有些实验设计平台支持您向设计添加中心点（对于连续因子）、重复试验或完整重复的设计。以下是与添加设计点相关的一些背景介绍。
连续因子的中心点支持您检验因非线性效应引起的失拟，检验失拟可帮助您确定误差方差估计值是否因缺失模型项而膨胀，所以这可能是在试验上的一项明智投资。
您可以只在中心点重复试验，也可以重复其他设计试验。JMP 使用重复试验来构造独立于模型的误差估计值（纯误差估计值）。这个纯误差估计值支持您检验失拟。
请注意，中心点无法帮助您获取关于模型效应的更精确的估计值。这些点支持您检验是否存在曲率，但并不确定是哪个非线性效应导致出现曲率。
要标识曲率来源，您必须设置连续因子至少有三个水平。确定性筛选设计是三水平设计，该设计能够检测和标识对响应造成强非线性效应的所有因子。请参见确定性筛选设计。
若您的试验预算允许，您可以重复试验或是在设计空间内以最佳方式分配新试验。添加重复试验可提高某些估计值的精确性，并改善失拟检验的能力。不过，对于给定试验次数的预算，使用重复试验通常会降低设计估计模型效应的能力。您无法通过在设计空间内以最佳方式分布试验来估计尽可能多的项。
在构造设计的实验时，通常要求试验次数尽量少并且与实验目标保持一致。但若是试验次数过少，则只能检测极大的效应。例如，对于给定的效应，t 检验统计量是响应均值的变化与响应均值标准误差之比。若只有一个误差自由度 (df)，则检验临界值将超过 12。所以，要让这种近乎饱和的设计检测某个效应，该临界值必须极大。
您观察到失拟检验也有类似情况发生。该检验检测失拟的能力取决于分子与分母中的自由度。若每种仅有 1 个自由度，则您需要 F 值超过 150 才能声明在 0.05 水平下显著。若每种有 2 个自由度，则 F 值必须超过 19。为了使检验在第二种情况下显著，失拟均方必须是纯误差均方的 19 倍。此外，失拟检验对离群值也很敏感。
有关“失拟”检验的详细信息，请参见《拟合线性模型》中的失拟。
在工业应用中，每次试验的成本往往都极高，所以有必要将试验次数降至最低。要估计所关注的固定效应，您只需要与模型中项数一样多的试验次数。要确定效应是否活跃，您需要对误差方差进行合理估计。除非您已对该方差进行了合理估计，否则请考虑在估计模型项所需的试验次数基础上至少添加 4 次试验。