• À propos de WordPress
    • Site de WordPress-FR
    • Documentation
    • Apprendre WordPress
    • Forums de support
    • Vos retours
  • Connexion
  • S'inscrire
  • Edit Home Page
Toggle Side Panel
Stat4researchStat4research
  • Cours
  • Bootcamps
    • Statistique avec R
    • R: De débutant.e à avancé.e
    • Modelisation avancée
    • Analyse spatiotemporelle
  • Formation d’équipe
  • Consulting
  • A propos
  • Social4Stat
  • Blog
More options
    Se connecter S'inscrire
    • Cours
    • Bootcamps
      • Statistique avec R
      • R: De débutant.e à avancé.e
      • Modelisation avancée
      • Analyse spatiotemporelle
    • Formation d’équipe
    • Consulting
    • A propos
    • Social4Stat
    • Blog
    Close search
    Retour aux Cours

    C1 — Plans d'expériences (DOE)

    0% terminé
    0/0 Steps
    1. Ouverture — Pourquoi tout se joue avant la première mesure
      1 Chapitre
      1. M0. Présentation du cours
    2. Bloc 1 — Principes fondamentaux
      3 Chapitres
      1. M1. Les trois principes de Fisher
      2. M2. Plan complètement randomisé (CRD)
      3. M3. Taille d'effectif et puissance
    3. Bloc 2 — Contrôle de la variabilité
      2 Chapitres
      1. M4. Blocs complets randomisés (RBD)
      2. M5. Carré latin et BIBD
    4. Bloc 3 — Designs factoriels
      3 Chapitres
      1. M6. Plans factoriels complets
      2. M7. Plans 2ᵏ fractionnaires
      3. M8. Split-plot et hiérarchique
    5. Bloc 4 — Optimisation
      3 Chapitres
      1. M9. Surface de réponse : Box-Behnken et CCD
      2. M10. Steepest ascent et optimisation séquentielle
      3. M11. Étude de cas industrielle intégrative
    6. Clôture — Workflow de décision
      1 Chapitre
      1. Synthèse et arbre de décision DOE

    Participants 5

    • akiasosthene
    • Carmelo Eichelberger
    • Craig Corby
    • Joie Stark
    • Merle Conrad
    C1 — Plans d’expériences (DOE) Bloc 3 — Designs factoriels M8. Split-plot et hiérarchique
    Leçon 4, Chapitre 3
    En cours
    ← Précédent

    M8. Split-plot et hiérarchique

    akiasosthene
    akiasosthene juin 12, 2026
    Progression du Leçon
    0% terminé

    Quand un facteur est plus difficile à randomiser que l’autre (whole plot / sub-plot). Modèles mixtes avec lme4. Erreurs distinctes pour chaque niveau de randomisation.

    Report

    There was a problem reporting this post.

    Harassment or bullying behavior
    Contains mature or sensitive content
    Contains misleading or false information
    Contains abusive or derogatory content
    Contains spam, fake content or potential malware

    Block Member?

    Please confirm you want to block this member.

    You will no longer be able to:

    • See blocked member's posts
    • Mention this member in posts
    • Invite this member to groups
    • Message this member
    • Add this member as a connection

    Please note: This action will also remove this member from your connections and send a report to the site admin. Please allow a few minutes for this process to complete.

    Report

    You have already reported this .