¿Qué debe cubrir un curso de posgrado en diseño experimental?

9

Me han pedido que proponga un curso de diseño experimental para estudiantes de posgrado avanzados en agronomía y ecología. Nunca he tomado tal curso, y me sorprendió descubrir que el curso podría llamarse más acertadamente "Más allá de ANOVA unidireccional", y que cubre el material que aprendí en un curso avanzado de postgrado sobre estadísticas para experimentos de campo agrícola (p. Ej. RCBD, cuadrados latinos, contrastes, mediciones repetidas y covariables). Quizás me confunde el nombre "Diseño experimental" en lugar de "Análisis de resultados experimentales".

Tengo algunas ideas sobre lo que debería contener un curso de este tipo y agradecería recibir comentarios sobre cómo esto podría integrarse en un plan de estudios de estadística que satisfaga las necesidades de los estudiantes al tiempo que presenta alternativas modernas a las listas de diseños con nombre y sus pruebas asociadas.

Por ejemplo, no puedo imaginar enseñar a los estudiantes a usar contrastes lineales y cuadráticos con ANOVA que imponga la categorización de variables continuas cuando podría enseñarles a comparar modelos de regresión con funciones lineales y cuadráticas. En el segundo caso, también aprenderían a lidiar con factores que no son valores discretos definidos experimentalmente. En todo caso, podría comparar los dos enfoques.

Si tuviera que enseñar un curso de "Diseño experimental", realmente me gustaría enfatizar conceptos fundamentales que son independientes del modelo estadístico que se aplica y que se traduciría más ampliamente en otros problemas. Esto permitiría a los estudiantes más flexibilidad para usar enfoques estadísticos modernos.

Algunos de los conceptos relevantes que no parecen estar cubiertos en el curso existente incluyen:

  • modelos jerárquicos y mixtos (de los cuales entiendo ANOVA y familiares como un ejemplo)
  • comparación de modelos (por ejemplo, para reemplazar contrastes)
  • usando modelos espaciales en lugar de bloques como 'factores'
  • replicación, aleatorización e IID
  • diferencias entre pruebas de hipótesis, p-hacking y reconocimiento de patrones.
  • análisis de potencia mediante simulación (por ejemplo, recuperación de parámetros de conjuntos de datos simulados),
  • preinscripción,
  • uso de conocimiento previo de estudios publicados y principios científicos.

¿Hay algún curso que actualmente tenga ese enfoque? ¿Algún libro de texto con tal enfoque?

references experiment-design teaching Abe
fuente
¿Intentaste buscar programas en Google sobre los temas? Hay un montón de ellos
Aksakal
2
El curso de diseño experimental que tomé incluyó RCBD, Cuadrados latinos, Contrastes, diseños factoriales, regresión lineal, comparación múltiple, replicación, aleatorización, IID y algunos otros temas que no recuerdo fuera de mi cabeza. Su lista de conceptos es buena pero, de manera realista, dudo que tenga tiempo dentro de un curso para cubrir todo. Los modelos mixtos eran más o menos un curso en sí mismo cuando los tomé en la escuela de posgrado. Sin embargo, depende del nivel de profundidad que ingrese en cada tema.
Ovejas
1
Estoy de acuerdo con @Sheep en que su lista es buena pero probablemente demasiado. Aunque creo que el modelo mixto (la base del mismo) es esencial en el diseño experimental actual.
Emilie
@La mayor parte de mi confusión es por qué la regresión lineal, la comparación múltiple y los contrastes son parte de una clase de diseño experimental en lugar de ser enseñados en un curso de análisis estadístico. Tal vez estoy confundido sobre el alcance de tal curso.
Abe
2
Bueno, el objetivo de diseñar un experimento es para que pueda analizar los datos que recopila del experimento, de modo que estos dos van de la mano. Debe tener un plan de análisis en mente al diseñar el experimento. Eso es lo que me enseñaron al menos. La regresión lineal fue una revisión para nosotros, pero fue el modelo subyacente para muchos diseños.
Ovejas

Respuestas:

4

Aquí hay una lista de algunos libros que me gustan y que serían un buen material para tal curso:

Evitaría libros más antiguos que parezcan un catálogo de diseños con nombre, y optaría por uno de los anteriores basado en principios fundamentales. Uno de esos libros que evitaría es el popular (¿por qué?) Douglas C. Montgomery: Diseño y análisis de experimentos .

 EDIT 2017

Otro tema que podría incluirse es el diseño experimental óptimo , con conceptos tales como diseños D-óptimos o diseños A-óptimos. Ahora hay una gran cantidad de libros, tan difíciles de aconsejar, algunas posibilidades:
Diseño experimental óptimo con R
Diseños cruzados
óptimos Diseño experimental óptimo para modelos no lineales: teoría y aplicaciones
Diseño óptimo de experimentos: un enfoque de estudio de caso

Hay mucho desarrollo en esta área en R, así que eche un vistazo a https://CRAN.R-project.org/view=ExperimentalDesign

kjetil b halvorsen
fuente
1
+1. Por curiosidad, ¿puedo preguntar por qué evitarías el libro de texto de Montgomery?
whuber
1
Una vez traté de enseñarlo, no funcionó muy bien. Tiene algunos errores y me parece anticuado, a partir de un catálogo de diseños con nombre.
kjetil b halvorsen