Submit Search
Upload
実験計画法入門 Part 2
•
15 likes
•
16,783 views
haji mizu
Follow
実験計画法入門のレクチャースライド,4部構成のうちの第2部です.
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 60
Recommended
実験計画法入門 Part 1
実験計画法入門 Part 1
haji mizu
実験計画法入門 Part 3
実験計画法入門 Part 3
haji mizu
実験計画法入門 Part 4
実験計画法入門 Part 4
haji mizu
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
Yuya Takashina
PRML8章
PRML8章
弘毅 露崎
Rで実験計画法 後編
Rで実験計画法 後編
itoyan110
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
Recommended
実験計画法入門 Part 1
実験計画法入門 Part 1
haji mizu
実験計画法入門 Part 3
実験計画法入門 Part 3
haji mizu
実験計画法入門 Part 4
実験計画法入門 Part 4
haji mizu
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
Yuya Takashina
PRML8章
PRML8章
弘毅 露崎
Rで実験計画法 後編
Rで実験計画法 後編
itoyan110
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
PRML第6章「カーネル法」
PRML第6章「カーネル法」
Keisuke Sugawara
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Rで実験計画法 前編
Rで実験計画法 前編
itoyan110
空間データのための回帰分析
空間データのための回帰分析
springking
GAN(と強化学習との関係)
GAN(と強化学習との関係)
Masahiro Suzuki
PRML輪読#8
PRML輪読#8
matsuolab
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Hidetoshi Matsui
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
因果推論の基礎
因果推論の基礎
Hatsuru Morita
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Rでコンジョイント分析
Rでコンジョイント分析
osamu morimoto
More Related Content
What's hot
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
PRML第6章「カーネル法」
PRML第6章「カーネル法」
Keisuke Sugawara
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Rで実験計画法 前編
Rで実験計画法 前編
itoyan110
空間データのための回帰分析
空間データのための回帰分析
springking
GAN(と強化学習との関係)
GAN(と強化学習との関係)
Masahiro Suzuki
PRML輪読#8
PRML輪読#8
matsuolab
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Hidetoshi Matsui
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
因果推論の基礎
因果推論の基礎
Hatsuru Morita
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
What's hot
(20)
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
PRML第6章「カーネル法」
PRML第6章「カーネル法」
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
2 3.GLMの基礎
2 3.GLMの基礎
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
Rで実験計画法 前編
Rで実験計画法 前編
空間データのための回帰分析
空間データのための回帰分析
GAN(と強化学習との関係)
GAN(と強化学習との関係)
PRML輪読#8
PRML輪読#8
質的変数の相関・因子分析
質的変数の相関・因子分析
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Rで架空データの発生
Rで架空データの発生
因果推論の基礎
因果推論の基礎
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Viewers also liked
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Rでコンジョイント分析
Rでコンジョイント分析
osamu morimoto
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
haji mizu
集合知メカニズムの研究
集合知メカニズムの研究
haji mizu
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
haji mizu
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
haji mizu
マーケティング技術
マーケティング技術
haji mizu
Process analytical technology innovative pharmaceutical development
Process analytical technology innovative pharmaceutical development
Vamsi Anil Krishna Chandu
PAT Process Control IFPAC 2013
PAT Process Control IFPAC 2013
Paul Brodbeck
実験計画法(直交表実験)の応用によるLpoの実例 slide share
実験計画法(直交表実験)の応用によるLpoの実例 slide share
Kazuya Obanayama
Quality-by-Design by chattar
Quality-by-Design by chattar
Dr. Chattar singh Yadav
Process Analytical Technology
Process Analytical Technology
PT Asia Ltd.
The role of process analytical technology (pat) in green chemistry and green ...
The role of process analytical technology (pat) in green chemistry and green ...
dominev
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
DOE Applications in Process Chemistry Presentation
DOE Applications in Process Chemistry Presentation
saweissman
営業向け ABテストの統計学 データアーティスト
営業向け ABテストの統計学 データアーティスト
Satoru Yamamoto
数理最適化とPython
数理最適化とPython
Yosuke Onoue
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
Nattawut Huayyai
Viewers also liked
(20)
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Rでコンジョイント分析
Rでコンジョイント分析
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
集合知メカニズムの研究
集合知メカニズムの研究
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
マーケティング技術
マーケティング技術
Process analytical technology innovative pharmaceutical development
Process analytical technology innovative pharmaceutical development
PAT Process Control IFPAC 2013
PAT Process Control IFPAC 2013
実験計画法(直交表実験)の応用によるLpoの実例 slide share
実験計画法(直交表実験)の応用によるLpoの実例 slide share
Quality-by-Design by chattar
Quality-by-Design by chattar
Process Analytical Technology
Process Analytical Technology
The role of process analytical technology (pat) in green chemistry and green ...
The role of process analytical technology (pat) in green chemistry and green ...
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
03 「重回帰分析」の入門
03 「重回帰分析」の入門
DOE Applications in Process Chemistry Presentation
DOE Applications in Process Chemistry Presentation
営業向け ABテストの統計学 データアーティスト
営業向け ABテストの統計学 データアーティスト
数理最適化とPython
数理最適化とPython
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
More from haji mizu
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
haji mizu
ColPMan: A Serious Game for Practicing Collaborative Production Management
ColPMan: A Serious Game for Practicing Collaborative Production Management
haji mizu
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
haji mizu
予測と意思決定のためのマーケット:予測市場とその周辺
予測と意思決定のためのマーケット:予測市場とその周辺
haji mizu
集合知とコミュニケーション場のメカニズムデザイン
集合知とコミュニケーション場のメカニズムデザイン
haji mizu
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prototype Crowdsourcing Approach for Document Summarization Service
haji mizu
A Prediction Market Game for Route Selection under Uncertainty
A Prediction Market Game for Route Selection under Uncertainty
haji mizu
A comparison between choice experiments and prediction markets for collecting...
A comparison between choice experiments and prediction markets for collecting...
haji mizu
Trading Uncertainty for Collective Wisdom
Trading Uncertainty for Collective Wisdom
haji mizu
More from haji mizu
(9)
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
ColPMan: A Serious Game for Practicing Collaborative Production Management
ColPMan: A Serious Game for Practicing Collaborative Production Management
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
予測と意思決定のためのマーケット:予測市場とその周辺
予測と意思決定のためのマーケット:予測市場とその周辺
集合知とコミュニケーション場のメカニズムデザイン
集合知とコミュニケーション場のメカニズムデザイン
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prediction Market Game for Route Selection under Uncertainty
A Prediction Market Game for Route Selection under Uncertainty
A comparison between choice experiments and prediction markets for collecting...
A comparison between choice experiments and prediction markets for collecting...
Trading Uncertainty for Collective Wisdom
Trading Uncertainty for Collective Wisdom
実験計画法入門 Part 2
1.
© Hajime Mizuyama An
Introduction to Design of Experiments (DOE) 青山学院大学 経営システム工学科 水山 元 mizuyama@ise.aoyama.ac.jp
2.
© Hajime Mizuyama Part
1 古典的な実験計画法の 基本概念と要因計画 Part 2 直交表と 一部実施要因計画 Part 3 応答曲面法と 最適計画 Part 4 直積実験と ロバスト設計
3.
© Hajime Mizuyama •
要因計画では,取り上げた因子のすべての水準の組合せにおい てそれぞれ(できれば複数回)実験を実施する必要があるため, 因子数の増加にともなって実験回数が爆発的に増大してしまう. • 複数の因子を取り上げた実験では,3因子以上の交互作用は考慮 しない(誤差に含める)ことが多く,2因子の交互作用もすべて を考慮する必要があるとは限らない. • いくつか(またはすべて)の交互作用が無視できるという前提 で要因計画の実験回数を減らすと,一部実施要因計画となる. • 直交表は,一部実施要因計画を作成するためのツールである. 要因計画から一部実施要因計画へ
4.
© Hajime Mizuyama 多元配置実験の実験回数と自由度 2
4 6 8 10 0500100015002000 因子数 実験回数 主効果の自由度 交互作用の自由度 残差の自由度 2水準因子の場合 3水準因子の場合 2 4 6 8 10 0500100015002000 因子数 実験回数 主効果の自由度 交互作用の自由度 残差の自由度
5.
© Hajime Mizuyama 構造モデル 𝑦
= 𝜇 + 𝑎 + 𝑏 + 𝑐 + ⋯ + 𝑎𝑏 + 𝑏𝑐 + 𝑐𝑎 + ⋯ + 𝑒 仮定 – 3因子以上の交互作用(やいくつかの2因子交互作用)は無視 できる. – 主効果,交互作用はそれぞれ総和がゼロになる. – 誤差項は独立,等分散で期待値ゼロの正規分布に従う. 一部実施要因計画の構造モデル 一般平均 主効果 考慮すべき交互作用 誤差項
6.
© Hajime Mizuyama 直交表の分類 素数べき型直交表 2水準系 L8(27),
L16(215), ... 3水準系 L9(34), L27(313), ... 素数べき型直交表 2水準系 L8(27), L16(215), ... 3水準系 L9(34), L27(313), ... 混合系直交表 L12(211), L18(21×37), ... 混合系直交表 L12(211), L18(21×37), ...
7.
© Hajime Mizuyama 行数 水準数 列数 2水準の素数べき型直交表 1
2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 どの 2列をとっても, (1,1), (1,2), (2,1), (2,2) の組合せが同数回ずつ現れる. どの 2列をとっても, (1,1), (1,2), (2,1), (2,2) の組合せが同数回ずつ現れる. L8(27), L16(215), L32(231), ... 直交表:L8(27)
8.
© Hajime Mizuyama 行数 水準数 列数 どの
2列をとっても, (1,1), (1,2), (1,3), (2,1), (2,2), (2,3), (3,1), (3,2), (3,3) の組合せが同数回ずつ現れる. どの 2列をとっても, (1,1), (1,2), (1,3), (2,1), (2,2), (2,3), (3,1), (3,2), (3,3) の組合せが同数回ずつ現れる. L9(34), L27(313), L81(340), ... 直交表:L9(34) 3水準の素数べき型直交表 1 2 3 4 1 1 1 1 1 2 1 2 2 2 3 1 3 3 3 4 2 1 2 3 5 2 2 3 1 6 2 3 1 2 7 3 1 3 2 8 3 2 1 3 9 3 3 2 1
9.
© Hajime Mizuyama 直交表の使い方 1
2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 実験で取り上げる 因子水準の組合せ ( A1, B1, C1, D1 ) ( A1, B1, C2, D2 ) ( A2, B2, C2, D2 ) 実験回数 1/2 の 一部実施要因計画 実験回数 1/2 の 一部実施要因計画 A B C D
10.
© Hajime Mizuyama 実験データの構造モデル(交互作用がない場合) 1
2 3 4 5 6 7 データ (構造モデル) 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 A B C D 𝑦1 = 𝜇 + 𝑎1 + 𝑏1 + 𝑐1 + 𝑑1 + 𝑒1 𝑦2 = 𝜇 + 𝑎1 + 𝑏1 + 𝑐2 + 𝑑2 + 𝑒2 𝑦8 = 𝜇 + 𝑎2 + 𝑏2 + 𝑐2 + 𝑑2 + 𝑒8
11.
© Hajime Mizuyama 列ごとの対比(交互作用がない場合) 1
2 3 4 5 6 7 データ 平均 1 1 1 1 1 1 1 1 y1 2 1 1 1 2 2 2 2 y2 3 1 2 2 1 1 2 2 y3 4 1 2 2 2 2 1 1 y4 5 2 1 2 1 2 1 2 y5 6 2 1 2 2 1 2 1 y6 7 2 2 1 1 2 2 1 y7 8 2 2 1 2 1 1 2 y8 A B C D 𝑦1 [1] = 𝜇 + 𝑎1 + 1 4 𝑒 𝑟 4 𝑟=1 𝑦2 [1] = 𝜇 + 𝑎2 + 1 4 𝑒 𝑟 8 𝑟=5
12.
© Hajime Mizuyama 列ごとの対比(交互作用がない場合) 1
2 3 4 5 6 7 データ 平均 1 1 1 1 1 1 1 1 y1 2 1 1 1 2 2 2 2 y2 𝑦1 1 3 1 2 2 1 1 2 2 y3 4 1 2 2 2 2 1 1 y4 5 2 1 2 1 2 1 2 y5 6 2 1 2 2 1 2 1 y6 𝑦2 1 7 2 2 1 1 2 2 1 y7 8 2 2 1 2 1 1 2 y8 別の列に割り付け られた要因の効果 はすべて相殺され, 当該列に対応する 要因の効果,一般 平均および誤差項 だけが残る. 別の列に割り付け られた要因の効果 はすべて相殺され, 当該列に対応する 要因の効果,一般 平均および誤差項 だけが残る. A B C D
13.
© Hajime Mizuyama 列ごとの対比(交互作用がない場合) 特性値 因子Aの主効果の図示 A1
A2 𝑦1 1 𝑦2 1
14.
© Hajime Mizuyama 列間平方和 1
2 3 4 5 6 7 データ 平均 列間平方和 1 1 1 1 1 1 1 1 y1 2 1 1 1 2 2 2 2 y2 𝑦1 1 3 1 2 2 1 1 2 2 y3 𝑆 1 = 4 𝑦1 1 − 𝑦 2 + 4 𝑦2 1 − 𝑦 2 4 1 2 2 2 2 1 1 y4 5 2 1 2 1 2 1 2 y5 6 2 1 2 2 1 2 1 y6 𝑦2 1 7 2 2 1 1 2 2 1 y7 8 2 2 1 2 1 1 2 y8 A B C D
15.
© Hajime Mizuyama 総偏差平方和 総偏差平方和と列間平方和の関係 A
B C D 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 𝑆 𝑇 = 𝑦𝑟 − 𝑦 2 8 𝑟=1 = 𝑆 1 + 𝑆 2 + 𝑆 3 + 𝑆 4 + 𝑆 5 + 𝑆 6 + 𝑆 7 SA SB Se SC Se SD
16.
© Hajime Mizuyama 列間平方和を用いた分散分析 要因
平方和 自由度 平均平方 F値 A S[1] fA = 1 VA = S[1] /1 FA = VA /Ve B S[2] fB = 1 VB = S[2] /1 FB = VB /Ve C S[4] fC = 1 VC = S[4] /1 FC = VC /Ve D S[7] fD = 1 VD = S[7] /1 FD = VD /Ve 残差 S[3]+S[5] +S[6] fe = 3 Ve =(S[3]+S[5] +S[6]) /3 ― 計 ST 7 ― ― 自由度は,2水準系の場合は,1列あたり1,3水準系の場合は 1列あたり2,として計算する.
17.
© Hajime Mizuyama 平均の計算に 用いたデータ数 (一般には 有効反復数) 𝑦𝑗 1 ±
𝑡 𝑓𝑒, 1 − 𝛼 2 𝑉𝑒 4 母平均の区間推定(交互作用がない場合) 特性値 因子Aの主効果の図示 A1 A2 𝑦1 1 𝑦2 1
18.
© Hajime Mizuyama 交互作用がある場合 •
交互作用とは,ある因子の効果 の大きさが,別の因子の水準に よって変化すること. • 左の例では,因子Aの効果の大 きさが,因子Bの水準によって 変化している. • また,逆に,因子Bの効果の大 きさも,因子Aの水準によって 変化している. • 交互作用を評価をできるように 一部実施要因計画を作成するに はどうすればよいだろう? • 交互作用とは,ある因子の効果 の大きさが,別の因子の水準に よって変化すること. • 左の例では,因子Aの効果の大 きさが,因子Bの水準によって 変化している. • また,逆に,因子Bの効果の大 きさも,因子Aの水準によって 変化している. • 交互作用を評価をできるように 一部実施要因計画を作成するに はどうすればよいだろう? 特性値 A1 A2 因子A とB の主効果 と交互作用 A×B B2 B1
19.
© Hajime Mizuyama A1
A2 B2 因子A とB の主効果 と交互作用 A×B B1 (A1, B1) (A1, B2) (A2, B1) (A2, B2) 特性値 交互作用に関する対比 1 2 2 1 A×BA B 1 1 1 2 2 1 2 2
20.
© Hajime Mizuyama A
B C D 交互作用との交絡 A×B 直交表 L8(27) では, 1列目の因子と, 2列目の因子の間 の 2因子交互作用 は 3列目に現れる. 直交表 L8(27) では, 1列目の因子と, 2列目の因子の間 の 2因子交互作用 は 3列目に現れる. 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2
21.
© Hajime Mizuyama 交互作用と交絡する列 1
2 3 4 5 6 7 1 * 3 2 5 4 7 6 2 * 1 6 7 4 5 3 * 7 6 5 4 4 * 1 2 3 5 * 3 2 6 * 1 7 * 2列間の交互作用 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 直交表:L8(27)
22.
© Hajime Mizuyama 交互作用と線点図 線点図 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1
2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 直交表:L8(27)
23.
© Hajime Mizuyama •
2水準の素数べき型直交表では,任意の2列に割り付けた因子間 の交互作用は,別のある1列に現れる. • 3水準の素数べき型直交表では,任意の2列に割り付けた因子間 の交互作用は,別のある2列に現れる. • それらの列に別の因子を割り付けたとすると,その因子の主効 果と,当該交互作用とを区別して評価することができなくなる. これを「交絡」と呼ぶ. 交互作用との交絡
24.
© Hajime Mizuyama 交互作用と交絡する列(3水準の例) 1 3,
4 2 B1 B2 B3 A1 α1 α2 α3 A2 α3 α1 α2 A3 α2 α3 α1 B1 B2 B3 A1 β1 β2 β3 A2 β2 β3 β1 A3 β3 β1 β2 3水準どおしの2因子交互作用は: (ab) = α + β と分解できる. 線点図直交表:L9(34) 1 2 3 4 1 1 1 1 1 2 1 2 2 2 3 1 3 3 3 4 2 1 2 3 5 2 2 3 1 6 2 3 1 2 7 3 1 3 2 8 3 2 1 3 9 3 3 2 1
25.
© Hajime Mizuyama 線点図を用いた因子の割付け 線点図 1 2 3 4 5 6 7 因子A,B,C,Dの主効果と A×Bの交互作用を考慮したい. 考慮したい要因を線点図の 形式で表す. A
B C D A×B 考慮したい要因の線点図を 使用する直交表の線点図に 当てはめる. A D CB A×B
26.
© Hajime Mizuyama 線点図を用いた因子の割付け 線点図 1 2 3 4 5 6 7 1
2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 A D CB A×B A B C D A×B
27.
© Hajime Mizuyama 実験結果の例 1
2 3 4 5 6 7 データ 1 1 1 1 1 1 1 1 747 2 1 1 1 2 2 2 2 727 3 1 2 2 1 1 2 2 690 4 1 2 2 2 2 1 1 695 5 2 1 2 1 2 1 2 690 6 2 1 2 2 1 2 1 692 7 2 2 1 1 2 2 1 690 8 2 2 1 2 1 1 2 689 A B C D A×B
28.
© Hajime Mizuyama 総偏差平方和の計算 1
2 3 4 5 6 7 データ 偏差 偏差平方 1 1 1 1 1 1 1 1 747 44.5 1980.25 2 1 1 1 2 2 2 2 727 24.5 600.25 3 1 2 2 1 1 2 2 690 -12.5 156.25 4 1 2 2 2 2 1 1 695 -7.5 56.25 5 2 1 2 1 2 1 2 690 -12.5 156.25 6 2 1 2 2 1 2 1 692 -10.5 110.25 7 2 2 1 1 2 2 1 690 -12.5 156.25 8 2 2 1 2 1 1 2 689 -13.5 182.25 A B C D A×B 702.5平均: 3398総和:
29.
© Hajime Mizuyama 列間平方和の計算#1 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 714.75 12.25 150.0625 2 1 1 1 2 2 2 2 727 714.75 12.25 150.0625 3 1 2 2 1 1 2 2 690 714.75 12.25 150.0625 4 1 2 2 2 2 1 1 695 714.75 12.25 150.0625 5 2 1 2 1 2 1 2 690 690.25 -12.25 150.0625 6 2 1 2 2 1 2 1 692 690.25 -12.25 150.0625 7 2 2 1 1 2 2 1 690 690.25 -12.25 150.0625 8 2 2 1 2 1 1 2 689 690.25 -12.25 150.0625 A B C D A×B 702.5平均: 1200.5総和:
30.
© Hajime Mizuyama 列間平方和の計算#2 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 714 11.5 132.25 2 1 1 1 2 2 2 2 727 714 11.5 132.25 5 2 1 2 1 2 1 2 690 714 11.5 132.25 6 2 1 2 2 1 2 1 692 714 11.5 132.25 3 1 2 2 1 1 2 2 690 691 -11.5 132.25 4 1 2 2 2 2 1 1 695 691 -11.5 132.25 7 2 2 1 1 2 2 1 690 691 -11.5 132.25 8 2 2 1 2 1 1 2 689 691 -11.5 132.25 A B C D A×B 702.5平均: 1058総和:
31.
© Hajime Mizuyama 列間平方和の計算#3 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 713.25 10.75 115.5625 2 1 1 1 2 2 2 2 727 713.25 10.75 115.5625 7 2 2 1 1 2 2 1 690 713.25 10.75 115.5625 8 2 2 1 2 1 1 2 689 713.25 10.75 115.5625 3 1 2 2 1 1 2 2 690 691.75 -10.75 115.5625 4 1 2 2 2 2 1 1 695 691.75 -10.75 115.5625 5 2 1 2 1 2 1 2 690 691.75 -10.75 115.5625 6 2 1 2 2 1 2 1 692 691.75 -10.75 115.5625 A B C D A×B 702.5平均: 924.5総和:
32.
© Hajime Mizuyama 列間平方和の計算#4 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 704.25 1.75 3.0625 3 1 2 2 1 1 2 2 690 704.25 1.75 3.0625 5 2 1 2 1 2 1 2 690 704.25 1.75 3.0625 7 2 2 1 1 2 2 1 690 704.25 1.75 3.0625 2 1 1 1 2 2 2 2 727 700.75 -1.75 3.0625 4 1 2 2 2 2 1 1 695 700.75 -1.75 3.0625 6 2 1 2 2 1 2 1 692 700.75 -1.75 3.0625 8 2 2 1 2 1 1 2 689 700.75 -1.75 3.0625 A B C D A×B 702.5平均: 24.5総和:
33.
© Hajime Mizuyama 列間平方和の計算#5 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 704.5 2 4 3 1 2 2 1 1 2 2 690 704.5 2 4 6 2 1 2 2 1 2 1 692 704.5 2 4 8 2 2 1 2 1 1 2 689 704.5 2 4 2 1 1 1 2 2 2 2 727 700.5 -2 4 4 1 2 2 2 2 1 1 695 700.5 -2 4 5 2 1 2 1 2 1 2 690 700.5 -2 4 7 2 2 1 1 2 2 1 690 700.5 -2 4 A B C D A×B 702.5平均: 32総和:
34.
© Hajime Mizuyama 列間平方和の計算#6 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 705.25 2.75 7.5625 4 1 2 2 2 2 1 1 695 705.25 2.75 7.5625 5 2 1 2 1 2 1 2 690 705.25 2.75 7.5625 8 2 2 1 2 1 1 2 689 705.25 2.75 7.5625 2 1 1 1 2 2 2 2 727 699.75 -2.75 7.5625 3 1 2 2 1 1 2 2 690 699.75 -2.75 7.5625 6 2 1 2 2 1 2 1 692 699.75 -2.75 7.5625 7 2 2 1 1 2 2 1 690 699.75 -2.75 7.5625 A B C D A×B 702.5平均: 60.5総和:
35.
© Hajime Mizuyama 列間平方和の計算#7 1
2 3 4 5 6 7 データ 平均 偏差 偏差平方 1 1 1 1 1 1 1 1 747 706 3.5 12.25 4 1 2 2 2 2 1 1 695 706 3.5 12.25 6 2 1 2 2 1 2 1 692 706 3.5 12.25 7 2 2 1 1 2 2 1 690 706 3.5 12.25 2 1 1 1 2 2 2 2 727 699 -3.5 12.25 3 1 2 2 1 1 2 2 690 699 -3.5 12.25 5 2 1 2 1 2 1 2 690 699 -3.5 12.25 8 2 2 1 2 1 1 2 689 699 -3.5 12.25 A B C D A×B 702.5平均: 98総和:
36.
© Hajime Mizuyama 総偏差平方和 総偏差平方和の列間平方和への分解 A
B C D 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 A×B 𝑆 𝑇 = 𝑦𝑟 − 𝑦 2 8 𝑟=1 = 𝑆 1 + 𝑆 2 + 𝑆 3 + 𝑆 4 + 𝑆 5 + 𝑆 6 + 𝑆 7 SA SB SA×B SC Se SD = 3398 = 1200.5 + 1058 + 924.5 +24.5 + 32 + 60.5 + 98
37.
© Hajime Mizuyama 偏差データベクトル 𝒅
= (𝑦1 − 𝑦, 𝑦2 − 𝑦, … , 𝑦8 − 𝑦) 総偏差平方和 𝒅 のノルムの2乗( 𝑆 𝑇 = 𝒅 2 ) 第1列の列間平方和 𝒅 の (-1, -1, -1, -1, 1, 1, 1, 1) 方向への射影(= 𝒅 1 ) のノルムの2乗( 𝑆[1] = 𝒅 1 2 ) 平方和の分解(データベクトルの射影としての理解) d d[1]
38.
© Hajime Mizuyama 平方和の分解(データベクトルの射影としての理解) d
d[1] d[2] d[3] d[4] d[5] d[6] d[7] 1 44.5 12.25 11.5 10.75 1.75 2 2.75 3.5 2 24.5 12.25 11.5 10.75 -1.75 -2 -2.75 -3.5 3 -12.5 12.25 -11.5 -10.75 1.75 2 -2.75 -3.5 4 -7.5 12.25 -11.5 -10.75 -1.75 -2 2.75 3.5 5 -12.5 -12.25 11.5 -10.75 1.75 -2 2.75 -3.5 6 -10.5 -12.25 11.5 -10.75 -1.75 2 -2.75 3.5 7 -12.5 -12.25 -11.5 10.75 1.75 -2 -2.75 3.5 8 -13.5 -12.25 -11.5 10.75 -1.75 2 2.75 -3.5 平方和 3398 1200.5 1058 924.5 24.5 32 60.5 98 𝑆 𝑇 = 𝑆 1 + 𝑆 2 + 𝑆 3 + 𝑆 4 + 𝑆 5 + 𝑆 6 + 𝑆 7 𝒅 = 𝒅 1 + 𝒅 2 + 𝒅 3 + 𝒅 4 + 𝒅 5 + 𝒅 6 + 𝒅 7 かつ 𝒅 𝑖 ⊥ 𝒅 𝑗
39.
© Hajime Mizuyama 分散分析による要因効果の検定 要因
平方和 自由度 平均平方 F値 A S[1] fA = 1 VA = S[1] /1 FA = VA /Ve B S[2] fB = 1 VB = S[2] /1 FB = VB /Ve C S[4] fC = 1 VC = S[4] /1 FC = VC /Ve D S[7] fD = 1 VD = S[7] /1 FD = VD /Ve A×B S[3] fA×B = 1 VA×B = S[3] /1 FA×B = VA×B /Ve 残差 S[5] + S[6] fe = 2 Ve =(S[5] + S[6]) /2 ― 計 ST 7 ― ―
40.
© Hajime Mizuyama 分散分析による要因効果の検定 要因
平方和 自由度 平均平方 F値 p値 A 1200.5 1 1200.5 25.957 0.0364 B 1058.0 1 1058.0 22.876 0.0410 C 24.5 1 24.5 0.530 0.5424 D 98.0 1 98.0 2.119 0.2828 A×B 924.5 1 924.5 19.989 0.0466 残差 92.5 2 46.25 ― ― 計 3398 7 ― ― ―
41.
© Hajime Mizuyama 分散分析による要因効果の検定(プーリングした場合) 要因
平方和 自由度 平均平方 F値 p値 A 1200.5 1 1200.5 25.957 0.00913 B 1058.0 1 1058.0 22.876 0.01136 A×B 924.5 1 924.5 19.989 0.01429 残差 215.0 4 53.75 ― ― 計 3398 7 ― ― ― プーリングとは,有意でなかった要因を,無視できると判断し, それに対応する列間平方和を,残差平方和に繰り入れること.
42.
© Hajime Mizuyama 母平均の点推定 1
2 3 4 5 6 7 データ 平均 1 1 1 1 1 1 1 1 747 𝑦1,1 1,2 = 737 2 1 1 1 2 2 2 2 727 3 1 2 2 1 1 2 2 690 𝑦1,2 1,2 = 692.5 4 1 2 2 2 2 1 1 695 5 2 1 2 1 2 1 2 690 𝑦2,1 1,2 = 691 6 2 1 2 2 1 2 1 692 7 2 2 1 1 2 2 1 690 𝑦2,2 1,2 = 689.5 8 2 2 1 2 1 1 2 689 A B A×B
43.
© Hajime Mizuyama 母平均の区間推定(プーリングしない場合) 660680700720740760780 A1
A2 B1 B2 𝑦𝑖,𝑗 1,2 ± 𝑡 𝑓𝑒, 1 − 𝛼 2 𝑉𝑒 2 𝑦1,1 1,2 𝑦1,2 1,2 𝑦2,1 1,2 𝑦2,2 1,2
44.
© Hajime Mizuyama 母平均の区間推定(プーリングした場合) 660680700720740760780 A1
A2 𝑦𝑖,𝑗 1,2 ± 𝑡 𝑓𝑒, 1 − 𝛼 2 𝑉𝑒 2 B1 B2 𝑦1,1 1,2 𝑦1,2 1,2 𝑦2,1 1,2 𝑦2,2 1,2
45.
© Hajime Mizuyama 直交表:L16(215) 1
2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 4 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 5 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 6 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1 7 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 8 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 9 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 10 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1 11 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1 12 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2 13 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 14 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2 15 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2 16 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 * 3 2 5 4 7 6 9 8 11 10 13 12 15 14 2 * 1 6 7 4 5 10 11 8 9 14 15 12 13 3 * 7 6 5 4 11 10 9 8 15 14 13 12 4 * 1 2 3 12 13 14 15 8 9 10 11 5 * 3 2 13 12 15 14 9 8 11 10 6 * 1 14 15 12 13 10 11 8 9 7 * 15 14 13 12 11 10 9 8 8 * 1 2 3 4 5 6 7 9 * 3 2 5 4 7 6 10 * 1 6 7 4 5 11 * 7 6 5 4 12 * 1 2 3 13 * 3 2 14 * 1 15 *
46.
© Hajime Mizuyama 直交表:L16(215) 2 3 8 9 10 137
1 126 15 14 11 4 5 (1) (3) 1 2 4 8 15 3 14 913 11 6 7 12 5 (2) 1 2 3 4 5 6 7 8 9 101112 13 14 15 10 1 12 6 4 5 7 9 11 13 8 10 153 14 2 (4) (5) (6) 1 4 5 7 6 3 12 15 14 13 2 8 10 9 11 8 10 12 14 11 13 15 9 1 3 2 6 7 4 5
47.
© Hajime Mizuyama 直交表:L27(313) 1
2 3 4 5 6 7 8 9 10 11 12 13 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 2 2 2 2 2 2 2 2 2 3 1 1 1 1 3 3 3 3 3 3 3 3 3 4 1 2 2 2 1 1 1 2 2 2 3 3 3 5 1 2 2 2 2 2 2 3 3 3 1 1 1 6 1 2 2 2 3 3 3 1 1 1 2 2 2 7 1 3 3 3 1 1 1 3 3 3 2 2 2 8 1 3 3 3 2 2 2 1 1 1 3 3 3 9 1 3 3 3 3 3 3 2 2 2 1 1 1 10 2 1 2 3 1 2 3 1 2 3 1 2 3 11 2 1 2 3 2 3 1 2 3 1 2 3 1 12 2 1 2 3 3 1 2 3 1 2 3 1 2 13 2 2 3 1 1 2 3 2 3 1 3 1 2 14 2 2 3 1 2 3 1 3 1 2 1 2 3 15 2 2 3 1 3 1 2 1 2 3 2 3 1 16 2 3 1 2 1 2 3 3 1 2 2 3 1 17 2 3 1 2 2 3 1 1 2 3 3 1 2 18 2 3 1 2 3 1 2 2 3 1 1 2 3 19 3 1 3 2 1 3 2 1 3 2 1 3 2 20 3 1 3 2 2 1 3 2 1 3 2 1 3 21 3 1 3 2 3 2 1 3 2 1 3 2 1 22 3 2 1 3 1 3 2 2 1 3 3 2 1 23 3 2 1 3 2 1 3 3 2 1 1 3 2 24 3 2 1 3 3 2 1 1 3 2 2 1 3 25 3 3 2 1 1 3 2 3 2 1 2 1 3 26 3 3 2 1 2 1 3 1 3 2 3 2 1 27 3 3 2 1 3 2 1 2 1 3 1 3 2 1 2 3 4 5 6 7 8 9 10 11 12 13 1 * 3 2 2 6 5 5 9 8 8 12 11 11 4 4 3 7 7 6 10 10 9 13 13 12 2 * 1 1 8 9 10 5 6 7 5 6 7 4 3 11 12 13 11 12 13 8 9 10 3 * 1 9 10 8 7 5 6 6 7 5 2 13 11 12 12 13 11 10 8 9 4 * 10 8 9 6 7 5 7 5 6 12 13 11 13 11 12 9 10 8 5 * 1 1 2 3 4 2 4 3 7 6 11 13 12 8 10 9 6 * 1 4 2 3 3 2 4 5 13 12 11 10 9 8 7 * 3 4 2 4 3 2 12 11 13 9 8 10 8 * 1 1 2 3 4 10 9 5 7 6 9 * 1 4 2 3 8 7 6 5 10 * 3 4 2 6 5 7 11 * 1 1 13 12 12 * 1 11 13 *
48.
© Hajime Mizuyama 直交表:L27(313) 1 2 11 1 2 3,
4 5 6, 7 8, 11 9 10 12 13 (1) (2) (a) (b) 5 8 3, 4 6, 7 9, 10 12, 13 5 1 10 2 9 6, 7 8, 11 3, 13 4, 12
49.
© Hajime Mizuyama Resolution
III すべての主効果のみが互いに交絡せずに推定可能. Resolution IV すべての主効果が,他の主効果とも,2因子交互作用とも交絡せ ずに推定可能. Resolution V 主効果と 2因子交互作用がすべて互いに交絡せずに推定可能. 一部実施要因計画の分解能
50.
© Hajime Mizuyama 直交表の分類 素数べき型直交表 2水準系 L8(27),
L16(215), ... 3水準系 L9(34), L27(313), ... 素数べき型直交表 2水準系 L8(27), L16(215), ... 3水準系 L9(34), L27(313), ... 混合系直交表 L12(211), L18(21×37), ... 混合系直交表 L12(211), L18(21×37), ...
51.
© Hajime Mizuyama 混合系直交表の例:L12(211) A
B C ... 1 2 3 4 5 6 7 8 9 10 11 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 3 1 1 2 2 2 1 1 1 2 2 2 4 1 2 1 2 2 1 2 2 1 1 2 5 1 2 2 1 2 2 1 2 1 2 1 6 1 2 2 2 1 2 2 1 2 1 1 7 2 1 2 2 1 1 2 2 1 2 1 8 2 1 2 1 2 2 2 1 1 1 2 9 2 1 1 2 2 2 1 2 2 1 1 10 2 2 2 1 1 1 1 2 2 1 2 11 2 2 1 2 1 2 1 1 1 2 2 12 2 2 1 1 2 1 2 1 2 2 1
52.
© Hajime Mizuyama 列ごとの対比と交互作用 A
B C ... 1 2 3 4 5 6 7 8 9 10 11 平均 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 3 1 1 2 2 2 1 1 1 2 2 2 4 1 2 1 2 2 1 2 2 1 1 2 5 1 2 2 1 2 2 1 2 1 2 1 6 1 2 2 2 1 2 2 1 2 1 1 7 2 1 2 2 1 1 2 2 1 2 1 8 2 1 2 1 2 2 2 1 1 1 2 9 2 1 1 2 2 2 1 2 2 1 1 10 2 2 2 1 1 1 1 2 2 1 2 11 2 2 1 2 1 2 1 1 1 2 2 12 2 2 1 1 2 1 2 1 2 2 1 𝑦1 1 = 𝜇 + 𝑎1 𝑦1 2 = 𝜇 + 𝑎2 + 1 3 𝑏𝑐 11 + 1 6 𝑒 𝑟 6 𝑟=1 + 1 3 𝑏𝑐 12 + 1 6 𝑒 𝑟 12 𝑟=7
53.
© Hajime Mizuyama 列ごとの対比と交互作用 A
B C ... 1 2 3 4 5 6 7 8 9 10 11 平均 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 3 1 1 2 2 2 1 1 1 2 2 2 4 1 2 1 2 2 1 2 2 1 1 2 5 1 2 2 1 2 2 1 2 1 2 1 6 1 2 2 2 1 2 2 1 2 1 1 7 2 1 2 2 1 1 2 2 1 2 1 8 2 1 2 1 2 2 2 1 1 1 2 9 2 1 1 2 2 2 1 2 2 1 1 10 2 2 2 1 1 1 1 2 2 1 2 11 2 2 1 2 1 2 1 1 1 2 2 12 2 2 1 1 2 1 2 1 2 2 1 𝑦1 1 = 𝜇 + 𝑎1 𝑦1 2 = 𝜇 + 𝑎2 + 1 3 𝑏𝑐 11 + 1 6 𝑒 𝑟 6 𝑟=1 + 1 3 𝑏𝑐 12 + 1 6 𝑒 𝑟 12 𝑟=7
54.
© Hajime Mizuyama 列ごとの対比と交互作用 A
B C ... 1 2 3 4 5 6 7 8 9 10 11 列間平方和 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 3 1 1 2 2 2 1 1 1 2 2 2 4 1 2 1 2 2 1 2 2 1 1 2 5 1 2 2 1 2 2 1 2 1 2 1 6 1 2 2 2 1 2 2 1 2 1 1 7 2 1 2 2 1 1 2 2 1 2 1 8 2 1 2 1 2 2 2 1 1 1 2 9 2 1 1 2 2 2 1 2 2 1 1 10 2 2 2 1 1 1 1 2 2 1 2 11 2 2 1 2 1 2 1 1 1 2 2 12 2 2 1 1 2 1 2 1 2 2 1 𝑆 1 = 6 𝑦1 1 − 𝑦 2 +6 𝑦2 1 − 𝑦 2
55.
© Hajime Mizuyama 列ごとの対比と交互作用 A
B C ... 1 2 3 4 5 6 7 8 9 10 11 列間平方和 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 3 1 1 2 2 2 1 1 1 2 2 2 4 1 2 1 2 2 1 2 2 1 1 2 5 1 2 2 1 2 2 1 2 1 2 1 6 1 2 2 2 1 2 2 1 2 1 1 7 2 1 2 2 1 1 2 2 1 2 1 8 2 1 2 1 2 2 2 1 1 1 2 9 2 1 1 2 2 2 1 2 2 1 1 10 2 2 2 1 1 1 1 2 2 1 2 11 2 2 1 2 1 2 1 1 1 2 2 12 2 2 1 1 2 1 2 1 2 2 1 列間平方和 S[1] に 交互作用 B×C の 平方和のうち 1/9 が相殺されず残る. これを「部分交絡」 と呼ぶ. 列間平方和 S[1] に 交互作用 B×C の 平方和のうち 1/9 が相殺されず残る. これを「部分交絡」 と呼ぶ.
56.
© Hajime Mizuyama e
e e e e e 完全交絡の図的理解 列間平方和 1 2 3 4 5 ... 列番号 CA B A B C 完全交絡なので,主効果Cと 交互作用A×Bとを 区別することができない. 完全交絡なので,主効果Cと 交互作用A×Bとを 区別することができない. A×B
57.
© Hajime Mizuyama e
e e e e e 部分交絡の図的理解 列間平方和 1 2 3 4 5 ... 列番号 CA B A B C 部分交絡では,交互作用A×B 自身の評価は難しいが, 主効果C の評価には さほど影響は与えない. 部分交絡では,交互作用A×B 自身の評価は難しいが, 主効果C の評価には さほど影響は与えない.
58.
© Hajime Mizuyama 混合系直交表の例:L18(21×37) 1
2 3 4 5 6 7 8 1 1 1 1 1 1 1 1 1 2 1 1 2 2 2 2 2 2 3 1 1 3 3 3 3 3 3 4 1 2 1 1 2 2 3 3 5 1 2 2 2 3 3 1 1 6 1 2 3 3 1 1 2 2 7 1 3 1 2 1 3 2 3 8 1 3 2 3 2 1 3 1 9 1 3 3 1 3 2 1 2 10 2 1 1 3 3 2 2 1 11 2 1 2 1 1 3 3 2 12 2 1 3 2 2 1 1 3 13 2 2 1 2 3 1 3 2 14 2 2 2 3 1 2 1 3 15 2 2 3 1 2 3 2 1 16 2 3 1 3 2 3 1 2 17 2 3 2 1 3 1 2 3 18 2 3 3 2 1 2 3 1
59.
© Hajime Mizuyama 直交表の使い分け 素数べき型直交表 •
交互作用が無視できることが わかっており,主効果だけを 評価したい場合 • 主効果だけでなく,交互作用 も評価したい場合 – 考慮するべき交互作用を 限定できる場合 – 因子数が多くない場合 素数べき型直交表 • 交互作用が無視できることが わかっており,主効果だけを 評価したい場合 • 主効果だけでなく,交互作用 も評価したい場合 – 考慮するべき交互作用を 限定できる場合 – 因子数が多くない場合 混合系直交表 • 因子数が多く,交互作用が無 視できるかどうか不明な場合 • 多くの因子の中から,主効果 の大きさに基づいて,重要な ものを絞り込みたい場合 • 影響の大きい主効果だけを用 いて改善を達成したい場合 – ロバスト設計 混合系直交表 • 因子数が多く,交互作用が無 視できるかどうか不明な場合 • 多くの因子の中から,主効果 の大きさに基づいて,重要な ものを絞り込みたい場合 • 影響の大きい主効果だけを用 いて改善を達成したい場合 – ロバスト設計