问题标签 [experimental-design]

有 9 种治疗方法，我们希望有 7 个街区。在每个区块中，应重复处理一次。

9个处理标记如下：

每个数字代表一个锅。我们希望这些罐子随机分为 7 个块（列），但我们不希望两个相同处理的罐子彼此相邻 - 以灰色突出显示：

我将如何在 R 中解决这个问题？

我有三种治疗方法（野生型，Mutant1 和 Mutant2）；我要求输入有关如何确定具有高统计功效（1-beta=0.8）的具有统计学意义（alpha <0.05）的样本量。

问题

我知道我们需要效果大小的信息。如果我们事先不知道预期的效果大小，我们就会解决这个问题；估计效应大小的试验实验。在这种情况下，如果我们想通过试验来估计效果大小；开始的样本量是多少；高（n=10）还是低至 n=3？治疗中的 n = 3 能否提供对效应大小的良好估计，或者 n = 10 更好地得到这个估计。让我们具体一点；如果我们有最大 n=10 的资源。我们可以选择在 n=3 或 n=10 之间进行试验

我注意到在进行先验样本大小计算时，Python 的 TTestIndPower() 不会产生与 GPower/R 相同的结果。例如：

这将返回 7046 组 1 和 2 之间的总样本量。

但是当我将相同的参数放入 Gpower 或使用 R 的 power.prop.test 函数时，我得到 7751。有谁知道它们为什么不同？一种方法被认为比另一种更好吗？

我用 cregg R 包分析了一个联合实验。我有7个属性。我计算了一个子组分析（3 个子组）。我的因变量是一个连续变量（受访者必须在 1-7 级的非强制联合实验中对两个选项进行评分）。现在我得到一个属性级别的估计 AMCE 高于 1 (1.1072640)。这怎么可能？（我检查了我的数据，没有任何明显的错误）。

评分是一个连续变量。人们以 7 分制对 A 和 B 项目进行评分副作用，有效.... 是因素（属性）样本是具有 3 个级别的因素（3 个国家/地区）

在以下输出（缩短）中，您可以看到估计值 > 1。这可能吗？我认为 amces 应该在 -1 和 1 之间。

在此处输入图像描述

所以我在两个不同的位置有两个互联网提供商。一个比另一个好得多，它具有无限数据和闪电般的速度，而另一个具有无限数据，直到它在 15GB 时遇到带宽被严重限制的墙。这让我开始思考……是否可以强制从一台路由器到另一台路由器的带宽，更具体地说，从一台路由器到另一台不同位置的路由器。我知道在硬连线和一些技术知识以及移除节流阀上的节流阀时可以做到这一点，但是有没有人尝试过这样的事情？

我从许多关于贝叶斯实验设计的论文中看到，Kullback-Leibler 从后验到先验的发散是数据提供的“信息增益”。然而，由于 KL Divergence 总是非负的，有没有办法（或如何）从先验到后验解释 KL Divergence？

在实验设计中，我尝试设计一个Graeco Latin-Square，我相信它是Latin Square具有更多因素的设计的扩展版本。但是，我发现它的行为很奇怪，这里是使用处理 1 和 2 模拟的一些片段，长度为 1-26

当我对此进行测试时，模拟结果如下：（注意：在 k=26 之后会发生更多奇怪的错误）

就是这样，我查看了文档，它说该函数仅适用于奇数和偶数（ 4、8、10和12）的平方我不太了解解释，因为模拟的结果有点与解释相矛盾：6,14,16 是偶数吧？那么为什么问题以这种方式持续存在呢？

我试图了解一项所有 RScripts 和数据都是公开可用的研究。但是，我对提供的 R 代码有困难。它主要是关于 RStan 模型。有没有知识渊博的人可以想象和我一起阅读代码并解释不同的步骤（1-2h）？我可以为此付款。提前致谢！

任务：估计二维 IRT，估计主模型，估计 ACME 模型，估计协变量模型。来源：https ://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/0EIQXL

我有一个完整的随机区组实验。小区有 3 种不同的耕作处理和 2 种不同的残渣处理。有 4 个区块进一步分为两部分，用于残留物或无残留物，然后在这些子块中随机分配三个 3 耕作处理。我可以理解如何在 ANOVA 中包含块，但不知道如何包含残基的子块。

作为一个子问题，我可以在我的最终 p 值中看到阻塞的重要性，但我不确定如何在分析中考虑阻塞的重要性。以前我使用 Genstat 进行数据分析，它不会告诉你块的 p 值，但会在后台考虑到这一点。

我是编程新手，目前正在尝试使用 jsPsych 创建基于浏览器的行为实验。

在我的实验中，参与者首先完成一个“预试验”，他们在其中对各种图片进行评分：

然后，我使用评级将图像划分为两个条件，A 和 B。这个划分过程使用匹配，最终，获得“不喜欢”评级的图像均匀分布在条件 A 和条件 B 之间，如被评为“中性”的图像和被评为“享受”的图像。

不幸的是，我无法弄清楚如何执行此匹配过程。我尝试了各种 JavaScript 和 jsPsych 功能的许多不同组合，例如pop( )、splice( )、concat( )、jspsych.data.get( ).select('response')等等。然而，他们都失败了。

这里有没有人有在 jsPsych 中匹配条件分配的经验，或者对如何做到这一点有任何想法？如果是这样，你会考虑在这里分享你的想法吗？我知道有一个专门针对 jsPsych 的 GitHub 论坛，但我想我也会在这里问我的问题，因为我很难找到答案。