Osafaktorikokeet. Heliövaara 1

Samankaltaiset tiedostot
Osafaktorikokeet. Kurssipalautetta voi antaa Oodissa Kuusinen/Heliövaara 1

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1

Kertausluento. Vilkkumaa / Kuusinen 1

nopeasti täydessä toteutuksessa (complete replicate).

Koesuunnittelu 2 k -faktorikokeet. TKK (c) Ilkka Mellin (2005) 1

8. Osittaiset 2 k faktorikokeet. Niinpä, jos voidaan olettaa, että korekeamman

Lohkotekijät muodostuvat faktoreista, joiden suhteen ei voida tehdä (täydellistä) satunnaistamista.

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

Lohkoasetelmat. Heliövaara 1

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

Keskipisteen lisääminen 2 k -faktorikokeeseen (ks. Montgomery 9-6)

Kaksisuuntainen varianssianalyysi. Heliövaara 1

Lohkoasetelmat. Vilkkumaa / Kuusinen 1

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)

proc glm data = ex61; Title2 "Aliasing Structure of the 2_IV^(5-1) design"; model y = A B C D E /Aliasing; run; quit;

Vastepintamenetelmä. Kuusinen/Heliövaara 1

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt: Mitä opimme? Latinalaiset neliöt

Lähtökohta: k faktoria, kullakin kaksi tasoa ("high", "low"). tulee katettua (complete replicate). Havaintojen

Hierarkkiset koeasetelmat. Heliövaara 1

6. 2 k faktorikokeet. Lähtökohta: k faktoria, kullakin kaksi tasoa ("high", "low"). määrä per faktoritasokombinaatio (balansoidussa)kokeessa.

DESIGN OF EXPERIMENTS -MENETELMÄ TUOTEKEHITYSTESTAUKSEN TYÖKALUNA

Vastepintamenetelmä. Vilkkumaa / Kuusinen 1

Vastepintamenetelmä. Heliövaara 1

tilastotieteen kertaus

Kaksisuuntainen varianssianalyysi. Vilkkumaa / Kuusinen 1

6. 2 k faktorikokeet. Lähtökohta: k faktoria, kullakin kaksi tasoa ("high", "low"). määrä per faktoritasokombinaatio (balansoidussa)kokeessa.

Sovellettu todennäköisyyslaskenta B

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

Regressioanalyysi. Kuusinen/Heliövaara 1

Poimi yrityksistä i) neljän, ii) kymmenen suuruinen otos. a) yksinkertaisella satunnaisotannalla palauttaen, b) systemaattisella otannalla

Yhden selittäjän lineaarinen regressiomalli (jatkoa) Ensi viikolla ei pidetä luentoa eikä harjoituksia. Heliövaara 1

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)

Lohkoasetelmat. Kuusinen/Heliövaara 1

Koesuunnittelu Vastepintamenetelmä. TKK (c) Ilkka Mellin (2005) 1

Tilastollinen aineisto Luottamusväli

Lukumäärän laskeminen 1/7 Sisältö ESITIEDOT:

811120P Diskreetit rakenteet

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

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

Johdatus matematiikkaan

Useampisuuntainen varianssianalyysi. Useampisuuntainen varianssianalyysi. Useampisuuntainen varianssianalyysi

8. Osittaiset 2 k faktorikokeet. Niinpä, jos voidaan olettaa, että korekeamman

Estimointi. Vilkkumaa / Kuusinen 1

Identifiointiprosessi

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Esitetään tehtävälle kaksi hieman erilaista ratkaisua. Ratkaisutapa 1. Lähdetään sieventämään epäyhtälön vasenta puolta:

pitkittäisaineistoissa

5. Johdatus faktorikokeisiin. Tekijän omaa vaikutusta vastemuuttujaan sanotaan. 5.1 Taustaa

805306A Johdatus monimuuttujamenetelmiin, 5 op

5. Johdatus faktorikokeisiin. Tekijän omaa vaikutusta vastemuuttujaan sanotaan. 5.1 Taustaa

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

VARIANSSIANALYYSI ANALYSIS OF VARIANCE

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Simuloinnin strategisia kysymyksiä

isomeerejä yhteensä yhdeksän kappaletta.

TIEA241 Automaatit ja kieliopit, kevät 2011 (IV) Antti-Juhani Kaijanaho. 19. tammikuuta 2012

Simuloinnin strategisia kysymyksiä

a) Mitkä seuraavista ovat samassa ekvivalenssiluokassa kuin (3, 8), eli kuuluvat joukkoon

11. laskuharjoituskierros, vko 15, ratkaisut

Relevanttien sivujen etsintä verkosta: satunnaiskulut verkossa Linkkikeskukset ja auktoriteetit (hubs and authorities) -algoritmi

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

/1. MTTTP1, luento Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

811120P Diskreetit rakenteet

4 Yleinen potenssifunktio ja polynomifunktio

Tekijä Pitkä Matematiikka 11 ratkaisut luku 2

Mat Tilastollisen analyysin perusteet, kevät 2007

2 2 -faktorikokeen määritelmä

/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

Otannasta ja mittaamisesta

Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden

Mat Tilastollisen analyysin perusteet, kevät 2007

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

Mat Tilastollisen analyysin perusteet, kevät 2007

pitkittäisaineistoissa

Järvi 1 Valkjärvi. Järvi 2 Sysijärvi

Johdatus regressioanalyysiin. Heliövaara 1

Harjoitustyön testaus. Juha Taina

Mat Tilastollisen analyysin perusteet, kevät 2007

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1

Lukion matematiikkakilpailun alkukilpailu 2015

805306A Johdatus monimuuttujamenetelmiin, 5 op

Kolmannen ja neljännen asteen yhtälöistä

Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4

( 3) ( 5) ( 7) ( 2) ( 6) ( 4) Pyramidi 3 Analyyttinen geometria tehtävien ratkaisut sivu 105 Päivitetty

Mat Tilastollisen analyysin perusteet, kevät 2007


Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

7.4 Normaalijakauma (kertausta ja täydennystä) Taulukosta P(Z 1,6449) = 0,05, P(Z -1,6449) = 0,05 P(Z 1,96) = 0,025, P(Z -1,96) = 0,025

[a] ={b 2 A : a b}. Ekvivalenssiluokkien joukko

Transkriptio:

Osafaktorikokeet Heliövaara 1

Osafaktorikokeet Kun faktorien määrä 2 k -faktorikokeessa kasvaa, tarvittavien havaintojen määrä voi ylittää kokeentekijän resurssit. Myös estimoitavien korkean asteen yhdysvaikutustermien määrä kasvaa ja suurin osa havainnoista käytetään näiden termien estimointiin. Korkean asteen yhdysvaikutustermit ovat kuitenkin harvoin merkityksellisiä. Heliövaara 2

Esimerkki 2 6 -faktorikokeessa poimitaan 64 havaintoa ja mallilla on 63 vapausastetta - 6 vapausastetta liittyy päävaikutuksiin - 15 vapausastetta liittyy kahden faktorin yhdysvaikutuksiin - 42 vapausastetta liittyy kolmen tai useamman faktorin yhdysvaikutuksiin Heliövaara 3

Osafaktorikokeet Jos voidaan olettaa että tietyt korkeamman asteen yhdysvaikutukset ovat merkityksettömiä, on kiinnostavien vaikutusten selvittäminen mahdollista koesuunnitelmalla, jossa poimitaan vain osa 2 k havainnosta Tällaista koesuunnitelmaa kutsutaan osafaktorikokeeksi (engl. fractional factorial experiment) Tarvittavien havaintojen määrä voi olla 1/2, 1/4, 1/8, jne. täyden 2 k -kokeen havinnoista, eli 2 k p havaintoa Heliövaara 4

Osafaktorikokeet Osafaktorikokeiden pääasiallinen käyttötarkoitus on seulontakokeet Niissä tutkitaan suurta määrää faktoreita ja pyrkimyksenä on tunnistaa ne joiden vaikutus vasteeseen on suuri Seulontakokeita käytetään kokeellisen tutkimuksen alkuvaiheessa Myöhemmässä vaiheessa merkityksellisiä faktoreita voidaan tutkia tarkemmin uusilla koejärjestelyillä Heliövaara 5

2 k 1 -osafaktorikokeet Heliövaara 6

2 k 1 -osafaktorikokeet 2 k 1 -osafaktorikokeissa poimitaan puolet täyden 2 k -faktorikokeen havainnoista Poimittavat havainnot valitaan siten, että saadusta datasta voidaan estimoida mahdollisimman hyvin päävaikutukset ja matalan asteen yhdysvaikutukset Heliövaara 7

2 k 1 -Osafaktorikoesuunnitelman muodostaminen 2 k 1 -osafaktorikoesuunnitelma voidaan muodostaa seuraavasti: 1. Muodostetaan täysi faktorikoesuunnitelma joillekin (k 1):lle faktorille 2. Asetetaan k:nnen faktorin tasoiksi kussakin havainnossa sama kuin on korkeimman asteen yhdysvaikutuksen ABC (K 1) merkki: K = ABC (K 1) Tällä menetelmällä saadaan korkeimman mahdollisen resoluution 2 k 1 -osafaktorikoesuunnitelma Saman resoluution koesuunnitelma saadaan myös asettamalla K = ABC (K 1) Heliövaara 8

Esimerkki: 2 3 1 -koesuunnitelman mudostaminen 1/2 Muodostetaan ensin täysi 2 2 -koesuunnitelma: käsittely a A B + b + (1) ab + + Heliövaara 9

Esimerkki: 2 3 1 -koesuunnitelman mudostaminen 2/2 Asetetaan kolmannen faktorin C tasoksi kussakin havainnossa C = AB: käsittely A B C = AB a + b + c + abc + + + Nämä koeasetelmat muodostavat 2 3 1 -koesuunnitelman. Heliövaara 10

2 3 - ja 2 3 1 -kokeet Koko taulukko muodostaa 2 3 -kokeen ja taulukon yläpuolikas 2 3 1 -kokeen käsittely I A B C AB AC BC ABC a + + + + b + + + + c + + + + abc + + + + + + + + ab + + + + ac + + + + bc + + + + (1) + + + + Heliövaara 11

Määrittelevä relaatio Kokeen määrittelevä relaatio on niiden yhdysvaikutusten joukko, jotka ovat aina korkealla (+) tasolla. 2 k 1 -kokeessa määrittelevään relaatioon kuuluu yksi yhdysvaikutus. Esim. edellisen kalvon yläpuolikkaan 2 3 1 -kokeen määrittelevää relaatiota merkitään: I = ABC Tämä tarkoittaa, että koeasetelman kaikissa havainnoissa yhdysvaikutus ABC on korkealla (+) tasolla. Toinen mahdollinen 2 3 1 -koe saadaan määrittelevällä relaatiolla I = ABC (taulukon alapuolikas) Määrittelevä relaatio määrää kokeessa tarvittavat havainnot Heliövaara 12

Aliakset 1/2 Kun osafaktorikokeessa ei poimita kaikkia 2 k havaintoa, ei datasta voida laskea omia estimaatteja kaikille mahdollisille pää- ja yhdysvaikutuksille. Käytettävissä olevien havaintojen osalta eri vaikutukset saavat saman laskukaavan. Esim. 2 3 1 -kokeessa A-vaikutus ja BC-yhdysvaikutus lasketaan samalla kaavalla Näinollen kokeen tekijä ei voi tietää kumpaa vaikutusta saatu tulos kuvaa. Kun datasta lasketaan estimaatti A-vaikutukselle, estimoidaankin oikeasti termiä A + BC Tällaisia vaikutuksia kutsutaan toistensa aliaksiksi Heliövaara 13

Aliakset 2/2 Minkä tahansa vaikutuksen aliakset saadaan määrättyä kertomalla vaikutuksella kokeen määrittelevää relaatiota. Esim. 2 3 1 -kokeessa, jossa I = ABC, A:n alias on: A ABC = A 2 BC Koska minkä tahansa vaikutuksen neliö on aina I (pelkkää plussaa), saadaan A = BC Vastaavasti B = AC ja C = AB. Heliövaara 14

Kokeen Resoluutio Koesuunnitelman resoluutio on R, jos yksikään p:n tekijän vaikutus ei ole alias vaikutuksen kanssa jossa on vähemmän kuin R p tekijää Kokeen resoluutio merkitään yleensä roomalaisilla numeroilla tyyliin 2 3 1 III. - Resoluution III kokeet: Päävaikutukset ei aliaksia toisten päävaikutusten kanssa, mutta voivat olla aliaksia kahden faktorin yhdysvaikutusten kanssa. Esim 2 3 1 III -koe. - Resoluution IV kokeet: Päävaikutukset ei aliaksia toisten päävaikutusten tai kahden faktorin yhdysvaikutusten kanssa. Kahden faktorin yhdysvaikutukset voivat olla aliaksia keskenään. Esim 2 4 1 IV -koe. Kokeen resoluutio on sama kuin kirjaimien lukumäärä kokeen määrittävän relaation lyhimmässä termissä Heliövaara 15

2 k 2 -osafaktorikokeet Heliövaara 16

2 k 2 -osafaktorikokeet 2 k 2 -osafaktorikokeissa poimitaan 1/4 täyden 2 k -faktorikokeen havainnoista. Heliövaara 17

2 k 2 -Osafaktorikoesuunnitelman muodostaminen 2 k 2 -osafaktorikoesuunnitelma voidaan muodostaa seuraavasti: 1. Muodostetaan täysi faktorikoesuunnitelma joillekin (k 2):lle faktorille 2. Määrätään (k 1):nnen faktorin taso kussakin havainnossa siten, että se on sama kuin jokin (k 2):n ensimmäisen faktorin yhdysvaikutus. 3. Määrätään k:nnen faktorin taso samoin kuin kohdassa 2, mutta yhdistetään se eri yhdysvaikutukseen kuin (k 1):s faktori. Näin olemme saaneet koesuunnitelman, jossa on 1/4 täyden 2 k -faktorikokeen havainnoista. Heliövaara 18

Määrittelevä relaatio Kokeen määrittelevä relaatio on niiden vaikutusten joukko, jotka ovat aina korkealla (+) tasolla. 2 k 2 -kokeen määrittelevään relaatioon kuuluu kolme vaikutusta: - Kun asetamme kahden viimeisen faktorin arvot yhtäsuuriksi jonkin yhdysvaikutuksen kanssa, saamme kaksi määrittelevää relaatioa. - Kolmas termi määrittävään relaatioon saadaan kahden ensimmäisen tulona, koska jos kaksi termiä on aina (+)-tasolla, on myös niiden tulo aina (+). Kokeen määrittelevää relaatiota merkitään esim.: I = ABCE = BCDF = ADEF Tämä on eräs 2 6 2 -kokeen määrittelevä relaatio. Heliövaara 19

Osafaktorikokeiden hyödyllisyys Heliövaara 20

Osafaktorikokeiden edut Osafaktorikokeiden erinomaisuus perustuu kolmeen keskeiseen asiaan: 1. Harvat vaikutukset: Kun systeemissä on monta tekijää, merkittävät tekijät ovat usein päävaikutukset ja matalan asteen yhdysvaikutukset (engl. sparsity of effects principle). ( Ockhamin partaveitsi : Jos ilmiölle on useita mahdollisia selityksiä, yksinkertaisin on useimmiten oikea) 2. Projektio-ominaisuus: Osafaktorikoe voidaan projisoida mille tahansa faktorien osajoukolle. Projisoimalla saatu koe mahdollistaa tarkemman analyysin kuni alkuperäinen. 3. Peräkkäisten kokeiden yhdistäminen: Jos tehdyn osafaktorikokeen havainnot eivät ole riittäviä analyysiin, on mahdollista poimia uusia havaintoja ja yhdistää havainnot. Heliövaara 21

Osafaktorikokeen projektiot Minkä tahansa 2 k 1 -kokeen havainnoista voidaan muodostaa täysfaktorikokeen havainnot mille tahansa (k 1) faktorille. Vastaavasti 2 k 1 -kokeen havainnoista saadaan täysfaktorikokeen havainnot kahdella toistolla mille tahansa (k 2) faktorille. Alkuperäisistä havainnoista voidaan siis tehdä tarkempia johtopäätöksiä, jos osa faktoreista todetaan merkityksettöimksi. Yhdellä toistolla tehdyistä osafaktorikokeista ei saada estimoitua jäännösvarianssia, eikä näin ollen testattua vaikutusten tilastollista merkitsevyyttä. Kuitenkin, jos osa tekijöistä voidaan poistaa merkityksettöminä, alkuperäisistä havainnoista voidaan estimoida jäännösvarianssi. Heliövaara 22