Abstract
本篇論文所探討的主題是：如何在模擬實驗中之不同實驗點間安排虛擬亂數，以降低所要估計因子效果的變異，提高估計的效率。針對一階再次模式(first-order metamodel)，已有許多文獻探討虛擬亂數指派策略，而且已有實驗證明採2^k完全因子實驗設計，在A-最佳化與D-最佳化評價標準(A-optimal and D-optimal criteria)之下，多重區集法(MultipleBlocks)在絕大多數情況都優於其他虛擬亂數指派策略。但在二階再次模式(second-order or quadratic metamodel)下，據我們所知，尚未有一個適用性的一般化結果。Song and Su[1995b]提出之最多區集法(Maximum Blocks)，是一個延伸多重區集法概念至二階再次模式下的虛擬亂數指派策略，但並未提供具說服性的證明以證實其一般的適用性。我們認為在這一方面，值得做更深入的探討。因此本論文除了做各種一階與二階再次模式下的虛擬亂數指派策略的整理與比較之外，特別針對最多區集法做深入分析。本文證明在A-最佳化與D-最佳化評價標準下，採 3^k完全因子實驗設計時，在絕大多數情況都優於其他適用於二階再次模式下的虛擬亂數指派策略。本文共分五章：第一章緒論；第二章各種評價標準；第三章虛擬亂數指派策略文獻探討；第四章最多區集法；第五章結論與後續研究方向。