在農業、工業上或生物學、醫學上, 我們經常拿一組控制的試驗組與其他在不同控制 下的試驗組對照比較結果。這方面的問題, 可經由適當的實驗設計(experiment desi -gn)而得到較佳的結果。假設我們有p+1 個處理(treatments), 其中一個處理為對照 處理(control treatment),設其為0,我們已有先前的資料(prior information),其余 p 個處理為試驗處理(test treatments),設其分別為1、2、…p,無任何資料可利用, 在此情況下將已知的資料加入實驗設計的考量中, 將會增加此設計之效率(efficienc y)。本文將討論此一對照組與其他P 個不同試驗組同時比較之貝氏A 式最佳設計(Bay -es A-optimal rowcolumn design)。 假設此模型為沒有交互作用之可加性線性模型(additive linear model without int -eraction): Y =α +τ +β +γ +ε α =處理i 之效果i=0,1,…p τ =α -α =試驗減對照處理之比較i=1,…p β =第j 列之效果j=1,…R γ =第k 行之效果k=1,…C ε =不相關之隨機變數, 其期望值為0,變異數為σ 我們就以此模型來建立貝氏A 式最佳設計, 所謂貝氏A 式最佳設計即能讓對照- 試驗比較之后續期望平方差(poste -rior expected square error loss) 最小之設計。 在本篇論文中, 我們將以電腦程式設計(FORTRAN程式語言) 來尋找貝氏A 式最佳設計 , 并歸納出結論以及比較先前變異數(prior variance)對貝氏最佳設計之影響。

我國自1980年代以來，民主改革進程快速，程序性的的民主機制(procedural democracy)如公平的選舉與競爭性的政黨政治，已逐步建立，如何提昇民主品質已是朝野共同努力的續階任務。在不同的改革方向中，政策過程的公民參與以及民主審議已逐漸受到學界的重視與熱烈討論，不過目前學界主要仍停留在規範性的探討或實驗設計的階段，對於如何實踐審慎思辯式民主仍未有系統性的研究。為了落實公民審慎思辯的功能，James Fishkin提出審慎思辯式民意調查機制，希望有助於探求經過審慎思辯且具有代表性、值得聆聽的民意。為了探索審慎思辯式民意調查的操作過程以及參與者在經過深思熟慮後態度是否發生轉變，本論文嘗試透過檢閱相關文獻，引介國外實施審慎思辯式民意調查的經驗外，並以「我國是否實施募兵制」之政策議題，對國立政治大學選修軍訓課的大學部學生進行審慎思辯式的民意調查。而本論文實驗結果發現，審慎思辯的過程不但使得參與者對議題認知更清楚，同時在資訊相對充分的情況下，部分參與者的政治偏好將與資訊較為缺乏的情況下有所不同，此結果無異強化對於民眾無知的悲觀主義者論點，也就是民眾在資訊不足的情況下，其真正偏好往往受到各種環境因素的扭曲，而無法適切的表達。 故本論文主張，現階段我國可以從大都會的社區進行審慎思辯式的民意調查，因為在這些地區資訊流通較為快速，比較能進行精緻的對話；同時，可結合超然的民間團體、學術單位以及媒體的力量，針對大家共同關切而具有爭議性的議題，舉辦審慎思辯式的民意調查；最後，可利用網路民主機制，作為審慎思辯式民意調查的另一種介面與途徑。總之，不論採用哪種方式蒐集民意，唯有確實履踐審慎思辯的精神，才能還給人民在民主政治下真正的聲音與力量。

藥劑生體可用及相等試驗,對於藥品的研發佔有非常重要之地位.如何在各種交叉實驗設計中選取適當的樣本,以達到我們要求的檢測能力,是本文的主要目的.Liu and chow(1992a)根據Schuirmann(1987)的區間假設檢定以正負20決策準則,針對二乘二交叉實驗設計,提出了一個簡易的樣本數計算方法.本文將對高階交叉實驗設計之樣本數計算方法,做進一步的研究.

在本文中，分別就四種不同參數組合（包括六個模式）的二維交叉實驗設計，採用一般線性模式法及二樣本t檢定法予以分析，並探討模式間與分析方法間的異同。此外，在二維重覆測量交叉實驗設計方面，我們也分別以單變量分裂區集變異數分析法及多變量變異數分析法進行探討。 / Four possible parametrizations ( including six models ) are considered in this study to clearify some ambigous issues related to a 2*2 cross-over design. Each model is analyzed using both the GLM procedure and two-sample t test. In addition, we also discuss issues related to the 2*2 repeated measurements cross-over design by using the univariate split-plot and multivariate analysis of variance techniques.

本論文針對防丟器的剖面進行追蹤分析。防丟器包含發射器及接收器，發射器會發射訊號，接收器會記錄RSSI (Receive Signal Strength Index)與發射點數，其中RSSI表示訊號的強度。在工程理論上，RSSI與距離具有函數關係；然而環境中的干擾及事件發生都會影響此函數關係，特別是事件發生會嚴重地改變此函數關係，因此論文主要目的在於區別事件是否發生。 　　所謂的剖面指的是變數之間的函數關係，而論文中的剖面追蹤是利用管制圖的概念，用管制圖來監控剖面的參數估計值。如果管制圖上的點子出界，則表示事件發生而導致失控。 　　本論文以腳踏車是否被偷為例，嘗試一些實驗後找出顯著影響的因子設計實驗，包含17種腳踏車未被偷之情境與18種腳踏車被偷情境；欲利用未被偷的實驗建立試驗管制圖，而以被偷之情境來追蹤，用以驗證管制圖之有效性。 　　論文中主要透過分析防丟器產生的RSSI與距離的剖面、距離與發射點數的剖面來探討事件是否發生。另外剖面追蹤其實是種事後追蹤的方法，為了能即時追蹤，本論文亦採用預測區間的方式，來追蹤事件是否發生。 　　本論文建議監控距離與發射點數的剖面，因該方法的表現最好，另外建議增加防丟器上能紀錄距離的功能，此方法會更加合適。 　　本論文提出的即時追蹤方式並沒有特別好，因此一個比較好的即時追蹤方法是未來值得研究的方向。 / The device of Babyfinder is designed to detect if an event occurs. The Babyfinder includes transceiver and receiver. The signal strength, Received Signal Strength Indicator (RSSI), generates once there are distances between transceiver and receiver. In wireless communication theory, the relationship between RSSI and distance should be expressed by the model that RSSI = a + b ln (distance) Nevertheless, some circumstance noises and user noises (or common causes), and/or events (special causes) may affect the variation of RSSI. Since the occurrence of events may change the functional relationship of RSSI and distance, to distinguish if the functional relationship is changed by the occurred events is the subject of this study. This study designs some events and noises experiments based on the real noise factors and special events. Two monitoring schemes are proposed to distinguish the occurred events and noise circumstance. One is the profile monitoring scheme, the other is the real time monitoring scheme. The two proposed approaches of profile monitoring scheme are considered to monitor the profile of RSSI and distance and that of distance and the number of transmitting points, respectively. The profile monitoring approach for distance and the number of transmitting points shows better performance. However, the profile monitoring is an after-event tracing approach. It cannot detect the occurred events in time. A better approach of real-time monitoring approach is worth to be proposed in the future study.

傳統上，判定一種學名藥(generic drug)與原廠藥(innovator drug)是否具有生體相等性所常用的統計方法為：比較兩種藥物的生體可用相對值(relative bioavailability)的母體平均數是否相等，此即所謂的平均生體相等性(average bioequivalence)。然而就兩種藥物可互用的觀點而言，似乎更需要考慮的是每位受測個體在服用藥物後，不同藥物在個體內反應的差異性，因此 Anderson and Hauck (1990)提出個體生體相等性(individual bioequivalence)的觀點。 本文採 Schall (1995)所建議的判定準則來作為評估一種學名藥與原廠藥是否具有個體生體相等性的依據。內容重點為透過模擬(simulation)實驗的方式，對判定藥物為個體生體相等性的檢定力(power)作一評比，研究的項目有：(1)檢定力在不同交叉實驗設計(crossover design)下表現的異同；(2)檢定力在不同參數組合情況下表現的趨勢；(3)樣本數(sample size)對檢定力的影響。 / Conventionally, that a generic drug and an innovator drug are regarded as having the same treatment effects is based on the concept of average bioequivalence,i.e., that average responses between individuals on the two formulations are similar. Anderson and Hauck (1990) argued that it was not sufficient to expect that an individual patient would response similarly to the two formulations. The thought has received a lot of attention lately, and quite a few methods have been proposed to deal with the issue of the individual bioequivalence. According to the "unified" approach proposes by Schall (1995), a simulation study on power to declare bioequivalence and coverage probability of confidence intervals is carried out here to compare their performance under different experimental designs.

假設二元反應曲線為簡單線性羅吉斯迴歸模型(Simple Linear Logistic Regression Model)，在樣本數為偶數的前題下，所謂的最佳D型設計(D-Optimal Design)是直接將半數的樣本點配置在第17.6個百分位數，而另一半則配置在第82.4個百分位數。很遺憾的是，這兩個位置在參數未知的情況下是無法決定的，因此逐次實驗設計法(Sequential Experimental Designs)在應用上就有其必要性。在大樣本的情況下，本文所探討的逐次實驗設計法在理論上具有良好的漸近最佳D型性質(Asymptotic D-Optimality)。尤其重要的是，這些特性並不會因為起始階段的配置不盡理想而消失，影響的只是收斂的快慢而已。但是在實際應用上，這些大樣本的理想性質卻不是我們關注的焦點。實驗步驟收斂速度的快慢，在小樣本的考慮下有決定性的重要性。基於這樣的考量，本文將提出三種起始階段設計的方法並透過模擬比較它們之間的優劣性。 / The D-optimal design is well known to be a two-point design for the simple linear logistic regression function model. Specif-ically , one half of the design points are allocated at the 17.6- th percentile, and the other half at the 82.4-th percentile. Since the locations of the two design points depend on the unknown parameters, the actual 2-locations can not be obtained. In order to dilemma, a sequential design is somehow necessary in practice. Sequential designs disscused in this context have some good properties that would not disappear even the initial stgae is not good enough under large sample size. The speed of converges of the sequential designs is influenced by the initial stage imposed under small sample size. Based on this, three initial stages will be provided in this study and will be compared through simulation conducted by C++ language.

在工業、農業、或醫藥界的實驗中，經常必須拿數個不同的試驗處理 (test treatments)和一個已使用過的對照處理(control treatment)比較 。所謂的試驗處理可能是數組新的儀器、不同配方的新藥、或不同成份的 肥料等。以實驗新藥為例，研藥者想決定是否能以新藥取代原來所使用的 藥，故對v種新藥與原藥做比較，評估其藥效之差異。為了降低實驗中不 必要的誤差以增加其準確性，集區設計成為實驗者常用的設計方法之一； 又因A式最適設計是我們欲估計的對照處理效果(effect)與試驗處理效果 之差異之估計值最小的設計，基於此良好的統計特性，我們選擇A式最適 性為評判根據。古典的A式最適性並未將對照處理與試驗處理所具備的先 前資訊(prior information)加以考慮，以上例而言，我們不可能對原來 使用的藥一無所知，經由過去的實驗或臨床的反應，研藥者必已對其藥性 有某種程度的了解，直觀上，這種過去經驗的累積，影響到實驗配置上， 可能使對照處理的實驗次數減少，相對地可對試驗處理多做實驗，設計遂 更具意義。因而本文考慮在k>v的情形下之貝式最適集區設計，對先前分 配施以某種限制，依據準確設計理論(exact design theory)，推導單項 異種消除模型(one- way elimination of heterogeneity model)之下的 貝氏A式最適設計與Γ- minimax最適設計，使Majumdar(1992)的結果能適 用於完全集區設計。此種設計對先前分配具有強韌性，即當先前分配有所 偏誤，且其誤差在某一範圍內時，此設計仍為最適設計或仍可維持所謂的 高效度(high efficiency)。本文將列舉許多實例以說明此一特性。 We consider the problem of comparing a set of v test treatments simultaneously with a control treatment when k>v. Following the work of Majumdar(1992), we use exact design theory to derive Bayes A-optimal designs and optimal Γ-minimax designs for the one-way elimination of heterogeneity model. These designs have the same properties as of Bayes A-optimal incomplete block designs. We also provide several examples of robust optimal designs and highly efficient designs.

在面對市場強力競爭之下，許多企業為了達到永續經營的目的，往往藉由改善產品品質、降低生產成本以及加強產品的彈性與效能，以便創造出符合顧客需求的優良產品，進而提升市場競爭力。 本研究主要的對象為電源轉換器(Switch Power Supply)。該電源轉換器在運轉的過程中時常會有溫度過高的情況發生，進而影響顧客對於產品的滿意程度，因此希望藉由降低電源轉換器的溫升以及溫升變異，來提升產品的品質以增加顧客的滿意度。在本研究中利用田口方法以及實驗設計去規劃出適當的實驗流程與實驗方法，並且經由實驗來收集實驗數據，分別採用灰關聯分析、主成分灰關聯分析、模糊評估分析和倒傳遞類神經網路等四種方法進行實驗分析，以決定出最適因子水準組合。 根據工程經驗與實驗結果得知，電源轉換器內主要發熱零件為IC、T1、LF1和D7。最適組合之確認實驗與現況比較發現，雖然LF1的平均溫升約比現況高2℃左右，但是IC、T1和D7的平均溫升卻可以降低2∼4℃，而且這四個主要發熱零件的溫升標準差也都有大幅降低的現象，由於降低產品變異也會提昇產品品質，一旦產品品質提升了便能夠增加市場競爭力，並且增加顧客的購買意願，因此本研究所找出的最適外殼鑽孔形狀與矽膠片厚度組合的改善效果良好。

近年來，我國對於田口式品質工程方法的運用，已漸漸普及於各個生產事 業。然而，在以往田口方法的應用實例中大多只使用一種數據分析法，即 傳統實驗設計的變異數分析法，或田口方法的信號雜音比( S/N ratio )，對於二者之間的比較及異同處，則較少提及﹔且絕大部分是只探討單 一品質特性最佳化的問題，對於同一製程中同時具有多個品質特性需最佳 化的問題，亦較少觸及。本研究首先分別引用二種數據分析法進行提昇自 動光學檢驗(AOI)偵測能力」}的數據解析、比較二種分析法在理論上及應 用上的差別，並依保守原則，初步決定各品質特性(本研究有三個品質特 性)的最佳因子水準組合。其次，針對各品質特性間因子水準互相矛盾的 情形，本文將引用下述3種分析方法於研究案例，並綜合各種方法的優缺 點及適用狀況，藉以找出多品質特性同時最佳化的因子水準組合。此三種 分析方法為: (1) 畫出各因子對個別品質特性之影響效果總調查表，再經 由人為的比較判斷後選取最佳的條件組合 (2) 以個別品質特性之信號雜 音比的加權和作分析 (3) 使用品質特性值標準化的方法做分析由分析結 果，吾人可知現有各種方法均有其優缺點，唯有熟悉各種方法並配合豐富 經驗與專業知識，視實驗狀況而選擇性的加以應用，方能獲致良好實驗效 果。