Försöksplanering och avancerad statistisk modellering

Inom många industriella tillämpningar är man intresserad av hur en responsvariabel påverkas av förändringar i ett antal faktorer. Genom att systematiskt variera faktornivåerna kan man på ett kostnadseffektivt sätt hitta optimum hos responsvariabeln. I den här kursen behandlas teorin för de vanligast förekommande verktygen för systematisk planering av försök och metoder för analys av försöksresultat. Speciell tonvikt läggs vid fullständiga och reducerade tvånivåers faktoriella försök. Responsytemetoder med tillhörande försöksplaner ingår liksom strategier för sekvensiell försöksplanering. Slutligen behandlas robust konstruktion.

I kursens senare del ges en bred introduktion till avancerade statistiska modelleringsverktyg. Utgående från den grundläggande teorin för linjär regressionsanalys studeras modellering av icke-linjära (men parametriska) relationer mellan förklarande variabler och responsvariabler. Vidare introduceras generaliserade linjära modeller (GLM), i vilka en funktion av väntevärdet modelleras, snarare än väntevärdet själv. Med GLM hanteras såväl binära responsvariabler (0/1), som responsvariabler som utgörs av antal eller proportioner. I kursen behandlas även generaliserade additiva modeller (GAM), där beroendet mellan responsvariabeln och de förklarande variablerna inte kan beskrivas med någon explicit parametrisk modell. GAM-metodiken införlivas i GLM, vilket möjliggör modellering av många olika typer av responsvariabler med komplexa strukturer för beroendet av de förklarande variablerna. Slutligen visas hur man kan använda Bootstrapmetodik för att utföra inferens och tester som alternativ till statistiska standardmetoder.

Som stöd för att bestämma försöksplaner och analysera data används genomgående under kursen lämplig statistisk programvara.