class: center, middle, inverse, title-slide # Plan d’expérience ## pour tirer un maximum de profits d’une expérimentation ### Marie-Pierre Etienne ###
https://github.com/marieetienne
### 2020/09/11 (updated: 2023-09-08) --- <!-- F1D763 --> <!-- F7A913 --> <!-- C94326 --> <!-- 1F908E --> <!-- 33658A --> --- name: intro # Introduction : Importance du design expérimental -- ## Retour sur la fréquence cardiaque et l'activité sportive .pull-left[ ``` ## # A tibble: 4 × 3 ## # Groups: Activite [2] ## Activite Sexe nobs ## <fct> <fct> <int> ## 1 Natation F 4 ## 2 Natation M 4 ## 3 Pilates F 4 ## 4 Pilates M 4 ``` ] -- .pull-right[ * Ces données sont modélisées par `$$Y_{ik} = \mu + \alpha_i + \beta_j + \gamma_{ij}+ E_{ik},$$` ] -- * `\(n_{ij}=4\)`, pour tout `\(i,j\)`. Plan d'expérience **équilibré** : séparation complète de la variabilité associée à l'effet du Sexe et de l'Activité. <img src="./RSS3_eq.png" width="40%" /> --- template: intro ## Retour sur la fréquence cardiaque et l'activité sportive .pull-left[ * Que se passe-t-il si, dans notre expérience, on a le design suivant ? ``` ## # A tibble: 4 × 3 ## Activite Sexe nobs ## <fct> <fct> <dbl> ## 1 Natation F 8 ## 2 Natation M 0 ## 3 Pilates F 0 ## 4 Pilates M 8 ``` <img src="./Rss_counfound.png" width="80%" /> La confusion est complète et on ne peut pas estimer les paramètres (erreur dans les sorties R *aliased coefficient*) ] -- .pull-right[ * Cas général : quand les effets ne sont ni complètement confondus ni tout à fait séparés. <img src="./RSS3.png" width="80%" /> .rouge[Le design expérimental est essentiel et doit être réfléchi en amont] ] --- template: intro ## Retour sur la fréquence cardiaque et l'activité sportive Plan d'expérience : ``` ## # A tibble: 4 × 3 ## # Groups: Activite [2] ## Activite Sexe nobs ## <fct> <fct> <int> ## 1 Natation F 4 ## 2 Natation M 4 ## 3 Pilates F 4 ## 4 Pilates M 4 ``` * Combien de paramètres à estimer dans le modèle suivant ? `$$Y_{ik} = \mu + \alpha_i + \beta_j + \gamma_{ij}+ E_{ik},$$` -- * `$$DDL_{Res} = ,$$` -- * Que se passerait-il si on avait exactement 4 observations ? -- .rouge[Le modèle qui contient autant de paramètres que d'observations est appelé modèle] .care[saturé]. --- template: intro ## Exemple de problème de design expérimental : La Galette ! .vert[Objectif :] Réduire le nombre de galettes déchirées lorsqu'on les déplie .pull-left[ Plusieurs aspects clés dans la recette : * Quantité d'eau (45%, 55%) * Température de cuisson (180, 220) * Etalement de la pâte (automatique, manuel) * Quantité de pâte déposée (55g, 65g) * Farine (bio, traditionnelle) * Pliage (à chaud, à froid) * Température de stockage (6 ou 15 degrés) ] .pull-right[ .vert[7 facteurs à deux modalités] ] -- .center[ Combien de combinaisons possibles * si on veut étudier .rouge[2] facteurs : * si on veut étudier .rouge[3] facteurs : * si on veut étudier .rouge[4] facteurs : ] --- template: intro ## Exemple de problème de design expérimental : La Galette ! .vert[Objectif :] Réduire le nombre de galettes déchirées lorsqu'on les déplie .pull-left[ Plusieurs aspects clés dans la recette : * Quantité d'eau (45%, 55%) * Température de cuisson (180, 220) * Etalement de la pâte (automatique, manuel) * Quantité de pâte déposée (55g, 65g) * Farine (bio, traditionnelle) * Pliage (à chaud, à froid) * Température de stockage (6 ou 15 degrés) ] .pull-right[ .vert[7 facteurs à deux modalités] ] .center[ Combien de combinaisons possibles * si on veut étudier .rouge[2] facteurs : `\(2^{\class{rouge}{2}}\)` * si on veut étudier .rouge[3] facteurs : `\(2^{\class{rouge}{3}}\)` * si on veut étudier .rouge[4] facteurs : `\(2^{\class{rouge}{4}}\)` * si on veut étudier .rouge[7] facteurs : `\(2^{\class{rouge}{7}}\)` ] .care[Dans toute la suite, on va considérer des facteurs à 2 niveaux seulement.] --- name: plan_complet # Les plans factoriels complets `\(2^p\)` -- ## Cas de 2 facteurs : plan `\(2^2\)` On note `\(A\)` le facteur 1 et `\(B\)` le facteur 2. Les modalités sont notées `\(1\)` et `\(-1\)`. On a `\(2^2\)` expériences différentes possibles: ### Matrice des essais .pull-left[ `$$\begin{pmatrix} +1 & +1 \\ +1 & -1 \\ -1 & +1 \\ -1 & -1 \\ \end{pmatrix}$$` ] -- .pull-right[ A : Quantité d'eau, B : Pliage * Essai 1 : 45% d'eau , pliage à chaud * Essai 2 : 45% d'eau , pliage à froid * Essai 3 : 55% d'eau , pliage à chaud * Essai 4 : 55% d'eau , pliage à froid ] --- template: plan_complet ## Cas de 2 facteurs : plan `\(2^2\)` On note `\(\class{jaune}{A}\)` le facteur 1, `\(\class{bleu}{B}\)` le facteur 2. Les modalités sont notées `\(1\)` et `\(-1\)`. On a `\(2^2\)` expériences différentes possibles: on peut estimer `\(2^2\)` paramètres. -- Modèle d'analyse de la variance à 2 facteurs avec interaction `$$Y_{ij} = \mu + \alpha_i +\beta_j + \gamma_{ij} + E_{ij},$$` #### Matrice de design, matrice des effets On résume l'expérience à la matrice `$$X = \overset{\color{gray}{\begin{matrix}I\hspace{.4cm}& A\hspace{.4cm}& B\hspace{.4cm} & AB \end{matrix}}}{\begin{pmatrix} \class{rouge}{+1} &\class{jaune}{+1} & \class{bleu}{+1} & \class{vert}{+1}\\ \class{rouge}{+1} &\class{jaune}{+1} & \class{bleu}{-1} & \class{vert}{-1}\\ \class{rouge}{+1} &\class{jaune}{-1} & \class{bleu}{+1} & \class{vert}{-1}\\ \class{rouge}{+1} &\class{jaune}{-1} & \class{bleu}{-1} & \class{vert}{+1}\\ \end{pmatrix}}$$` --- template: plan_complet ## Soyons fous : plan complet pour 3 facteurs : plan `\(2^3\)` On note `\(\class{jaune}{A}\)` le facteur 1, `\(\class{bleu}{B}\)` le facteur 2, `\(\class{orange}{C}\)` le facteur 3. Les modalités sont notées `\(1\)` et `\(-1\)`. Combien de combinaisons possibles ? -- #### Matrice des effets du modèle d'anova à 3 facteurs `$$X = \overset{\color{gray}{\begin{matrix}I\hspace{.5cm}& A\hspace{.5cm}& B\hspace{.5cm} & C\hspace{.5cm}& AB \hspace{.5cm} & AC \hspace{.5cm} & BC \hspace{.5cm} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{1}& -1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{1}& -1\\ \end{pmatrix}}$$` --- template: plan_complet ## Conclusion sur les plans complets fractionnaires - permet de considérer toutes les combinaisons de facteurs possibles - on peut estimer jusque `\(2^p\)` paramètres : le modèle .rouge[saturé] correspondant est le modèle d'analyse de la variance à p facteurs tenant en compte toutes les interactions d'ordre `\(2, 3, \ldots, p\)`. -- ## Remarques - le nombre d'expériences augmentent très vite : `$$\begin{align*} 2^2 & = 4; \quad 2^3= 8 \\ 2^4 & = 16; \quad 2^5= 32 \\ 2^6 & = 64; \quad 2^7= 128 \\ \end{align*}$$` - Toutes les interactions ne sont peut être pas utiles. - Peut on gagner un peu sur le nombre d'expériences ? --- name: plan_fractionnaire # Plan fractionnaire `\(2^{p-k}\)` -- ## Plan à .rouge[3] facteurs en 4 essais : `\(2^{\class{rouge}{3}-\class{jaune}{1}}\)` .pull-left[ * Chaque niveau du facteur apparaît le même nombre de fois, * Chaque combinaison de deux facteurs apparaît le même nombre de fois ] .pull-right[ #### Matrice des essais .font80[ `$$\overset{\color{gray}{\begin{matrix} A\hspace{.5cm}& B\hspace{.5cm} & C\hspace{.5cm} \end{matrix}}}{\begin{pmatrix} \class{jaune}{+1}& \class{bleu}{+1} & \class{orange}{+1}\\ \class{jaune}{+1}& \class{bleu}{+1} & \class{orange}{-1} \\ \class{jaune}{+1}& \class{bleu}{-1} & \class{orange}{+1}\\ \class{jaune}{+1}& \class{bleu}{-1} & \class{orange}{-1}\\ \class{jaune}{-1}& \class{bleu}{+1} & \class{orange}{+1}\\ \class{jaune}{-1}& \class{bleu}{+1} & \class{orange}{-1}\\ \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{+1}\\ \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{-1}\\ \end{pmatrix}}$$` ] ] -- .rouge[Pas si simple] --- template: plan_fractionnaire ## Mécanique de construction `\(2^{\class{rouge}{p}-\class{jaune}{k}}\)` 1. Choisir un plan de base : plan complet à `\(2^{\class{rouge}{p}-\class{jaune}{k}}\)` -- 2. Construire la matrice des effets du modèle saturé pour ce plan de base -- 3. Identifier des interactions que l'on peut confondre avec des effets principaux -- 4. Détermination des confusions induites --- template: plan_fractionnaire ## Retour sur le plan à 4 essais : `\(2^{\class{rouge}{3}-\class{jaune}{1}}\)` -- *1.* Choisir un plan de base en `\(2^2\)` essais -- .pull-left[ *2.* Matrice des effets du modèle saturé correspondant .font80[ `$$X = \overset{\color{gray}{\begin{matrix} I\hspace{.4cm}& A \hspace{.4cm} & B \hspace{.4cm} & AB \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{1} & \class{vert}{1}\\ \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{-1} & \class{vert}{-1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{1} & \class{vert}{-1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{-1} & \class{vert}{1}\\ \end{pmatrix}}$$` ] ] -- .pull-right[ *3.* On confond C avec AB .font80[ `$$X = \overset{\color{gray}{\begin{matrix} I\hspace{.4cm}& A \hspace{.4cm} & B \hspace{.4cm} & \begin{matrix} \class{barre}{AB} \\ \class{vert} C \end{matrix} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{1} & \class{vert}{1}\\ \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{-1} & \class{vert}{-1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{1} & \class{vert}{-1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{-1} & \class{vert}{1}\\ \end{pmatrix}}$$` ] ] -- *4.* Identification des confusions induites C est confondu avec AB, on écrit `\(C = AB\)` --- template: plan_fractionnaire ## Retour sur le plan à 4 essais : `\(2^{\class{rouge}{3}-\class{jaune}{1}}\)` on a donc `\(C= AB\)` donc `\(CC = C(AB)= ABC\)` donc `\(I= ABC\)`. Ceci induit d'autres confusions: .pull-left[ * `\(A(I) = A(ABC)\)` donc `\(A = (AA)BC\)` donc `\(A = BC\)` ] .pull-right[ * `\(B(I) = B(ABC)\)` donc `\(B = AC\)` ] -- .font80[ `$$X = \overset{\color{gray}{\begin{matrix} \begin{matrix} \class{rouge}{I} \\ \class{rouge}{ABC} \end{matrix} &\begin{matrix} \class{jaune}{A} \\ \class{jaune}{BC} \end{matrix} & \begin{matrix} \class{bleu}{B} \\ \class{bleu}{AC} \end{matrix} & \begin{matrix} \class{vert}{AB} \\ \class{vert} C \end{matrix} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{1} & \class{vert}{1}\\ \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{-1} & \class{vert}{-1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{1} & \class{vert}{-1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{-1} & \class{vert}{1}\\ \end{pmatrix}}$$` ] -- .rouge[Générateur d'alias]: `\(ABC= I\)`, ABC est un générateur d'alias .font80[ `$$X = \overset{\color{gray}{\begin{matrix} \begin{matrix} \class{rouge}{I}\end{matrix} \hspace{.1cm}&\begin{matrix} \class{jaune}{A} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{bleu}{B} \end{matrix} \hspace{.2cm}& \begin{matrix} \class{vert} C \end{matrix}\hspace{.2cm} & \begin{matrix} \class{vert}{AB} \end{matrix} \hspace{.1cm}& \begin{matrix} \class{bleu}{AC} \end{matrix} \hspace{.1cm}& \begin{matrix} \class{jaune}{BC} \end{matrix} \hspace{.1cm}\begin{matrix} \class{rouge}{ABC}\end{matrix} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{1} & \class{vert}{1}& \class{vert}{1}& \class{bleu}{1}& \class{jaune}{1} & \class{rouge}{1}\\ \class{rouge}{1} & \class{jaune}{1} & \class{bleu}{-1} & \class{vert}{-1}& \class{vert}{-1}& \class{bleu}{1}& \class{jaune}{1} & \class{rouge}{1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{1} & \class{vert}{-1}& \class{vert}{-1}& \class{bleu}{-1}& \class{jaune}{-1} & \class{rouge}{1}\\ \class{rouge}{1} & \class{jaune}{-1} & \class{bleu}{-1} & \class{vert}{1}& \class{vert}{1}& \class{bleu}{1}& \class{jaune}{-1} & \class{rouge}{1}\\ \end{pmatrix}}$$` ] --- template: plan_fractionnaire ## Plan fractionnaire `\(2^{\class{rouge}{4}-\class{jaune}{1}}\)` 4 facteurs en 8 essais -- *1.* Choisir un plan de base en `\(2^3\)` essais -- .pull-left[ *2.* Matrice des effets du modèle saturé correspondant .font80[ `$$X = \overset{\color{gray}{\begin{matrix} \begin{matrix} \class{rouge}{I} \end{matrix}\hspace{.2cm} &\begin{matrix} \class{jaune}{A} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{bleu}{B} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{orange}{C} \end{matrix} \hspace{.2cm} & & \begin{matrix} \class{vert}{AB} \end{matrix} \hspace{.1cm} & \begin{matrix} \class{jaune}{AC} \end{matrix} \hspace{.1cm} & \begin{matrix} \class{bleuf}{BC} \end{matrix} \hspace{.1cm} & \begin{matrix} {ABC} \end{matrix} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{1}& -1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{1}& -1\\ \end{pmatrix}}$$` ] ] --- count: false template: plan_fractionnaire ## Plan fractionnaire `\(2^{\class{rouge}{4}-\class{jaune}{1}}\)` 4 facteurs en 8 essais *1.* Choisir un plan de base en `\(2^3\)` essais .pull-left[ *2.* Matrice des effets du modèle saturé correspondant .font70[ `$$X = \overset{\color{gray}{\begin{matrix} \begin{matrix} \class{rouge}{I} \end{matrix}\hspace{.2cm} &\begin{matrix} \class{jaune}{A} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{bleu}{B} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{orange}{C} \end{matrix} \hspace{.2cm} & & \begin{matrix} \class{vert}{AB} \end{matrix} \hspace{.1cm} & \begin{matrix} \class{jaune}{AC} \end{matrix} \hspace{.1cm} & \begin{matrix} \class{bleuf}{BC} \end{matrix} \hspace{.1cm} & \begin{matrix} {ABC} \end{matrix} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{1}& -1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{1}& -1\\ \end{pmatrix}}$$` ] ] .pull-right[ *3.* On confond D et ABC .font80[ `$$X = \overset{\color{gray}{\begin{matrix} \begin{matrix} \class{rouge}{I} \end{matrix}\hspace{.2cm} &\begin{matrix} \class{jaune}{A} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{bleu}{B} \end{matrix} \hspace{.2cm} & \begin{matrix} \class{orange}{C} \end{matrix} \hspace{.2cm} & & \begin{matrix} \class{vert}{AB} \end{matrix} \hspace{.1cm} & \begin{matrix} \class{jaune}{AC} \end{matrix} \hspace{.1cm} & \begin{matrix} \class{bleuf}{BC} \end{matrix} \hspace{.1cm} & \begin{matrix} {ABC} \\ D \end{matrix} \end{matrix}}}{\begin{pmatrix} \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{-1} & -1\\ \class{rouge}{1} & \class{jaune}{1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{1} & \class{vert}{1}& \class{jauneb}{-1}& \class{bleuf}{1}& -1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{1} & \class{orange}{-1} & \class{vert}{1}& \class{jauneb}{1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{1} & \class{vert}{-1}& \class{jauneb}{-1}& \class{bleuf}{-1} & 1\\ \class{rouge}{1} & \class{jaune}{-1}& \class{bleu}{-1} & \class{orange}{-1} & \class{vert}{-1}& \class{jauneb}{1}& \class{bleuf}{1}& -1\\ \end{pmatrix}}$$` ] ] --- template: plan_fractionnaire ## Plan fractionnaire `\(2^{\class{rouge}{4}-\class{jaune}{1}}\)` ### Confusion d'effet (alias) et générateur d'alias *4.* Confusions induites * `\(D = ABC\)` donc `\(DD = ABCD\)` donc `\(I=ABCD\)` `\(ABCD\)` est un .rouge[générateur d'alias] -- .pull-left[ * `\(AI = AABCD\)` donc `\(A = BCD\)` * `\(BI = BABCD\)` donc `\(B = ACD\)` * `\(CI = CABCD\)` donc `\(C = ABD\)` ] .pull-right[ * `\(AD= AABC\)` donc `\(AD=BC\)` * `\(BD= BABC\)` donc `\(BD=AC\)` * `\(CD= CABC\)` donc `\(CD=AB\)` ] -- Les effets principaux sont confondus avec des interactions d'ordre 3 les interactions d'ordre 2 sont confondues avec d'autres interactions d'ordre 2 --- template: plan_fractionnaire ## Nombre de facteurs et nombre d'essais Un plan est caractérisée par sa résolution : .rouge[La résolution d'un plan est la longueur du plus petit générateur d'alias] -- ### Des repères pour ne rien oublier * Nombre de générateurs : `\(2^{facteurs\ additionnels}-1\)` * Plan Résolution III : les effets principaux sont confondus avec les interactions d’ordre 2 ou plus * Plan Résolution IV : les effets principaux sont confondus avec les interactions d’ordre 3 ou plus * Plan Résolution V : les effets principaux sont confondus avec les interactions d’ordre 4 ou plus -- .center[Parle à ta main] --- template: plan_fractionnaire ## Soyons fous : plan fractionnaire `\(2^{\class{rouge}{5}-\class{jaune}{2}}\)` --- template: plan_fractionnaire ## Soyons fous : plan fractionnaire `\(2^{\class{rouge}{5}-\class{jaune}{2}}\)` --- # Dans une démarche expérimentale 1. On formalise la question, on identifie les facteurs potentiellement intéressants -- 2. On met en place le plan d'expérience -- 3. On réalise les manips -- 4. On analyse les résultats --- # Ce qu'il faut absolument savoir pour les TDs * Ecrire la matrice des essais et matrice des effets * Déterminer les confusion d'effets et de générateurs d'alias * La notion de résolution d'un plan