Séance de cours

Conceptions factorielles fractionnelles : comprendre les interactions

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.

Description

Cette séance de cours présente les conceptions factorielles fractionnaires comme une méthode pour réduire le nombre d'expériences nécessaires pour étudier les interactions entre les facteurs. L'instructeur explique le concept de repliement dans la matrice de conception, l'interprétation géométrique des conceptions factorielles fractionnaires et l'importance de la sélection des effets significatifs. À travers des exemples, la séance de cours montre comment identifier les principaux effets et interactions dans une expérience de réacteur chimique. La séance de cours couvre également la génération de modèles factoriels fractionnaires, la résolution de la conception et l'interprétation des parcelles normales. Dans l'ensemble, la séance de cours fournit un aperçu complet de la façon dont les conceptions factorielles fractionnaires peuvent révéler efficacement des interactions importantes dans les études expérimentales.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Concepts associés (32)

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.

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.

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.

Diagramme quantile-quantile

thumb|upright=1.5|Diagramme Q-Q destiné à comparer une loi de distribution préalablement centrée et réduite avec une loi normale En statistiques, le diagramme Quantile-Quantile ou diagramme Q-Q ou Q-Q plot est un outil graphique permettant d'évaluer la pertinence de l'ajustement d'une distribution donnée à un modèle théorique. Le terme de quantile-quantile provient du fait que l'on compare la position de certains quantiles dans la population observée avec leur position dans la population théorique.

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 ».

Afficher plus

Séances de cours associées (64)

Conception d’expériences : efficacité et interactions

Présente la conception des expériences, en mettant l'accent sur l'efficacité et les interactions en R & D à travers le contexte historique et des exemples pratiques.

Conception factorielle fractionnelle : Résolution et effets standardisés

Explique les principes de conception factorielle fractionnaire, en se concentrant sur la résolution et les effets normalisés dans les réacteurs chimiques.

Conception expérimentale factorielle

Couvre la conception expérimentale factorielle, l'ANOVA à deux voies, les parcelles d'interaction et les conceptions déséquilibrées.

Conception factorielle fractionnelle: bases et applications

Explore les bases de la conception factorielle fractionnelle, y compris le blocage des alias, les effets d'interaction et la comparaison de conception.

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.

Afficher plus

Concepts associés (32)

Fractional factorial design

Optimal design

Plan factoriel

Diagramme quantile-quantile

Plan d'expériences

Afficher plus