Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Нейердің оптималдық сынағы – сезімталдық сынақ. Оны "Жұмыртқа қорабы орташа есеппен қанша биіктіктен құласа, бірі жарылады?" сияқты сұрақтарға жауап беру үшін пайдалануға болады. Егер осы жұмыртқа қораптары өте қымбат болса, сынақ жүргізуші экспериментті арзанға және жылдам орындау үшін құлатылатын қораптардың санын азайтуға тырысады. Нейер сынағы экспериментшіге ең көп ақпарат беретін сынақты таңдауға мүмкіндік береді. Осы жағдайда, бұрын құлатылған жұмыртқа қораптарының тарихы мен олардың жарылған-жарылмағаны ескеріле отырып, Нейер сынағы "келесі жұмыртқа қорабын 32,123 метр биіктіктен құлату арқылы сіз ең көп білім аласыз" дейді.
The Neyer d optimal test is a sensitivity test. It can be used to answer questions such as "How far can a carton of eggs fall, on average, before one breaks?" If these egg cartons are very expensive, the person running the test would like to minimize the number of cartons dropped, to keep the experiment cheaper and to perform it faster. The Neyer test allows the experimenter to choose the experiment that gives the most information. In this case, given the history of egg cartons which have already been dropped, and whether those cartons broke or not, the Neyer test says "you will learn the most if you drop the next egg carton from a height of 32.123 meters."
Тарих
Нейердің оптималдық сынағы 1994 жылы Барри Т. Нейермен сипатталған. Бұл әдіс 1948 жылы Диксон мен Муд жасаған, қалам мен қағазбен есептеуге мүмкіндік берген Bruceton талдауы немесе "Жоғары-Төмен сынағы" әдісін ығыстырды. Үлгілер әртүрлі стимул деңгейлерінде тестіленіп, нәтижелер (жауап немесе жауапсыздық) тіркеледі. Нейер сынағы тәжірибешіге максималды ақпарат беретін сынақ деңгейлерін таңдауға бағыттайды. Бұрынғы әдістерден өзгеше, бұл әдіс сынақ деңгейлерін есептеу үшін компьютерлік бағдарламаны қажет етеді. Нейер D оптималдық сынағымен жүргізілген сынақтардың нәтижелерін талдау үшін ықтималдық қатынасының талдау әдісі жиі қолданылады, бірақ бұл әдіс тікелей сынақ әдісімен байланысты емес. Біріктірілген сынақ және талдау әдістері жиі Нейер сынағы деп аталады. Дрор мен Штайнберг (2008) Нейер сынағынан тиімдірек, эксперименттің басынан-ақ D оптималдық жобалау критерийін қолдануға мүмкіндік беретін басқа эксперименттік жобалау әдісін ұсынады. Сонымен қатар, олардың әдісі бұрынғы алгоритмдермен шешілмейтін жағдайларды да қамтиды, оның ішінде толық тізбекті жобалардан (әрбір байқаудан кейін жоспарды жаңарту) топтық тізбекті жобаларға (көптеген байқаулардан тұратын тәжірибенің бөліктеріне кез келген бөлінісі), екілік жауаптан ("сәттілік" немесе "сәтсіздік") кез келген жалпыланған сызықтық модельге және бір айнымалыдан бірнеше болжаушыларды қарастыруға дейін (мысалы, медициналық емдеуде жауапты тексеру үшін тәжірибе жасау, онда тәжірибеші екі түрлі дәрінің дозасын өзгертеді) дейін.
The Neyer d optimal test was described by Barry T. Neyer in 1994. This method has replaced the earlier Bruceton analysis or "Up and Down Test" that was devised by Dixon and Mood in 1948 to allow computation with pencil and paper. Samples are tested at various stimulus levels, and the results (response or no response) noted. The Neyer Test guides the experimenter to pick test levels that provide the maximum amount of information. Unlike previous methods that have been developed, this method requires the use of a computer program to calculate the test levels. Although not directly related to the test method, the likelihood ratio analysis method is often used to analyze the results of tests conducted with the Neyer D Optimal test. The combined test and analysis methods are commonly known as the Neyer Test. Dror and Steinberg (2008) suggest another experimental design method which is more efficient than Neyer's, by enabling the usage of a D optimal design criterion from the outset of the experiment. Furthermore, their method is extended to deal with situations which are not handled by previous algorithms, including extension from fully sequential designs (updating the plan after each observation) to group sequential designs (any partition of the experiment to blocks of numerous observations), from a binary response ("success" or "failure") to any generalized linear model, and from the univariate case to the treatment of multiple predictors (such as designing an experiment to test a response in a medical treatment where the experimenters changes doses of two different drugs).