Faktorikokeilla tarkoitetaan koesuunnitelmaa, jossa koe toistetaan kaikilla faktoreiden tasojen kombninaatioilla.

Transkriptio

1 5. Johdatus faktorikokeisiin 5.1 Taustaa Faktorikokeilla tarkoitetaan koesuunnitelmaa, jossa koe toistetaan kaikilla faktoreiden tasojen kombninaatioilla. Täten, jos faktorilla A on a tasoa ja faktorilla B b tasoa, niin jokainen koetoisto sisältää kaikki ab käsittelykombinaatiot (on myös mahdollista, että toistoja on eri määrät eri käsittelykombinaatioissa). Toistot mahdollistavat faktoreiden yhdysvaikutuksen (interaction) analysoinnin. 1

2 Tekijän omaa vaikutusta vastemuuttujaan sanotaan päävaikutukseksi (main effect). Tämä näkyy muutoksena vastemuuttujassa siirryttäessä tekijän käsittelytasolta toiselle. Tekijöidem välillä on yhdysvaikutusta (interaction), jos vastemuuttujan arvojen muutos ei ole sama kaikilla toisen tekijän tasoilla. 2

3 Esimerkki 5.1: Olkoon tekijät A ja B, molemmilla tasot low ja high. Vastemuuttujan arvot ovat seuraavat: A Low High Average B Low High Average A:n päävaikutus määritellään tasojen keskimääräisenä erotuksena A = = Vastaavasti B:n päävaikutus on Yhdysvaikuts: B = AB = (12 50) (40 20) 2 = 9. = 29. 3

4 Esimerkki 5.2: Jos edellisessä esimerkissä tilanne olisi Päävaikutukset A Low High Average B Low High Average A = = 21 Yhdysvaikutus B = = 11 (52 40) (30 20) AB = 2 eli lähes olematon yhdysvaikutus. = 1/2, 4

5 Tilannetta voidaan havainnollistaa graafisesti. Esimerkissä 5.1: Response B High B Low B Low B High Low Factor A High 5

6 Esimerkissä 5.2: Response B High B Low B High B Low Low Factor A High 6

7 5.2 Faktorikokeiden etuja Perinteisesti kokeet on toteutettu vaihtelemalla yhden tekijän tasoa kerrallaan. Tämä toimii, jos tekijöillä ei ole yhdysvaikutusta. Tässäkin tapauksessa faktorikokeilla voidaan päästä tehokkaampaan lopputulokseen. 7

8 Esimerkki 5.3: Olkoon faktoreiden A ja B tasot jälleen matala (low) ja korkea (high). Peinteisessä yksi-faktori-kerrallaan kokeessa mittaukset thedään kombinaatioilla (A low B low ), (A high B low ) ja (A low B high ), jolloin saadaan A:n efekti (1) A high B low A low B low ja B:n efekti (2) A low B high A low B low. Kahdella toistolla per taso tulee kaikkiaan kuusi koetta. Tässä erikoistapauksessa, jossa ei ole interaktiota, faktorikokeella päästään neljällä kokeella, toteuttamalla vain yksi toisto kaikilla vaihtoehdoilla A low B low, A high B low, A low B high ja A high B high. Näistä saadaan laskettua (1) ja (2) täsmälleen sanamalla tarkkuudella (kaksi toistoa). Faktorikokeen suhteellinen etu on 6/4 = 1.5. Tämä korostuu faktoreiden määrän kasvaessa: suhteellinen etu = 1 (1 + #fact). 2 8

9 Jos tekijöiden välillä on yhdysvaikutusta, saadaan se selville vain faktorikokeen avulla. 9

10 5.3 Kahden tekijän faktorikokeet Faktori A: tasot i = 1,..., a Faktori B: tasot j = 1,..., b Toistoja kussakin solussa A i B j : k = 1,..., n. Vastemuuttuja: y ijk. Havaintoja (toistoja): N = abn. Tilastollinen malli (3) y ijk = μ + τ i + β j + (τβ) ij + ε ijk, jossa μ on yleiskeskiarvo, τ i on faktorin A tason i vaikutus, β j faktorin B tason j vaikutus, (τβ) ij faktororeiden A ja B tasojen i ja j yhdeysvaikutus, ja ε ijk on virhetermi, josta oletetaan (4) ε ijk NID(0, σ 2 ε ), jossa NID tarkoittaa normaalisesti jakatuneita riippumattomia satunnaismuuttujia (Normally and independently distributed). 10

11 Molemmat faktorit oletetaan kiinteiksi (ei-satunnaisiksi). Lisäksi: (5) (6) ja a i=1 b j=1 τ i = 0, β j = 0 (7) a i=1 (τβ) ij = b j=1 (τβ) ij = 0. Huom. 5.1: (τβ) ij on yhdysvaikutuksen symboli, ei τ:n ja β:n tulo. Täten parametrien arvot kuvaavat poikkeamia yleiskeskiarvosta. 11

12 Huom. 5.2: Kirjoittamalla (8) y ijk = μ ij + ε ijk jossa μ ij on solukeskiarvo. Mallissa (3) μ ij parametrisoidaan (9) μ ij = μ + τ i + β j + (τβ) ijk 12

13 Testattavat hypoteesit: Equality of row treatment (10) H 0 : τ 1 = = τ a = 0 H 1 : jokin τ i = 0. Equality of column treatment (11) No interaction (12) H 0 : β 1 = = β b = 0 H 1 : jokin β j = 0. H 0 : (τβ) ij = 0 kaikilla i, j H 1 : jokin (τβ) ij = 0. 13

14 Perinteisesti havaintoaineisto on esitetty taulukkomuodossa esimerkiksi seuraavasti: Factor B 1 2 b 1 y 111, y 112, y 121, y 122, y 1b1, y 1b2,..., y 11n,..., y 12n,..., y 1bn 2 y 211, y 112, y 221, y 222, y 2b1, y 2b2, Factor A..., y 21n,..., y 22n,..., y 2bn. a y a11, y a12, y a21, y a22, y ab1, y ab2,..., y a1n,..., y a2n,..., y abn 14

15 Keskiarvot: Yleiskeskiarvo (13) y... = 1 N faktori A, taso i a b n i=1 j=1 k=1 y ijk, (14) y i.. = 1 an faktori B, taso j (15) y.j. = 1 bn solu i, j b j=1 a i=1 n k n k y ijk, y ijk, (16) y ij. = 1 n n k=1 y ijk. 15

16 Havainnon poikkeama yleiskeskiarvosta voidaan esittää muodossa: (17) y ijk y... = ( y i.. y... ) + ( y.j. y... ) +( y ij. y i.. y.j. + y... ) +( y ijk y ij. ) Korottamalla toiseen ja summaamalla, voidaan osoittaa, että pätee (18) a b i=1 j=1 k=1 n (y ijk y... ) 2 = bn +n + a ( y i.. y... ) 2 + an i=1 a i=1 j=1 a b i=1 j=1 k=1 b ( y.j. y... ) 2 j=1 b ( y ij. y i.. y.j. + y... ) 2 n ( y ijk y ij. ) 2 eli neliösummahajotelma (19) SS tot = SS A + SS B + SS AB + SS err. 16

17 Varianssitaulu: Source SS df MS F A main SS A a 1 MS A MS A MS err B main SS B b 1 MS B MS B MS err AB interact SS AB (a 1)(b 1) MS AB MS AB MS err Error SS err ab(n 1) MS err Total SS tot abn a jossa esimerkiksi (20) MS A = SS A a 1 ja (21) F = MS A MS err on testisuure hypoteesin (10) testaamiseksi, osoittajan vapausasteilla df A = a 1 ja nimittäjän vapausasteilla df err = ab(n 1). 17

18 Mallin (3) parametrien estimaattorit: (22) ˆμ = y..., (23) ˆτ i = y i.. y.., (24) ˆβ j = y.j. y... ja (25) ( ˆτβ) ij = y ij. y i.. y.j. + y.. Ennustearvo (sovite [fitted value]): (26) ˆy ijk = ˆμ + ˆτ i + ˆβ j + ( ˆτβ) ij, joka redusoituu solukeskiarvoksi (27) ˆy ijk = y ij. Residuaali: (28) e ijk = y ijk ˆy ijk = y ijk y ij. 18

19 Esimerkki 5.4: Use of statistical experimental design for robust product design. Lämmön ja valmistusmateriaalin vaikutus sähköpatterin kestoon (y: patterin kesto tunteina). Valmistusmateriaali on kontrolloitavissa, mutta käyttölämpötila, jossa pattereita tullaan käyttämään ei. Valmistusmateriaalia on kolmea eri tyyppiä. Suunnitteluinsinööri päättää testata materiaaleja kolmessa eri lämötilassa: 10C, 20C ja 50C. Temperature (Celsius) Material 10C 20C 50C Tässä a = 3, b = 3 ja n = 4. 19

20 Kysymyksiä: Materiaalin ja lämpötilan vaikutus kestoon? Löytyykö materiaalia, josta saadaan pitkäkestoinen patteri kaikissa lämpötiloissa? 20

21 Koe on toteutettu täysin satunnaistettuna kokeena, jossa kokeet eri materiaali/lämpötila kombinaatioissa on suoritettu täysin satunnaisessa järjestyksessä. Analyysi palautuu keskiarvojen vertailuihin (ryhmäkeskiarvojen poikkeamat yleiskeskiarvosta). Mallissa (3) τ i määritellään kuvaamaan materiaalin vaikutusta ja β j lämpötilan vaikutusta. 21

22 Average battery lives (material type - temperature) Life (hours) C 20C 50C Material Material Material Temperature Yllä olevan kuvion perusteella materiaali 3 näyttäisi tuottavan kestoltaan parhaat patterit. Kuvion perusteella on havaittavissa myös jonkinasteista interaktiota. Formaalisti vaikutuksia voidaan testata varianssitaulun F -testeillä. 22

23 SAS:lla toteutettuna saadaan tulokset: data batterylife; input A B label y = "Battery life (hours)"; label A = "Material"; label B = "Temperature (Celsius)"; datalines; ; run; Title "Battery life data"; proc glm data = batterylife; class a b; model y = A B A*B; output out = battery_res p = yhat r = resid student = sres; run; 23

24 Battery life data The GLM Procedure Dependent Variable: y Battery life (hours) Sum of Source DF Squares Mean Square F Value Pr > F Model <.0001 Error Corrected Total R-Square Coeff Var Root MSE y Mean Source DF Type III SS Mean Square F Value Pr > F A B <.0001 A*B Sekä päävaikutukset että yhdysvaikutus ovat tilastollisesti merkitseviä. Huom. 5.3: Selitysaste (29) R 2 = SS model SS total =

25 Jäännöstarkastelut [Mallin riittävyystarkastelut] Jälleen, jos kaikki systemaattinen vaihtelu havainnoissa selittyy sovitetulla faktorimallilla, tulee residuaalien (28) olla puhtaasti satunnaisvaihtelua [lisäksi normaalisti jakautunutta oletuksen (4) mukaan]. Normaalisuuskuviolla (normal probability plot) voidaan tarkastella normaalisuutta. 25

26 Esimerkki 5.5: Patterien kestoaineisto: Kaksi residuaalia on jossain määrin poikkeavia, muuten normaalisuus ja vaihtelun homogeenisuus näyttäisi olevan kunnossa. 26

27 Kuviot on tuotettu SAS-komennoilla: proc gplot data = battery_res; axis1 label = ( Studentized justufy = right residuals ) order = (-3 to 3 by 1) minor = none; axis2 label = ( Material ) minor = none offset = (1cm, 1cm); axis3 label = ( Temperature ) minor = none order = (-10 to 50 by 30) offset = (1cm, 1cm); symbol1 value = dot height = 2; Title2 "Residuals (Studentized) vs Fitted Values (yhat)"; plot sres*yhat /haxis = 40 to 160 by 20 hminor = 1 vaxis = axis1 vref = 0; run; Title2 "Residuals (Studentized) vs Material (Factor A)"; plot sres*a / haxis = axis2 vaxis = axis1 vref = 0; run; Title2 "Residuals (Studentized) vs Temperature (Factor B)"; plot sres*b / haxis = axis3 hminor = 0 vaxis = axis1 vref = 0; run; quit; ods select TestForNormality MyNormalPlot; proc univariate data = battery_res normaltest; Title2 "Normal Probability Plot of Residual"; var resid; probplot resid / normal (mu = est sigma = est) square name = "MyNormalPlot"; run; 27

28 Huom. 5.4: Yllä on tarkasteltu vain balansoitua koetta, jossa jokaisessa faktoritason kombinaation muodostamassa solussa on n havaintoa. Jos havaintoja on eri määrät, sanotaan koetta eibalansoiduksi (unbalanced). Havaintojen kokonaismäärä N = a i=1 b j=1 n ij, jossa n ij on solun i, j toistojen määrä. Tällöin koe ei ole enää ortogonaalinen ja käytetään tyypin III neliösummia. Esimerkki 5.6: 2 2 (2 2 ) unbalanced full factorial design: B A

29 SAS-solution: options ls = 80; data unbalanced; input a $ b $ y; datalines; a1 b1 12 a1 b1 14 a1 b2 20 a1 b2 18 a2 b1 11 a2 b1 9 a2 b2 17 ; run; Title "Unbalanced full factorial"; proc glm data = unbalanced; class a b; model y = a b a*b; run; 29

30 Unbalanced full factorial The GLM Procedure Class Level Information Class Levels Values a 2 a1 a2 b 2 b1 b2 Number of Observations Read 7 Number of Observations Used 7 Dependent Variable: y Sum of Source DF Squares Mean Square F Value Pr > F Model Error Corrected Total R-Square Coeff Var Root MSE y Mean Source DF Type I SS Mean Square F Value Pr > F a b a*b Source DF Type III SS Mean Square F Value Pr > F a b a*b

31 Ylin taulukko kertoo, että solukeskiarvot poikkeavat tilastollisesti merkitsevästi toisistaan. Type III tulosten perusteella yhdysvaikutuksella eikä faktorin A päävaikutuksella (main effect)ole tilastolliesti merkitsevää vaikutusta keskiarvoihin. Type I neliösummien perusteella faktorin A tilastollinen merkitsevyys on 5%:n rajoilla. Ainoa tilastollisesti merkitsevä tekijä on faktori B, eli keskiarvoit poikkeavat tilastollisesti merkitsevästi vain B:n luokissa. 31

32 5.3 Yleinen faktorikoe Kahden faktorin koe yleistyy ottamalla mukaan uesampia faktoreita: Faktori A, a tasoa; faktori B, b tasoa, faktori C, c tasoa, jne. Balansoidussa yleisessä faktorikokeessa on n toistoa jokaisessa solussa. Täten havaintojen kokonaismäärä esimerkiksi kolmen faktorin kokeessa on N = abcn kappaletta. 32

33 Kolmen faktorin koe: Tilastollinen malli y ijkl = μ + τ i + β j + γ k (30) +(τβ) ij + (τγ) ik + (βγ) jk +(τβγ) ijk + ε ijkl, jossa ensimmäisen asteen termit τ i, β j ja γ k ovat päävaikutustermejä (main effects), (τβ) ij, (τγ) ik ja (βγ) jk ovat toisen asteen yhdysvaikutustermejä (second order interaction) ja (τβγ) ijk muodostaa kolmannen asteen (third order term) termin, i = 1,..., a, j = 1,..., b, k = 1,..., c ja l = 1,..., n. 33

34 Varianssitaulu: Source SS df MS F A SS A a 1 MS A F = MS A MS err B SS B b 1 MS A F = MS B MS err C SS C c 1 MS C F = MS C MS err AB SS AB (a 1)(b 1) MS AB F = MS AB MS err AC SS AC (a 1)(c 1) MS AC F = MS AC MS err BC SS BC (b 1)(c 1) MS BC F = MS BC MS err ABC SS ABC (a 1)(b 1)(c 1) MS ABC F = MS ABC MS err Error SS A abc(n 1) MS err Total SS A abcn 1 34

35 Esimerkki 5.7: Virkistysjuomapullojen täyttöaste. Kontrolloitavat tekijät: A hiilihapon määrä (prosentteina), B täyttöpaine, C nopeus (pulloja minuutissa). y poikkeama tavoitetäyttöasteesta. Toistoja n = 2. ================================================================ Tayttopaine (B) psi 30 psi liukuhihnan nopeus (C) liukuhihnan nopeus (C) Hiilihappo (A) ================================================================ 35

36 SAS proc glm options ls = 80; data softdrink; input A B C label A = "Percentage of carbonation" B = "Operating pressure" C = "Line speed"; datalines; ; run; proc glm data = softdrink; class A B C; model y = A B C; run; 36

37 SAS tulokset Class Level Information Class Levels Values A B C Number of Observations 24 The GLM Procedure Dependent Variable: y Sum of Source DF Squares Mean Square F Value Pr > F Model <.0001 Error Total R-Square Coeff Var Root MSE y Mean Source DF Type III SS Mean Square F Value Pr > F A <.0001 B <.0001 A*B C A*C B*C A*B*C

38 Käytännöllisesti katsoen päävaikutukset ovat vain tilastollisesti merkitseviä. F -testisuureen perusteella hiilihapon (A) määrällä näyttäisi olevan suurin vaikutus. Tämä näkyy myös havaintoaineistosta. Graafinen esitys valaisee tilannetta. Carbonation effect on fill deviation Operating pressure effect on fill deviation Average fill deviation 4 2 Average fill deviation psi 30 psi Fill deviation Percent carbonation (A) Fill deviation Operating pressure (B) Line speed effect on fill deviation 8 6 Average fill deviation Fill deviation Line speed (C) 38

39 5.4 Lohkominen faktorikoeissa Tähän astisissa kokeissa on toteutettu täysi satunnaistaminen. Joskus on huomioitavia taustatekijät joita ei voida kontrolloida (nuisance factors). Tällöin turvaudutaan lohkomiseen (blocking) ja satunnaistaminen toteutetaan lohkojen sisällä. 39

40 Olkoon faktorit A ja B ja lohkot siten, että kussakin lohkossa on mahdollista tehdä ab koetta. Jos lohkoja (esim. raaka-aine-eriä) on n kappaletta, havaintojen kokonaismäärä on N = abn ja tilastollinen malli on muotoa (31) y ijk = μ + τ i + β j + (τβ) ij + δ k + ε ijk. jossa δ k on lohkon k vaikutus. Huom. 5.5: Lohkot muodostavat tässä tekijän C, joten virhetermiin absorboituu yhdysvaikutusterimt (τδ) ik, (βδ) jk ja (τβδ) ijk. Huom. 5.6: Samalla periaatteella voidaan soveltaa (yleisiä) latinalaisia neliöitä useampien lohkomuuttujien tapauksissa. 40