damit wird deutlich wie die Anwendung von mehreren schwer änderbaren Faktoren die Wahrscheinlichkeit vermindert mit der bestimmte Effekte als signifikant erkannt werden.
• Prüft Versuchspläne mit eingeschränkter Randomisierung auf die Äquivalenz von REML und OLS*, um das KISS Prinzip in der ANOVA zu erhalten
  (Keep thIngs Simple Statistically). *(Ordinary Least Squares – einfache kleinste Quadrate Methode)

Weitere Neuerungen in der Versuchsplanung

• „Definitive Screening Designs“:
  Eine neue Design Klasse, für kontinuierliche Faktoren. Diese dreistufigen Designs haben eine Korrelationsstruktur, die es erlaubt Haupteffekte ohne Vermengung mit Wechselwirkungen und Quadratischen Termen zu schätzen.
• Im Bereich der faktoriellen Pläne gibt es jetzt das “simple-sample design” mit dem ein einfaches Mittelwertmodell für nur eine Stichprobe geschätzt wird.
  Damit können Sie Daten eines stabilen Prozesses charakterisieren und dabei die Vorteile der Modelldiagnose und einfachen Graphik in Design Expert nutzen.

Erheblich erweiterte Möglichkeiten bei der Konfirmation und Verifikation von Modellvorhersagen

• Ein neuer „Post Analysis“ Knoten (als zusätzlicher Punkt in der Baumstruktur Design, Analyse, Optimierierung) enthält die Punktvorhersage (Point Prediction), die Konfirmation (Confirmation) sowie die Koeffizienten Tabelle.
  Es werden also alte und neue Features an einer logisch sinnvollen Stelle im Ablauf eines Versuchsplanungsprojektes zusammengefasst.

• Eingabefelder für Konfirmationsdaten und Berechnungen von mittleren Ergebnissen.
  Damit wird es sehr einfach zu erkennen, ob die nachfolgend durchgeführten Testergebnisse in die für die Stichprobengröße adjustierten Vorhersageintervalle fallen oder nicht.
• Geben Sie das Ergebnis der Bestätigungsläufe zu den Daten der jeweiligen Blöcke als Kontrollen ein oder hängen Sie die Ergebnisse unten an Ihren Versuchsplan an:
  Diese internen Überprüfungen verleihen Ihrem finalen Auswertemodell noch mehr Aussagekraft.
• Die Ergebnisse der Bestätigungsläufe werden nun in den Modellgrafiken und auch den einfachen Diagnosegrafiken angezeigt.
  Damit sehen Sie wie nahe Ihre realen Ergebnisse an dem vorhergesagten Wert des Modells liegen.

Neue und noch informativere Graphiken

• Anpassbare LOESS* Fit Funktion in den einfachen ”Graph Columns”.
  Zeichnet eine Kurve durch einen nichtlinearen Datensatz. *(Locally weighted scatterplot smoothing.)
• Farb-kodierte Korrelationsmatrizen in „Graph Columns“.
  Dieser Plot erlaubt Ihnen die einfache Identifikation von Einflussgrößen, die nicht vollständig voneinander unabhängig , also nicht orthogonal, sind. Das Verfahren kann auch für die Beschreibung der einfachen Korrelationen von Zielgrößen untereinander verwendet werden.
• “Jump to Run” erlaubt in den Modellgrafiken , ganz leicht die Ergebnisse eines bestimmten Experimentes zu zeigen.
  Gerade bei mehrfaktoriellen Experimenten finden Sie nun die Schnitte, die die Ergebnisse eines bestimmten Versuchs anzeigen mit einem einzigen Knopfdruck.
• Wenn Sie „Jump to Run“ verwenden, werden die Plotbereiche automatisch so erweitert, daß der gewünschte Punkt angezeigt werden kann.
  Damit können Sie auch im Surface Graphen die Vorhersage mit dem realen Ergebnis leicht vergleichen.
• Versuche , die in der Datentabelle auf “ignored” gesetzt (oder missing) sind, können nun in den Graphen angezeigt werden.
  Das ist sehr hilfreich wenn Sie, aus welchem Grunde auch immer, einen Punkt von der Auswertung ausgeschlossen haben oder wenn es an dieser Stelle keinen Messwert gab oder die Messung nicht ausgeführt wurde.
• In den Diagnose Graphen werden nun standardmäßig die extern studentisierten Residuen (anstelle der intern studentisierten) angezeigt,
  da diese sensitiver auf potentiell abnormale Daten reagieren.
• Neue Ikons für “Clear Points” und “Pop-Out View” im Diagnostics Tool.
  Damit werden Sie für diese häufig verwendeten Funktionen einfach schneller (ausserdem sehen Sie gut aus!).
• Kontur Plots für Mischungen in Dreieckskoordinaten können jetzt auch in „Realen“ Anteilen angezeigt werden.
  Das erlaubt Ihnen einen schnelleren und besseren Überblick über die eingestellten Nebenbedingungen für die Mischungskomponenten.
• Halb-Normal Plot für einfaktorielle Experimente mit Wiederholungen.
  Damit sehen Sie sofort ob irgendein signifikanter Einfluss vorhanden ist.

Größte Flexibilität bei der Datendarstellung und beim Export

• Absteigende Sortierung für alle Spalten im Design mittels Rechtsklick auf den Spaltenkopf (umschaltbar zu aufsteigend – war früher die einzige angebotene Sortiermöglichkeit).
  Dies ist sehr hilfreich, wenn Sie z.B. nach einem Minimum für eine Zielgröße suchen.