試驗設計

統計測試計劃，簡稱SVP，包括所有在測試開始前應該使用的統計方法。這包括：

• 確定滿足精度規格所需的最少測試量
• 根據最優性標準（I-、D-、A-、G-最優實驗設計）在因子空間內安排實驗點
• 處理分塊、隨機化、拉丁方等噪聲的方法
• 因子計劃，尤其是部分因子計劃
• 順序測試計劃和評估（順序分析）；數據采集??和評估在這里交替進行，直到達到指定的精度

由于實驗需要資源（人員、時間、設備等），負責實驗的人認為自己一方面在預期結果的準確性和可靠性與另一方面所需的努力之間存在沖突。

術語“測試”除了材料測試之外還包括計算機模擬。通過實驗的統計設計，影響因素（=自變量）和目標變量（=因變量）之間的因果關系以盡可能少的測試盡可能準確地確定盡可能（個別實驗）。

統計測試計劃的一個重要部分是根據準確性規范（例如統計測試的風險和與原假設值的最低限度有趣的最小差異）確定測試范圍。

一個接一個地改變另一個因素（一次改變一個因素）或根據試錯原則的實驗程序，只會導致偶然發現全局最優，而不承認影響因素的相互作用。

相比之下，實驗的統計設計是一種對實驗進行系統規劃和統計評估的方法。影響變量和目標變量之間的函數關系可以輕松地進行數學計算。為此所需的資源，例如人員、時間和成本，在進行測試之前是已知的，并且可以量化結果出錯的概率。

實驗設計是要執行的實驗列表。

與在一系列實驗中僅改變一個因素的“傳統”方法相比，在因子系統中，多個因素同時發生變化。所謂的實驗計劃的創建考慮了以下因素：

• 要檢查的因素數量（至少 2 個）
• 要檢查的因素類型（名義（= 定性）或定量）
• 現有信息
• 所需的陳述準確性/可靠性

經典計劃具有規則的幾何形狀，例如完整的測試計劃或部分因素計劃，具有（超）立方體結構。 混料計劃采用單純形形式。 此外，經典的沖擊面計劃通過額外的測試點擴展了（超）立方體結構。 這與以不規則幾何形狀為特征的最佳測試計劃不同。

使用篩選計劃，可以通過相對較少的嘗試同時檢查許多因素的影響，以便識別哪些因素具有推論統計顯著性，即改變初始變量。使用影響區域計劃，少數重要因素與可以詳細檢查目標變量以確定因素的最佳設置。測試計劃包括用于消除干擾變量的系統，例如塊系統和拉丁方，順序測試計劃和因子系統。

實驗統計設計領域既有非商業軟件，也有商業軟件。 它們在功能范圍、靈活性和用戶友好性方面尤其不同。

非商業解決方案包括編程語言 R，它可以使用各種附加包，例如 OPDOE，還可以使用帶有 DOE 插件的圖形用戶界面R指揮官。