?

使用Stat-Ease 360对您的产品和流程进行突破性改进。这个“Pro”版本通过高蹬酌户的指令职能加强了Design-Expert软件。利用使Design-Expert成为同类梦想尝试设计的一样简化工作流程
，运行推算机尝试或想要执行Python剧本的技术人员此刻能够利用全数新职能
？占涮畛渖杓啤⒏咚构棠Ｐ汀ython剧本和新的逻辑分类节点使Stat-Ease 360成为更强的Design-Expert版本！

?

2022版增长了自界说图表
，多响应分析提要、将块分析为随机效应的能力
，以及用于急剧传输数据的轻便导入/导出Excel文件。

?

Stat-Ease 360使利用强的多成分测试工具变得很轻便。

?

Python集成

创建与Stat-Ease 360交互的Python剧本。利用整个Python生态系统来可视化、分析和利用您的数据。

?

?

空间填充设计：拉丁超立方体和梦想距离

这些设计拥有好多梦想的个性
，使它们成为推算机尝试的梦想选择。

?

?

Excel导入/导出

应公共需要增长。用户此刻能够直接在 Stat-Ease 360?? 和 Microsoft Excel 之间导入和导出数据和设计文件
，以实现无缝转换。

?

?

22.0 中的新职能：分析提要

新的Analysis Summary使用更多模型拟合统计信息扩大了以前的系数表。轻松查看所有响应的p值、R方、模型方程等。

?

?

22.0 中的新职能：自界说图表

图形列节点已升级为自界说图形。您此刻能够绘造预测值和残差等分析数据
，还能够按大幼和符号分辨点。

?

?

此刻可用：托管网络许可

一个新的许可选项可用于在statease.com上托管网络许可。这使您能够在多个设备上运行该软件
，而无需本地许可服务器
，从而减低DIY软件部署和治理的成本。

?

?

更新：

• Excel导入/导出（只限Stat-Ease 360）
• 您此刻能够直接从Excel文件导入设计数据。您还能够将设计导出到Excel文件。

?

随机块（只限Stat-Ease 360）

使用块能够使用新的分析选项
，将它们视为随机而不是固定块分析。当模型预测将在尝试中不存在的块的新级别进行时
，随机块更相宜。例如
，若是您按天阻止。

?

?

【英文介绍】

?

Design of Experiments (DOE) Made Powerful

Make breakthrough improvements to your product and process with Stat-Ease 360. This "pro" version augments Design-Expert software with commanding features for advanced users.?Capitalizing on the same streamlined workflow that makes Design-Expert best-in-class for design of experiments, technical professionals who are running computer experiments or want to implement Python scripting can now take advantage of all new functionality.?Space-filling designs, Gaussian process models, Python scripting, and a new logistic classification node make Stat-Ease 360 a more powerful version of Design-Expert!

?

The 2022 Release adds Custom Graphs, a multi-response Analysis Summary, the ability to analyze blocks as random effects, and a simple Import/Export of Excel files for quick transfer of data.

?

Stat-Ease 360 makes it incredibly easy to apply powerful multifactor testing tools.?

?

Python Integration

Create Python scripts that interact with Stat-Ease 360. Make use of the entire Python ecosystem to visualize, analyze, and make the most of your data.

?

Gaussian Process Models

Analyze deterministic responses such as those from computer experiments with Gaussian process models.

?

Space-Filling Designs: Latin Hypercube & Optimal Distance

These designs have many desirable properties that make them ideal for computer experiments.