本書作為仿真實驗設計方法研究的入門指南，以高度凝練的方式概述了仿真實驗設計與分析技術的主要內容，其最大特點是提供了內容豐富的參考文獻，讀者可以按圖索驥，逐漸了解仿真實驗設計方法的歷史發展脈絡和實際應用的最新趨勢，便于結合工作實際開展有針對性的理論研究和應用。
本書可以作為仿真實驗工程人員和系統仿真專業高年級本科生和研究生的指導手冊和入門教材，也適合作為相關科技人員的參考資料。
《仿真實驗設計與分析》是一本關于仿真實驗設計與分析（DASE）中涉及的統計方法的說明性教科書，主要研究離散事件仿真領域（如排隊和倉儲仿真）中的DASE問題，同時也討論了確定性仿真領域（如工程和物理仿真）中的DASE問題。書中介紹了經典和現代統計設計方法，其中經典設計方法（如部分因子設計）假設具有少數幾個水平的少數因子的情況，這類仿真實驗的輸入輸出數據通常利用由低階多項式代表的線性回歸（元）模型來分析；而現代設計方法通常包含多個因子，每個因子又可以有多個水平，這類設計方法有組篩選設計（如順序分支法）和空間填充設計（如拉丁超立方體設計）。對于現代設計方法的輸入輸出數據，低階多項式可以用于處理組篩選設計，各種元模型（如Krigirlg元模型）可以用于處理拉丁超立方體設計。 按照這種方式，《仿真實驗設計與分析》為如何選取仿真想定及其數據處理方法提供了相對簡單的解決方案。 《仿真實驗設計與分析》還涉及用于處理計算昂貴仿真的方法，但是只討論了與戰略問題密切相關的戰術問題。換言之，書中僅討論了運行時間和各種方差縮減技術。 離散事件仿真領域的主要教科書很少關注仿真的
第1章 引言 1
1.1 什么是仿真 1
1.2 什么是DASE 6
1.3 DASE的符號和術語 8
1.4 習題解答 11
第2章 低階多項式回歸元模型及其設計：基本原理 12
2.1 簡介 12
2.2 線性回歸分析：基礎理論 15
2.3 線性回歸分析：一階多項式 21
2.3.1 單因子一階多項式 21
2.3.2 多因子一階多項式 22
2.4 用于一階多項式的分辨率Ⅲ設計 29
2.4.1 分辨率為Ⅲ的2k-p設計 29
2.4.2 分辨率為Ⅲ的PlackettBurman設計 31
2.5 回歸分析：因子交互作用 32
2.6 兩因子交互效應的設計方法：分辨率Ⅳ設計 34
2.7 兩因子交互效應設計方法：分辨率Ⅴ設計 37
2.8 回歸分析：二階多項式 40
2.9 二階多項式設計：中心復合設計（CCD） 40
2.10 最優設計和其他設計 42
2.11 元模型驗證 43
2.11.1 決定系數和相關系數 44
2.11.2 交叉驗證 46
2.12 更多仿真應用 51
2.13 本章小結 53
2.14 附錄：名義因子的編碼 54
2.15 習題解答 56
第3章 經典假設回顧 59
3.1 簡介 59
3.2 多元仿真輸出 60
3.2.1 多元仿真輸出設計 62
3.3 非正態仿真輸出 62
3.3.1 正態分布假設的真實性 63
3.3.2 檢驗正態分布假設 64
3.3.3 仿真輸入輸出數據的變換， 折疊法和多步法 64
3.4 非齊次方差仿真輸出 69
3.4.1 方差一致假設的真實性 70
3.4.2 常數方差的檢驗 70
3.4.3 方差穩定變換 71
3.4.4 非齊次方差條件下的最小二乘估計 71
3.4.5 非齊次方差條件下的設計 73
3.5 公共隨機數 74
3.5.1 公共隨機數假設的真實性 75
3.5.2 可供使用的分析方法 75
3.5.3 在公共隨機數情況下的設計 77
3.6 無效低階多項式元模型 77
3.6.1 檢驗元模型的有效性 78
3.6.2 回歸自變量和因變量的變換 78
3.6.3 在低階多項式模型中加上高階項 79
3.6.4 非線性元模型 79
3.7 本章小結 79
3.8 習題解答 80
第4章 仿真優化 81
4.1 簡介 81
4.2 響應面方法：經典變量 84
4.3 廣義響應面方法：多輸出和限制條件 88
4.4 檢驗估計最優：KKT條件 92
4.5 風險分析 97
4.5.1 拉丁超立方體采樣 100
4.6 穩健優化：Taguchian方法 103
4.6.1 案例研究：愛立信供應鏈 106
4.7 本章小結 108
4.8 習題解答 108
第5章 Kriging元模型 109
5.1 簡介 109
5.2 Kriging基礎 110
5.3 Kriging的最新成果 115
5.4 Kriging設計 116
5.4.1 隨機仿真中的預測量方差 118
5.4.2 確定性仿真中的預估量方差 119
5.4.3 相關設計方法 120
5.5 本章小結 121
5.6 習題解答 122
第6章 篩選設計 123
6.1 簡介 123
6.2 順序分支法 125
6.2.1 最簡單SB方法概述 125
6.2.2 最簡單SB方法的數學描述 129
6.2.3 案例研究：愛立信供應鏈 130
6.2.4 兩因子交互作用的SB方法 132
6.3 本章小結 134
6.4 習題解答 134
第7章 結束語 135
參考文獻 137
中英文術語對照 171
為便于行文，本書需要定義一些符號和術語，因為DAsE是一種將數理統計和線性代數理論綜合應用于確定性和隨機仿真模型的實驗，這些模型涉及從社會學到天文學的多個學科領域。可以參考Karplus在1983年發表的一篇關于仿真應用譜系的經典論文（文獻[173]）。
在確定本書所用符號體系時遇到了一個困難。因為數學家通常使用大寫字母表示矩陣，而統計學家習慣使用大寫字母代表隨機變量。為一致起見，本書中使用E表示回歸模型中的誤差項，用X表示矩陣中的說明變量。文獻[191]中確實使用了這些符號，但是這種符號過于正統。因此本書將遵循其他多數仿真和回歸分析領域學者的習慣，即不總是使用大寫字母表示隨機變量，讀者可以根據上下文推斷變量是否是隨機的。本書使用粗黑體表示矩陣和向量。當感覺讀者可能被誤導的時候，書中會明確注明特定變量的隨機性。例如，第3章中將使用仿真響應的協方差矩陣來論述廣義最小二乘法（GLS），該仿真響應在實際情況中是估計的，這個估計矩陣將產生統計問題，因此需要明確論述。
此外，當需要的時候，書中會使用“大帽子”（替換小帽子）。例如，式（3.14a）中一些標記在這個“帽子”
新書資訊