Séance de cours

Conception expérimentale factorielle

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-236: Probability and statistics II

Linear statistical methods, analysis of experiments, logistic regression. ...

Description

Cette séance de cours introduit la conception expérimentale factorielle, axée sur l'ANOVA à deux voies et les diagrammes d'interaction. Il couvre les avantages des expériences factorielles, l'interprétation des effets d'interaction et les implications des conceptions déséquilibrées. Des exemples illustrent l'application de la conception factorielle dans l'étude de la durée de vie de la batterie et de l'induction de l'hibernation chez les animaux.

Enseignant·e

Darlene Goldstein

Source officielle

Concepts associés (32)

Plan factoriel

thumb|right|Expériences statistiques : à gauche, un plan factoriel et, à droite, la surface de réponse obtenue par la méthode des surfaces de réponses En statistiques, un plan factoriel est une expérience qui consiste à choisir des valeurs pour chacun des facteurs en faisant varier simultanément tous les facteurs, de façon exhaustive ou non. Le nombre d'essais peut alors devenir très grand, i.e. on a une explosion combinatoire. Une telle expérience permet l'étude de l'effet de chaque variable sur le processus, ainsi que l'étude de la dépendance entre les variables.

Fractional factorial design

In statistics, fractional factorial designs are experimental designs consisting of a carefully chosen subset (fraction) of the experimental runs of a full factorial design. The subset is chosen so as to exploit the sparsity-of-effects principle to expose information about the most important features of the problem studied, while using a fraction of the effort of a full factorial design in terms of experimental runs and resources.

Plan d'expériences

On nomme plan d'expériences (en anglais, design of experiments ou DOE) la suite ordonnée d'essais d'une expérimentation, chacun permettant d'acquérir de nouvelles connaissances en maîtrisant un ou plusieurs paramètres d'entrée pour obtenir des résultats validant un modèle avec une bonne économie de moyens (nombre d'essais le plus faible possible, par exemple). Un exemple classique est le « plan en étoile » où en partant d'un jeu de valeurs choisi pour les paramètres d'un essai central, on complète celui-ci par des essais où chaque fois un seul des facteurs varie « toutes choses égales par ailleurs ».

Glossary of experimental design

A glossary of terms used in experimental research. Statistics Experimental design Estimation theory Alias: When the estimate of an effect also includes the influence of one or more other effects (usually high order interactions) the effects are said to be aliased (see confounding). For example, if the estimate of effect D in a four factor experiment actually estimates (D + ABC), then the main effect D is aliased with the 3-way interaction ABC. Note: This causes no difficulty when the higher order interaction is either non-existent or insignificant.

Optimal design

In the design of experiments, optimal designs (or optimum designs) are a class of experimental designs that are optimal with respect to some statistical criterion. The creation of this field of statistics has been credited to Danish statistician Kirstine Smith. In the design of experiments for estimating statistical models, optimal designs allow parameters to be estimated without bias and with minimum variance. A non-optimal design requires a greater number of experimental runs to estimate the parameters with the same precision as an optimal design.

Afficher plus

Séances de cours associées (36)

Formules modèles en R: bases et applications

Explore les formules de modèles en R, couvrant les bases, les interactions, ANOVA et les conceptions factorielles avec des exemples pratiques.

Comprendre les statistiques et le design expérimental

Souligne l'importance cruciale de comprendre les statistiques pour éviter les erreurs dans la recherche et la prise de décision, en utilisant des exemples motivants et des exercices pratiques.

DOE Facteurs qualitatifs III

Explore les facteurs qualitatifs dans la conception des expériences, y compris les carrés latins, les conceptions factorielles et les tables ANOVA.

Méthodes d'entrevue

Explore les méthodes d'enquête d'entrevue, la préparation, les types d'entrevues, la formulation des questions et la qualité de l'interaction.

ANOVA et expériences factorielles

Explore l'ANOVA, les expériences factorielles et les techniques d'évaluation des modèles.

Afficher plus

Concepts associés (32)

Plan factoriel

Fractional factorial design

Plan d'expériences

Glossary of experimental design

Optimal design

Afficher plus