实验设计(DOE)

有计划的实验和系统的数据收集

被动的数据收集导致了统计建模中的许多问题。在一个响应变量中观察到的变化可能与个体中观察到的变化相关，但不是由个体引起的因素(流程变量)。多个因素同时发生变化可能会产生相互作用，而这些相互作用很难分解成单独的影响。观察结果可能是依赖的，而数据模型认为它们是独立的。

设计实验解决了这些问题。在设计的实验中，对数据产生过程进行主动操纵，以提高信息质量和消除冗余数据。所有实验设计的共同目标是尽可能简洁地收集数据，同时提供足够的信息来准确估计模型参数。

功能

`ff2n`	两级全析因设计
`fullfact`	全因子设计

`fracfact`	部分因子设计
`fracfactgen`	分数因子设计生成器

`bbdesign`	Box-Behnken设计
`ccdesign`	中心复合设计

`lhsdesign`	拉丁超立方体样本
`lhsnorm`	拉丁超立方样本来自正态分布