Many experiments involve factors whose levels are chosen at random. A well-know situation is the study of measurement systems to determine their capability. This course presents the design and analysis of these types of experiments, including modern methods for estimating the components of variability in these systems. The course also covers experiments with nested factors, and experiments with hard-to-change factors that require split-plot designs. We also provide an overview of designs for experiments with response distributions from nonnormal response distributions and experiments with covariates.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Versuchsplanung
2.159 bereits angemeldet
von
Spezialisierung VersuchsplanungArizona State UniversityÜber diesen Kurs
3.904 kürzliche Aufrufe
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 4 in
Stufe „Mittel“
Ca. 9 Stunden zum Abschließen
Englisch
Untertitel: Französisch, Portugiesisch (europäisch), Russisch, Englisch, Spanisch
Was Sie lernen werden
Design and analyze experiments where some of the factors are random
Design and analyze experiments where there are nested factors or hard-to-change factors
Analyze experiments with covariates
Design and analyze experiments with nonnormal response distributions
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 4 in
Stufe „Mittel“
Ca. 9 Stunden zum Abschließen
Englisch
Untertitel: Französisch, Portugiesisch (europäisch), Russisch, Englisch, Spanisch
von
Arizona State University
Arizona State University has developed a new model for the American Research University, creating an institution that is committed to excellence, access and impact. ASU measures itself by those it includes, not by those it excludes. ASU pursues research that contributes to the public good, and ASU assumes major responsibility for the economic, social and cultural vitality of the communities that surround it.
Lehrplan - Was Sie in diesem Kurs lernen werden
4 Stunden zum Abschließen
Unit 1: Experiments with Random Factors
4 Stunden zum Abschließen
6 Videos (Gesamt 44 min), 5 Lektüren, 3 Quiz
2 Stunden zum Abschließen
Unit 2: Nested and Split-Plot Designs
2 Stunden zum Abschließen
6 Videos (Gesamt 64 min), 1 Lektüre, 2 Quiz
3 Stunden zum Abschließen
Unit 3: Other Design and Analysis Topics
3 Stunden zum Abschließen
7 Videos (Gesamt 71 min), 1 Lektüre, 3 Quiz
Bewertungen
- 5 stars75 %
- 4 stars10,71 %
- 3 stars14,28 %
Top-Bewertungen von RANDOM MODELS, NESTED AND SPLIT-PLOT DESIGNS
von AA25. Sep. 2020
THIS FULL COURSE WAS EXCELLENT. IT WILL HELP IN MY PROJECT. THANK YO DOCTOR MONTGOMERY SIR.
von RR25. Juli 2020
Very exhaustive information about random models and nested and split-plot designs. Thank you to Professor Douglas C. Montgomery and Coursera Team.
von ML25. Nov. 2021
Comprehensive and practical course in the Design of Experiments specialization. Helps reinforce the need for a physical experiment to align with constraints on randomization.
Über den Spezialisierung Versuchsplanung
Learn modern experimental strategy, including factorial and fractional factorial experimental designs, designs for screening many factors, designs for optimization experiments, and designs for complex experiments such as those with hard-to-change factors and unusual responses. There is thorough coverage of modern data analysis techniques for experimental design, including software. Applications include electronics and semiconductors, automotive and aerospace, chemical and process industries, pharmaceutical and bio-pharm, medical devices, and many others.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
