工程、科学和商业领域的许多实验都涉及多个因素。 本课程将介绍这些类型的多因素实验。 在这些情况下，适当的实验策略是基于因子设计，这是一种同时改变多个因素的实验类型。 本课程的重点是设计这些类型的实验，并使用方差分析来分析所得数据。 这些类型的实验通常包括干扰因素，在因子设计中可以使用阻断原则来处理这些情况。 随着相关因素数量的增加，全阶乘设计变得过于昂贵，而分数阶乘设计则非常有用。 本课程将介绍分数阶乘的优点，以及构建和分析这些实验数据的方法。
因子设计和分数因子设计
您将学到什么
进行分块因子实验，构建并分析分数因子设计
将因子概念应用到包含多个因子的实验中
使用方差分析进行因子分析
使用 2^k 因式设计系统
要了解的详细信息
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 实验设计 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
涵盖的内容
9个视频5篇阅读材料2个作业1个应用程序项目1个讨论话题
涵盖的内容
12个视频1篇阅读材料2个作业
涵盖的内容
4个视频1篇阅读材料2个作业
涵盖的内容
9个视频1篇阅读材料2个作业1次同伴评审
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(31个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
82.71%
- 4 stars
12.34%
- 3 stars
3.70%
- 2 stars
0%
- 1 star
1.23%
显示 3/81 个
JH
已于 Sep 19, 2025审阅
Textbook is needed and will be a good foundation for this course. Special thanks to Professor and Example instructor.
AA
已于 Sep 20, 2020审阅
thanks montgomery sir, and thanks to arizona state university
AG
已于 Dec 18, 2021审阅
New ways of understanding it, beyond the textbook, thanks to Professor Montgomery
从 数据科学 浏览更多内容
Arizona State University
Arizona State University
Arizona State University
Arizona State University
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。