Tam Faktöriyel Deney — Tam Faktöriyel Deneysel Tasarım
- Ortaya koyan
- Ronald A. Fisher
- Yıl
- 1926 (Fisher's foundational paper); codified by the 1950s–1960s
- Tür
- Experimental design
- Aile
- Experimental design
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Tam faktöriyel deney, seçilen tüm faktör seviyelerinin olası her kombinasyonunu çalıştırır; bu da onu birden çok bağımsız değişken arasındaki ana etkileri, ikili etkileşimleri ve daha yüksek dereceli etkileşimleri aynı anda tahmin etmek için altın standart haline getirir.
Ronald Fisher'ın 1920'lerdeki faktöriyel tasarımlar üzerine temel çalışmalarıyla tanıtılan ve Box, Hunter ve Montgomery tarafından sistemleştirilen bu yöntem, faktörlerin bireysel olarak ve kombinasyon halinde bir sonuç üzerindeki etkileri hakkında tam bilgi sağlar.
Yöntemin mantığı
Ürün verimliliği üzerinde iki gübre türünü (A, B) ve üç sulama programını (günlük, haftalık, aylık) test ettiğinizi varsayalım. Tam faktöriyel tasarım, her faktörü kendi başına izole etmek yerine, 2 × 3 = 6 kombinasyonun tamamı altında ürün yetiştirmek anlamına gelir. Bu güçlüdür çünkü gübrenin etkisi sulama sıklığına bağlı olabilir — tek faktörlü çalışmaların tamamen gözden kaçırdığı bir etkileşim. Tam faktöriyel, her seviyenin her diğer faktörün her seviyesiyle görünmesini sağlayarak her etkileşimi yakalar ve tüm faktör uzayının dengeli, karışmamış bir görünümünü sunar.
Tarih
Ronald Fisher, faktöriyel deney kavramını 1926 tarihli dönüm noktası niteliğindeki makalesinde tanıttı ve Tek Deney Tasarımı (1935) adlı eserinde tam olarak geliştirdi; birden çok faktörün aynı anda incelenmesinin tek tek yaklaşımlardan daha verimli olduğunu savundu. Frank Yates, 1930'larda faktöriyel etkilerin gösterimini ve hesaplamasını resmileştirdi. George Box, J. Stuart Hunter ve William Hunter, 1978 tarihli temel ders kitaplarında (2005'te güncellendi) faktöriyel tasarımların pratik uygulamasını endüstriyel ve bilimsel ortamlar için sistemleştirdiler. Douglas Montgomery'nin yaygın olarak benimsenen ders kitabı (ilk baskı 1976), o zamandan beri tam faktöriyel tasarımı mühendislik ve uygulamalı bilim müfredatlarında dünya çapında merkez haline getirmiştir.
Ne zaman kullanılır?
Az sayıda faktörünüz olduğunda (genellikle iki seviyeli tasarımlar için k ≤ 4 veya 5) ve tüm ana etkileri ve etkileşimleri belirsizlik olmadan tahmin etmeniz gerektiğinde tam faktöriyel deney kullanın. Etkileşimlerin beklendiği veya varlıklarının bilimsel olarak önemli olduğu, kaynakların her kombinasyonu tamamlama imkanı verdiği ve sonucun kontrollü koşullar altında ölçülebildiği durumlarda doğru seçimdir. k büyük olduğunda (örneğin iki seviyede k ≥ 6) tam faktöriyel tasarım KULLANMAYIN, çünkü gerekli 64+ deneme pratik olmaktan çıkar — bunun yerine kesirli faktöriyel veya yanıt yüzeyi tasarımlarını tercih edin. Ayrıca, deneme maliyeti veya malzeme sınırlamaları N = 2^k'yi (veya 3^k'yi) karşılanamaz hale getirdiğinde veya yalnızca ana etkilerle ilgilendiğinizde ve etkileşimlerin olmadığına dair güçlü teorik nedenleriniz olduğunda bundan kaçının.
Sınırlar ve dikkat edilmesi gerekenler
- Faktör sayısıyla üssel olarak artan deneme sayısı: 5 faktör için 2^k = 32 deneme, 6 faktör için 64 — hızla pratik olmaktan çıkar.
- Yüksek dereceli etkileşimler (üçlü veya daha üstü) tahmin edilebilir ancak pratikte nadiren yorumlanabilir veya bilimsel olarak anlamlıdır, bu da birçok denemenin bilgi açısından gereksiz olmasına neden olur.
- Faktörlerin belirtilen seviyelerde hassas bir şekilde ayarlanabileceğini varsayar; laboratuvarda faktör kontrolü genellikle saha veya organizasyonel ortamlardan daha kolaydır.
- Tekrar, kaynak yoğun bir süreçtir; tekrarlar olmadan, hata tahmini, ihmal edilebilir yüksek dereceli etkileşimlerin (sıfır olduğu varsayılan) havuzlanmış kareler toplamına dayanır, bu riskli bir varsayımdır. Her tam tekrar (tüm denemeleri ikiye katlama) ile bile, saf bir hata tahmini, daha sıkı güven aralıkları ve daha güvenilir anlamlılık testleri elde edersiniz.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Karışıklık veya karıştırma olmadan her ana etkiyi ve her etkileşimi tahmin eder — kontrollü bir deneyden elde edilebilecek en eksiksiz resim.
- Ortogonal tasarım: tüm etki tahminleri istatistiksel olarak bağımsızdır, bu da yorumlamayı kolaylaştırır.
- Denemeler tekrarlandığında saf bir hata tahmini sağlar, bu da ANOVA aracılığıyla titiz hipotez testi yapılmasına olanak tanır.
- Esnek yapı: sürekli, kategorik veya karma faktör türleriyle çalışır ve önemsiz kontrol için engelleme içerebilir.
- Doğal olarak ölçeklenir: merkez noktası denemeleri içeren bir 2^k tasarımı, eğrilik tespiti için bir yanıt yüzeyi tasarımına (merkezi kompozit veya Box-Behnken) yükseltilebilir.
Uygulama alanları
- Farmasötik formülasyon: çözünme hızını en üst düzeye çıkarmak için ilaç konsantrasyonu, eksipiyan türü ve sıcaklığın eşzamanlı optimizasyonu.
- Tarım bilimi: ürün verimliliği üzerinde gübre, sulama seviyesi ve ekim yoğunluğu kombinasyonlarının test edilmesi.
- İmalat süreci iyileştirmesi: makine hızı, sıcaklık ve malzeme sınıfının ürün çekme mukavemetini nasıl ortaklaşa etkilediğinin belirlenmesi.
- Davranışsal ve eğitimsel deneyler: öğrenme sonuçlarını etkilemek için öğretim yöntemi, sınıf büyüklüğü ve değerlendirme türünün nasıl etkileşimde bulunduğunun incelenmesi.
- Klinik ve sağlık araştırmaları: terapötik etkiyi hangi kombinasyonların yönlendirdiğini belirlemek için davranışsal müdahale bileşenlerinin kombinasyonlarının değerlendirilmesi.
- Yazılım mühendisliği: hesaplama performansı üzerinde algoritma türü, veri kümesi boyutu ve donanım yapılandırmasının etkisinin test edilmesi.
Nasıl çalışır?
Nasıl çalışır?
k deneysel faktörü belirleyin ve her biri için seviyeleri belirtin. İki seviyeli bir tasarım (her faktör düşük/yüksek seviyede) 2^k ile gösterilir; üç seviyeli bir tasarım 3^k'dir. Faktör seviyeleri, pratik veya bilimsel ilgi alanını kapsayacak şekilde seçilmelidir. Toplam işlem kombinasyonu sayısı, faktörler arasındaki tüm seviye sayılarının çarpımına eşittir.
Toplam deney sayısı N = tüm seviye sayılarının çarpımıdır (örneğin, üç iki seviyeli faktör için 2^3 = 8). Bu, faktör sayısı ile üssel olarak artar, bu nedenle tam faktöriyel tasarımlar en fazla k küçük olduğunda (genellikle iki seviyeli faktörler için k ≤ 5) en uygunudur. Her kombinasyonu listeleyen bir tasarım matrisi oluşturulur; her kombinasyonun tekrarlanması hata tahminini güçlendirir.
Formül
N = \prod_{i=1}^{k} l_iDeneysel birimler, her işlem kombinasyonuna rastgele atanır veya deneme sırası tamamen rastgeleleştirilir. Rastgeleleştirme, zaman eğilimleri, yorgunluk veya ekipman kayması gibi sistematik yanlılıklara karşı koruma sağlar. Bilinen bazı önemsiz değişkenler varsa (örneğin, parti, operatör, gün), bunların varyansı faktör tahminlerini karıştırmadan izole etmek için engelleme eklenir.
Yanıt değişkeni, atanan faktör seviyeleri kombinasyonu altındaki her deneysel deneme için ölçülür. Veriler, deneme sırası, faktör ayarları ve gözlemlenen sonuç arasındaki bağlantıyı koruyarak sistematik olarak kaydedilir. Kaynaklar izin verdiği sürece her hücre için birden fazla tekrar önerilir, çünkü bunlar deneysel hata için saf bir tahmin sağlar.
Ana etkiler ve tüm etkileşim etkileri en küçük kareler yöntemi (veya ANOVA) kullanılarak tahmin edilir. Bir 2^k tasarımında her etki tahmini, hücre ortalamalarının doğrusal bir kontrastına eşittir; X kodlanmış faktör ayarlarının model matrisi olduğu yerde beta-şapka = (X'X)^{-1} X'y formülü geçerlidir. Her kombinasyon test edildiği için, tüm etkiler ortogonaldir ve karışıklık olmadan tahmin edilebilir.
Formül
\hat{\beta} = (X^\top X)^{-1} X^\top yANOVA tabloları toplam varyansı ana etkilere, ikili etkileşimlere, üçlü etkileşimlere ve benzeri şekilde ayırır. Önemli etkileşimler, etkileşim grafikleri kullanılarak yorumlanır: paralel çizgiler etkileşim olmadığını gösterir; kesişen veya ayrılan çizgiler, bir faktörün etkisinin başka bir faktörün seviyelerine göre değiştiğini belirtir. Yüksek dereceli etkileşimler (üçlü veya daha üstü) pratikte nadirdir ancak tam faktöriyel bir tasarımda tahmin edilebilir ve test edilebilir.
Sık yapılan hatalar
- Tasarımları seçerken etkileşimleri göz ardı etmek: etkileşim beklemiyorsanız, tam faktöriyel denemeleri boşa harcar — ancak etkileşimler varsa ve tek faktörlü bir yaklaşım kullandıysanız, onları tamamen kaçırırsınız.
- Gerekçesiz olarak çok fazla seviye kullanmak: beş faktör için bir 3^k tasarımı 3^5 = 243 denemeye sahiptir; eğrilik özellikle varsayılmadıkça, iki seviyeli tasarımlar genellikle yeterlidir ve çok daha verimlidir.
- Tam faktöriyeli kesirli bir faktöriyel ile karıştırmak: kesirli bir faktöriyel kasıtlı olarak belirli kombinasyonları atlar ve bazı etkileşimleri karıştırır — tüm etkileşimlerin tahmin edilebilir olmasını istiyorsanız, yalnızca tam faktöriyel bunu sağlar.
- Deneme sırasını rastgeleleştirmeyi başaramamak: sistematik eğilimler (ekipman ısınması, operatör öğrenmesi, reaktif bozunması) denemeler sabit, rastgele olmayan bir sırada yürütülürse etki tahminlerini şişirir veya azaltır.
- Etkileşimler önemli olduğunda ana etkileri izole edilmiş olarak analiz etmek: istatistiksel olarak önemli bir etkileşim, ana etki sonuçlarının düzenleyici faktörün seviyesine bağlı olduğu ve koşullu olarak yorumlanması gerektiği anlamına gelir.
Sık sorulan sorular
Tam faktöriyel ve kesirli faktöriyel tasarım arasındaki fark nedir?
Tam faktöriyel, faktör seviyelerinin olası her kombinasyonunu çalıştırır, tüm ana etkileri ve etkileşimleri karışıklık olmadan tahmin eder. Kesirli faktöriyel, bu kombinasyonların yalnızca dikkatlice seçilmiş bir kesrini çalıştırır, deneme sayısını azaltmak için kasıtlı olarak belirli yüksek dereceli etkileşimleri karıştırır. Etkileşimlerin önemli olduğu ve kaynakların izin verdiği durumlarda tam faktöriyeli kullanın; k büyük olduğunda ve belirli yüksek dereceli etkileşimlerin ihmal edilebilir olduğunu varsaymaya istekli olduğunuzda kesirli faktöriyeli kullanın.
Her faktör için kaç seviye kullanacağımı nasıl seçerim?
İki seviye (düşük ve yüksek), faktör aralığında kabaca doğrusal bir yanıt beklediğinizde ve öncelikle etkilerin yönü ve büyüklüğü ile ilgilendiğinizde yeterlidir. Üç seviye, eğriliği (doğrusal olmayan bir yanıt) şüpheleniyorsanız gereklidir, ancak bunlar her ek faktör için deneme sayısını küp yapar. Pratik bir strateji, eğrilik için tarama yapmak üzere merkez noktası denemeleriyle desteklenmiş 2^k tasarımlarla başlamak ve ardından bir 3^k tasarımına geçmektir.
Her işlem kombinasyonunu tekrarlamam gerekiyor mu?
Tekrar şiddetle tavsiye edilir. Tekrar olmadan, hata tahmininin tek kaynağı, ihmal edilebilir yüksek dereceli etkileşimlerin (sıfır olduğu varsayılan) havuzlanmış kareler toplamıdır, bu riskli bir varsayımdır. Hatta bir tam tekrar (tüm denemeleri ikiye katlama) ile bile, gerçek bir saf hata tahmini, daha sıkı güven aralıkları ve daha güvenilir anlamlılık testleri elde edersiniz.
Tam faktöriyel bir deneyi analiz etmek için hangi istatistiksel testi kullanmalıyım?
Standart analiz, toplam varyansı her ana etkiye ve her etkileşim terimine atfedilebilen bileşenlere ayıran faktöriyel bir ANOVA'dır (veya eşdeğer regresyon modeli). Etki anlamlılığı F-testleri ile belirlenir. Yanıt normal olmadığında veya sıralı olduğunda, bunun yerine parametrik olmayan alternatifler veya genelleştirilmiş doğrusal modeller kullanılır.
Hangi noktada bunun yerine bir yanıt yüzeyi tasarımına geçmeliyim?
Eğer 2^k tam faktöriyel deneyiniz (muhtemelen merkez noktalarıyla) yanıtta istatistiksel olarak anlamlı eğrilik ortaya çıkarırsa, doğrusal faktöriyel model yetersizdir ve bir yanıt yüzeyi tasarımı — merkezi kompozit veya Box-Behnken tasarımı gibi — kullanılmalıdır. Yanıt yüzeyi tasarımları, ikinci dereceden terimleri tahmin etmek ve yanıt yüzeyinin tam eğriliğini haritalamak için eksenel (yıldız) noktalar ekler.
İlgili yöntemler
Kaynaklar
Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley-Interscience.
ISBN: 978-0471718130Kopyalandı.Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
ISBN: 978-1119492443Kopyalandı.