本研究室近期主要的研究方向:
(1) 複因子試驗(factorial experiments)之研究
複因子試驗之直交設計,無論是在生物試驗,或工業產品研發過程已廣泛的被使用。主要研究直交設計(orthogonal designs)的建構(construction)理論及演繹法(algorithm)。對於非直交(non-orthogonal)但具有高效率(efficiency)的複因子設計亦有探討。另外,提出了一個新的統計方法來檢定影響反應變數(response)之變異性的分散效應(dispersion effects)。並且探討複因子試驗用以估計分散效應的最適性(optimality)。近期則研究部份重複複因子試驗設計的最適性及建構議題。
(2) 良率區間估計(interval estimation for conformance proportions)之研究
良率之區間估計常被用於生態環境管控,生物相等性(bioequivalence) ,工業產製過程品質管制,甚至動植物育種上亦有使用。但是良率之區間估計以往僅止於簡單的分佈,主要的研究將建構方法推展到更廣義的分佈,研究成果非常符合實際的應用。近期則將良率之區間估計用於基改作物(GM crops)安全性評估(safety assessment)。
(3) 作物基因體選拔(Genomic selection)統計方法之研究
作物基因體選拔主要的步驟為針對訓練族群 (training population)的外表型性狀資料(continuous, ordinal, categorical data)和基因型資料(SNP markers data),建立基因體選拔模型 (Genomic Selection model (GS model));再由得到的基因體選拔模型去預測候選族群(test population)之每一個individual的育種價(GEBV,genomic estimated breeding value),最終依據GEBV值來執行品種選拔。其中涉及不同 large-p-small-n 資料分析,本研究室近期有針對重要SNP markers的搜尋及訓練族群的決定,提出新的方法。