本书是有关敏感性试验设计方法、统计性质、应用的一部论著。全书详细介绍当前国际上较为经典的敏感性试验设计和广义敏感性试验设计及相关统计性质。全书共五章：第1章简要介绍传统敏感性试验设计；第2章介绍有代表性的敏感性优化试验设计，包括设计的优化准则和有效算法；第3章介绍广义敏感性优化试验设计，包括两个二元响应和混合响应的优化试验设计方法；第4章介绍响应分布的拟合方法；由于在敏感性试验数据下模型参数的估计没有解析解，第5章基于Python语言给出敏感性试验设计及相关参数估计的算法实现和示例。详细的程序代码见封底二维码。本书可供从事试验设计研究和应用的研究生、教师、工程技术人员参考使用。

“统计与数据科学丛书”序
前言
第1章 传统敏感性试验设计
1.1 升降法
1.2 兰格利法
1.3 OSTR法
第2章 敏感性优化试验设计
2.1 D-最优方法
2.1.1 经典D-最优方法
2.1.2 贝叶斯D-最优方法
2.2 Wu方法
2.3 优化随机逼近方法
2.3.1 非抑制优化随机逼近方法
2.3.2 抑制优化随机逼近方法
2.3.3 两种优化随机逼近方法的模拟比较
2.4 3pod优化试验设计
2.4.1 第一段设计
2.4.2 第二段设计
2.4.3 第三段设计
2.4.4 3pod设计的进一步说明
2.4.5 3pod设计示例
2.4.6 3pod设计与其他设计的模拟比较
2.4.7 3pod设计、3pod改进设计及其与Sen-Test的比较
2.5 估计响应分布0.5分位数的小样本优化设计
2.5.1 两阶段优化试验设计方法
2.5.2 模拟研究
2.6 参数估计的统计性质
2.6.1 参数极大似然估计的相合性
2.6.2 参数贝叶斯估计的相合性
2.7 证明附录
第3章 广义敏感性优化试验设计
3.1 具有两个二元响应的敏感性优化试验设计
3.1.1 具有两个二元响应结果的刺激-响应概率模型
3.1.2 自适应双向MLE迭代试验设计
3.1.3 算法示例
3.1.4 模拟研究
3.2 针对混合响应的优化试验设计
3.2.1 估计广义分位数的优化试验设计
3.2.2 模拟研究
3.2.3 实际应用
3.3 针对混合响应的贝叶斯序贯试验设计
3.3.1 混合响应模型
3.3.2 设计准则
3.3.3 SI-最优设计
3.3.4 贝叶斯D-最优设计
3.3.5 试验设计算法
3.3.6 模拟研究
第4章 响应分布拟合方法
4.1 图方法
4.2 拟合优度检验
4.2.1 Pearson统计量
4.2.2 Deviance统计量
4.3 同型不同批数据下的拟合优度检验
第5章 基于Python语言的算法实现
5.1 Python的安装
5.2 敏感性试验数据分析
5.3 优化试验设计的Python实现
5.3.1 升降法
5.3.2 兰格利法
5.3.3 D-最优设计方法
5.3.4 3pod方法
参考文献
索引
“统计与数据科学丛书”已出版书目