试验设计

统计测试计划，简称SVP，包括所有在测试开始前应该使用的统计方法。这包括：

• 确定满足精度规格所需的最少测试量
• 根据最优性标准（I-、D-、A-、G-最优实验设计）在因子空间内安排实验点
• 处理分块、随机化、拉丁方等噪声的方法
• 因子计划，尤其是部分因子计划
• 顺序测试计划和评估（顺序分析）；数据采集​​和评估在这里交替进行，直到达到指定的精度

由于实验需要资源（人员、时间、设备等），负责实验的人认为自己一方面在预期结果的准确性和可靠性与另一方面所需的努力之间存在冲突。

术语“测试”除了材料测试之外还包括计算机模拟。通过实验的统计设计，影响因素（=自变量）和目标变量（=因变量）之间的因果关系以尽可能少的测试尽可能准确地确定尽可能（个别实验）。

统计测试计划的一个重要部分是根据准确性规范（例如统计测试的风险和与原假设值的最低限度有趣的最小差异）确定测试范围。

一个接一个地改变另一个因素（一次改变一个因素）或根据试错原则的实验程序，只会导致偶然发现全局最优，而不承认影响因素的相互作用。

相比之下，实验的统计设计是一种对实验进行系统规划和统计评估的方法。影响变量和目标变量之间的函数关系可以轻松地进行数学计算。为此所需的资源，例如人员、时间和成本，在进行测试之前是已知的，并且可以量化结果出错的概率。

实验设计是要执行的实验列表。

与在一系列实验中仅改变一个因素的“传统”方法相比，在因子系统中，多个因素同时发生变化。所谓的实验计划的创建考虑了以下因素：

• 要检查的因素数量（至少 2 个）
• 要检查的因素类型（名义（= 定性）或定量）
• 现有信息
• 所需的陈述准确性/可靠性

经典计划具有规则的几何形状，例如完整的测试计划或部分因素计划，具有（超）立方体结构。 混料计划采用单纯形形式。 此外，经典的冲击面计划通过额外的测试点扩展了（超）立方体结构。 这与以不规则几何形状为特征的最佳测试计划不同。

使用筛选计划，可以通过相对较少的尝试同时检查许多因素的影响，以便识别哪些因素具有推论统计显着性，即改变初始变量。使用影响区域计划，少数重要因素与可以详细检查目标变量以确定因素的最佳设置。测试计划包括用于消除干扰变量的系统，例如块系统和拉丁方，顺序测试计划和因子系统。

实验统计设计领域既有非商业软件，也有商业软件。 它们在功能范围、灵活性和用户友好性方面尤其不同。

非商业解决方案包括编程语言 R，它可以使用各种附加包，例如 OPDOE，还可以使用带有 DOE 插件的图形用户界面R指挥官。