Ensai4 PDF

Plans factoriels complets
Principe des plans fractionnaires

tude des confusions des plans fractionnaires
Choix et dpouillement dun plan fractionnaire
Plans factoriels complets, plans fractionnaires
Cas des facteurs ayant deux modalits
Frdric Bertrand
1
1
IRMA, Universit de Strasbourg
Strasbourg, France
ENSAI 3
e
Anne
19-03-2012
Frdric Bertrand Plans factoriels complets, plans fractionnaires
Sommaire
1
Donnes, notations
Estimation
Analyse des rsultats
2
Introduction
Construction en trois tapes
Proprits du plan propos
Sommaire
3
Une confusion en engendre dautres
Lister les confusions induites par une confusion donne
Choix des confusions ; cas de plusieurs confusions
4
Nombre de facteurs tudis et nombre dessais
Dpouillement des rsultats
Essais complmentaires
Sources
Ce cours sappuie sur les rfrences :
D. Collombier, Plans dexprience factoriels : construction
et proprits des fractions de plans, aux ditions Springer,
1996.
F. Husson et J. Pags, Statistiques gnrales pour
utilisateurs, aux PUR, 2005.
le livre de Douglas C. Montgomery, Design and Analysis
of Experiments, 7
th
Edition, aux ditions Wiley, 2009.
Donnes, notations
Estimation
Sommaire
1
2
3
4
Donnes, notations
Estimation
Sommaire
1
Donnes, notations
Estimation
2
3
4
Donnes, notations
Estimation
Notations, modles et matrice des effets
Introduction
Introduction
Ces plans prsentent les caractristiques suivantes :
ce sont les plus simples sur le plan technique; ils se
prtent donc bien lintroduction dlments
mthodologiques ;
ils sont souvent utiliss ;
il est ncessaire de les connatre pour aborder les plans
fractionnaires.
Donnes, notations
Estimation
Introduction
Considrons le plan complet 3 facteurs ayant chacun 2
modalits.
Ce plan comporte 2
3
essais et est souvent not 2
3
.
Plus gnralement, le plan complet p facteurs 2 modalits
est not 2
p
.
Donnes, notations
Estimation
Introduction
Voici la seconde :
F1 F2 F3 Y
1 1 1 y
111
1 1 2 y
112
1 2 1 y
121
1 2 2 y
122
2 1 1 y
211
2 1 2 y
212
2 2 1 y
221
2 2 2 y
222
TABLE: 1. Notations pour le plan 2
3
.
Donnes, notations
Estimation
Choix dun modle et matrice des effets
Deux modles pour analyser ces donnes
Le modle complet
Il contient tous les effets : 3 effets principaux, 3 interactions
dordre 2 et linteraction dordre 3.
Puisquil ny a pas de rptitions, ce modle est satur (autant
de paramtres que de donnes, ici 8 = 7+ la constante). Soit :
y
ijk
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
Utiliser un tel modle revient considrer que la variance
rsiduelle est ngligeable devant les effets des facteurs. De
faon pragmatique, ce peut-tre une premire tape dans
lanalyse des rsultats.
Donnes, notations
Estimation
Le modle rduit dordre 2
Il ne contient que les effets principaux et les interactions dordre
2.
Il revient ngliger a priori toute interaction dordre suprieur
2, ce qui savre raisonnable en pratique. Linteraction dordre 3
du modle prcdent est vue maintenant comme le rsidu.
Soit :
y
ijk
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+
ijk
Dans ce modle 3 facteurs, la variance rsiduelle est estime
avec un seul degr de libert.
Donnes, notations
Estimation
Le modle rduit dordre 2 (suite)
Ceci est trs peu : pour sen convaincre, on peut consulter
quelques valeurs de la loi de Student (utilise pour le test de
signication dun coefcient) : les deux valeurs suivantes
t
1,.975
= 12, 71 et t
3,.975
= 3.18 montrent une grande diffrence
entre 1 et 3 degrs de libert.
Donnes, notations
Estimation
Le modle rduit dordre 2 (suite)
En raccourci, on peut dire que pour tre signicatif, un
coefcient doit tre 4 fois plus grand avec 1 ddl quavec 3 ddl.
Aussi, les tests sont-ils beaucoup moins puissants (i.e. aptes
mettre en vidence des effets signicatifs) avec 1 ddl quavec
3 : ces deux situations sont donc trs diffrentes en pratique.
Ds que le nombre de facteurs p crot au-del de trois, les
rsidus du modle rduit dordre 2 prsentent rapidement
beaucoup plus de degrs de libert (5 ddl pour p = 4 ; 16 ddl
pour p = 5).
Donnes, notations
Estimation
Matrice des effets
On appelle matrice des effets la matrice X de lcriture du
modle Y = X + . Dans le cas de facteurs deux modalits,
cette matrice prsente des proprits remarquables.
Effets principaux
Pour les effets principaux, par exemple F1, la contrainte
i

i
= 0 conduit
2
=
1
; chaque effet principal est
reprsent par une seule colonne qui ne contient donc que les
valeurs 1 et -1.
Donnes, notations
Estimation
Interactions
Pour les interactions, par exemple entre F1 et F2, les
contraintes
i
()
ij
= 0 et
j
()
ij
= 0 conduisent exprimer
tous les paramtres en fonction dun seul (do un seul degr
de libert associ une interaction et donc une seule colonne
dans X), en loccurrence ()
11
(cf. Tableau 12.2).
En outre ces contraintes illustrent bien la notion dinteraction :
si, pour F1 = 1, cest la modalit 1 de F2 qui est meilleure
(()
11
> 0) alors cest linverse pour F1 = 2
(()
21
= ()
11
< 0).
Donnes, notations
Estimation
Matrice des effets
Il en rsulte que dans la matrice des effets, la colonne
correspondant une interaction sobtient en multipliant entre
elles les colonnes des effets principaux correspondants,
proprit trs utilise en pratique.
Plus gnralement, la colonne dune interaction dordre
quelconque est obtenue en multipliant entre elles toutes les
colonnes des effets principaux correspondant.
Tout ceci nest valable que pour des facteurs deux modalits :
pour des facteurs plus de modalits, plusieurs colonnes
(autant que de ddl) sont ncessaires pour reprsenter un effet.
Donnes, notations
Estimation
Matrice des effets
F
2
1 2

F
1
1 ()
11
()
11
0
2 ()
11
()
11
0
0 0 0
TABLE: 2. Relations entre les coefcients dinteraction dans le cas de
facteurs deux modalits
Donnes, notations
Estimation
Matrice des effets
Dans le cas du plan 2
3
, on obtient ainsi la matrice du tableau 3
reproduit sur le transparent suivant.
Les trois premires colonnes (qui correspondent aux effets
principaux) sont celles de la matrice des essais condition de
coder 2 (dans le tableau 1) par 1.
Matrice des effets
Les colonnes reprsentant les interactions sont obtenues par
multiplication de celles des effets principaux correspondants.
On ajoute la n la colonne constante.
Donnes, notations
Estimation
Matrice des effets
Effets
1 2 3 12 13 23 123 I
1 +1 +1 +1 +1 +1 +1 +1 +1
2 +1 +1 -1 +1 -1 -1 -1 +1
3 +1 -1 +1 -1 +1 -1 -1 +1
4 +1 -1 -1 -1 -1 +1 +1 +1
5 -1 +1 +1 -1 -1 +1 -1 +1
6 -1 +1 -1 -1 +1 -1 +1 +1
7 -1 -1 +1 +1 -1 -1 +1 +1
8 -1 -1 -1 +1 +1 +1 -1 +1
TABLE: 3. Matrice X associe au modle satur du plan 2
3
Donnes, notations
Estimation
Matrice des effets
Cette matrice possde une proprit remarquable : le produit
scalaire entre deux colonnes quelconques est gal 0.
Lorsque lune de ces colonnes est celle de la constante, cela
montre que les autres colonnes sont centres (de moyenne
nulle).
tant de moyenne nulle, le fait que leur produit scalaire soit nul
montre que les autres colonnes sont deux deux non
corrles.
Donnes, notations
Estimation
Matrice des effets
Enn, le carr de la norme euclidienne dune colonne est
gal au nombre dessais n.
Toutes ces proprits peuvent tre rsumes dans lcriture
matricielle : (X
X) = (XX
) = nId, en notant Id la matrice

identit de bonne dimension.
Donnes, notations
Estimation
Matrice des effets
Une matrice qui vrie cette proprit est dite matrice de
Hadamard.
Il nexiste des matrices de Hadamard que pour n multiple de 4.
Pour n = 2
p
, la matrice du modle satur du plan 2
p
est une
matrice de Hadamard. Pour les autres valeurs de n les
matrices de Hadamard se trouvent dans des tables.
Donnes, notations
Estimation
Sommaire
1
Donnes, notations
Estimation
2
3
4
Donnes, notations
Estimation
Estimation
Lorsque X est une matrice de Hadamard, lestimation des
paramtres est particulirement simple. En effet :
1
= (1/n)I
d
.
Lestimation des coefcients devient alors :

= (1/n)X
Y.
Au coefcient 1/n prs, un coefcient est estim en multipliant
la colonne de X correspondante par le vecteur Y.
Donnes, notations
Estimation
Exemple
Y =
y
111
y
112
y
121
y
122
y
211
y
212
y
221
y
222
26
18
8
8
6
6
4
4
1

1
()
11
()
11
()
11
()
111

5
4
1
3
1
1
1
10
TABLE: 4. Exemple numrique destimation des paramtres dans le

cas dun plan 2
3
Donnes, notations
Estimation
Exemple
Chaque terme du vecteur

est obtenu en effectuant le produit
scalaire entre Y et la colonne correspondante de X puis en
divisant par n = 8. Ce produit scalaire sinterprte simplement.
Ainsi lestimation de
1
, obtenue par le produit scalaire entre Y
et la premire colonne du tableau 4, scrit :

1
=
1
8
[y
111
+ y
112
+ y
121
+ y
122
y
211
y
212
y
221
y
222
]
=
1
2
[y
1
y
2
]
= y
1
y
(1)
Donnes, notations
Estimation
Exemple
On reconnat, au coefcient 1/2 prs, la diffrence de moyenne
de Y entre les modalits 1 et 2 de F1.
Linterprtation du coefcient dun effet principal est donc trs
simple.
Donnes, notations
Estimation
Exemple
Pour un coefcient dinteraction, par exemple
11
, on obtient,
par le produit scalaire entre Y et la 4
e
colonne du tableau 4 :
()
11
= 1/8[y
111
+ y
112
y
121
y
122
y
211
y
212
+
y
221
+ y
222
]
= 1/4[y
11
y
12
y
21
+ y
22
]
= 1/2[(y
11
y
1
) (y
1
y
)]
dans laquelle on reconnat la notion dinteraction usuelle.
Donnes, notations
Estimation
Exemple
Comme les estimations prcdentes, celle du coefcient de
linteraction dordre 3 not ()
111
, sobtient par le produit
scalaire entre Y et la colonne du tableau 4 correspondant
123. Soit :
()
111
= 1/8[y
111
y
112
y
121
+ y
122
y
211
+
y
212
+ y
221
y
222
]
= 1/8[(y
111
y
112
y
121
+ y
122
) (y
211
y
212
y
221
+ y
222
)]
La seconde criture aide comprendre ce que reprsente une
interaction dordre 3. On reconnat la diffrence entre
linteraction entre F2 et F3 lorsque F1 = 1 et cette mme
interaction lorsque F1 = 2.
Donnes, notations
Estimation
Interprtation
Il nen reste pas mois que, en pratique, lorsque lon met en
uvre des plans qui permettent de tester la signication des
interactions dordre 3 celles-ci sont rarement signicatives.
Pour toutes ces raisons, la plupart des utilisateurs ngligent les
interactions dordre 3. A fortiori, il en est bien sr de mme pour
les interactions dordre suprieur 3.
Donnes, notations
Estimation
Variance des estimateurs
Elles se trouvent sur la diagonale de la matrice
2
(X
X)
1
qui,
pour une matrice de Hadamard, vaut (
2
/n)Id. Toutes ces
variances sont donc gales
2
/n.
Thorme
Cette variance est la plus petite possible : aucun autre plan en
n essais ne fournit de meilleurs estimateurs.
Donnes, notations
Estimation
Variance des estimateurs
On peut avoir une intuition de ce rsultat en remarquant que
cette variance est celle de lestimateur dune moyenne partir
dun chantillon de taille n, situation dans laquelle toutes les
donnes ne servent estimer quune seule moyenne.
Ce qui est remarquable ici est que, partir du mme ensemble
de donnes, on estime tous les effets avec cette mme
prcision.
Cette ide sera tendue avec les plans fractionnaires.
Donnes, notations
Estimation
Proprit remarquable
La relation

= (1/n)X
Y montre clairement que lestimation

dun coefcient particulier ne dpend pas de la prsence ou
non des autres effets dans le modle.
Ainsi, les estimations {5, 4, 1} des effets principaux sont les
mmes, que lon utilise le modle satur ou le modle rduit
aux seuls effets principaux.
Donnes, notations
Estimation
Proprit remarquable
Cette proprit est attendue par lutilisateur. Les plans qui la
possde sont appels plans orthogonaux et elle est toujours
vraie dans le cas dun plan complet (quels que soient les
nombres de modalits des facteurs), ce qui est lun des attraits
des plans complets.
Cette proprit repose sur le rsultat suivant : lestimation des
coefcients de F1 ne dpend pas de la prsence ou non de F2
dans le modle lorsque F1 et F2 ne sont pas lis.
Donnes, notations
Estimation
Proprit remarquable
En pratique, cette liaison peut sapprcier en calculant le
tableau de contingence croisant les modalits de F1 (en lignes)
avec celles de F2 (en colonnes) dans lequel, lintersection de
la ligne i et de la colonne j , on trouve le nombre dessais
raliss selon ces modalits (cf. Tableau 5 gauche).
Si le tableau des effectifs est constant, ce qui est le cas dans
notre exemple, mais aussi plus gnralement pour tout plan
complet et ce quel que soit le couple de facteurs, les deux
facteurs ne sont pas lis : on dit quils sont orthogonaux.
Donnes, notations
Estimation
Proprit remarquable
Plan 2
3
Plan [P]
F
2
F
2
1 2 1 2
F
1
1 2 2 F
1
1 3 1
2 2 2 2 2 2
TABLE: 5. Tableau deffectifs croisant les facteurs F1 et F2. gauche
pour le plan 2
3
, chaque combinaison de modalits est reprsente
par le mme nombre dessais. Ce nest pas le cas, droite, pour le
plan [P].
Donnes, notations
Estimation
Proprit remarquable
A contrario, il y aurait liaison si, par exemple, la modalit 1 de
F1 tait plus souvent prsente en conjonction avec la modalit
1 de F2 quavec la modalit 2 de F2 ; cest le cas avec le plan
[P] du tableau 5 dans lequel, par rapport au plan 2
3
du tableau
1, au lieu de raliser lessai 3 (F1 = 1, F2 = 2, F3 = 1), on
avait ralis un 3
e
essai semblable aux deux premiers (F1 = 1,
F2 = 1, F3 = 1).
Intuitivement, on sent bien que, dans ce cas, une valeur
leve de Y pour la modalit F1 = 1 (par rapport la valeur de
Y pour F1 = 2) est peut-tre imputable de plus fortes valeurs
de Y pour la modalit F2 = 1.
Donnes, notations
Estimation
Proprit remarquable
En comparant les estimations fournies par un programme
excut pour chacun des deux modles, on peut constater que
les estimations de
1
ne sont pas les mmes selon que lon
introduit ou non F2 dans le modle (plus profondment, on peut
comparer les estimateurs

= (X
X)
1
X
Y dans les deux cas).

Donnes, notations
Estimation
Proprit remarquable
Lestimateur

gre bien ce problme si F2 est dans le modle
(il est sans biais) et, bien sr, ne le gre pas si F2 nest pas
dans le modle. Ce problme est appel confusion entre
facteurs exprimentaux.
La confusion est ici partielle; en pratique, de telles
confusions sont gnantes et on essaie dviter de se mettre
dans ces situations par une planication rigoureuse.
Donnes, notations
Estimation
Proprit remarquable
Un autre type de confusion, dite totale, est utilis dans des
stratgies exprimentales : cest lobjet du paragraphe suivant.
Remarquons enn que lintrt de disposer de 2 facteurs non
confondus entre eux est annul si un troisime facteur est
confondu partiellement avec chacun deux.
Donnes, notations
Estimation
Sommaire
1
Donnes, notations
Estimation
2
3
4
Donnes, notations
Estimation
Remarquons tout dabord que, dans le cas dun facteur deux
modalits, il revient au mme de tester le facteur dans son
ensemble par un test F de Fisher ou lunique coefcient de ce
facteur par un test t de Student.
Il est facile de constater que, dans ce cas, F
obs
= (t
obs
)
2
. En
outre, la loi F1; (ayant un seul degr de libert au
numrateur) et la loi t
sont lies par la relation suivante : si

L(X) = t
alors L(X
2
) = F
1;
.
Donnes, notations
Estimation
Ds lors que les facteurs sont un tant soit peu nombreux, on
peut hsiter quant la stratgie de dpouillement des rsultats.
Ce problme a donn lieu de nombreux travaux, conduisant
des propositions de stratgie plus ou moins sophistiques.
Nous donnons ci-aprs quelques points de repres simples.
Donnes, notations
Estimation
Dmarche infrentielle classique
Cest celle que nous avons adopte jusquici. On postule un
modle a priori (cest--dire avant de raliser lexprience ou,
tout au moins, indpendamment des rsultats Y), modle
comportant un terme derreur.
On ralise les tests et on prend en compte, dans la dcision
nale, uniquement des effets signicatifs. Cette dmarche est
la plus pure sur le plan statistique.
Dans lexemple, elle consiste par exemple postuler le modle
comportant les effets principaux et les interactions dordre 2 et
conduit la conclusion quaucun effet nest signicatif (cf.
Tableau 6, ligne 3 - modle 1 : toutes les probabilits critiques
sont suprieures 5%).
Donnes, notations
Estimation
Tableau de rsultats de lexemple
Effet
1

1

1

11

11
Coeffs le modle 5 4 1 3 1
probabilit Mod. 1 0.126 0.156 0.500 0.205 0.500
critique Mod. 2 0.007 0.016 0.040
Effet
11

111

2
ddl t
;0.975
Coeffs le modle 1 1
probabilit Mod. 1 0.500 8 1 12.71
critique Mod. 2 8 4 2.776
TABLE: 6. Analyse des donnes du tableau 4 par deux modles.
Estimation des coefcients (ligne 1) et probabilits critiques (lignes 2
et 3) ; les cases vides sont sans objet
Donnes, notations
Estimation
Dmarche non infrentielle
On utilise le modle satur, ce qui permet de disposer de
lestimation du coefcient de chaque effet.
On slectionne les effets les plus importants uniquement
daprs la valeur de leur coefcient ; ventuellement on peut
disposer dun seuil a priori exprim en valeur de Y : par
exemple, Y tant un rendement exprim en %, on peut
considrer quun effet qui se traduit par un coefcient infrieur
2% ne nous intresse pas (mme sil est signicatif) car il est
ngligeable dun point de vue conomique.
Donnes, notations
Estimation
Dmarche non infrentielle
Dans lexemple, cela revient considrer uniquement les effets
principaux des facteurs 1 et 2 ainsi que leur interaction (cf.
Tableau 6, ligne 2 : coefcients). Ce cas est bien sr facile (il a
t construit pour !) puisquil montre clairement deux groupes
de coefcients.
Donnes, notations
Estimation
Dmarche infrentielle empirique
On considre dabord un modle comportant beaucoup
deffets, le cas extrme tant celui du modle satur.
On slectionne les effets les plus importants comme
prcdemment et on construit un nouveau modle avec ces
seuls effets (on peut aussi retirer un un les effets les plus
faibles). On ralise alors les tests avec la nouvelle variance
rsiduelle.
Donnes, notations
Estimation
Dans lexemple, aprs avoir analys le modle 1 ou le modle
satur, on est conduit, selon cette dmarche, tester le modle
2 (restreint aux effets dont les coefcients sont suprieurs 1
dans le modle 1) :
Y
ijk
= +
i
+
j
+ ()
ij
+
ijk
.
Les 3 effets sont maintenant signicatifs (cf. Tableau 6). Que
sest-il pass ?
Donnes, notations
Estimation
Par rapport au modle 1, on incorpore dans la variance
rsiduelle du modle 2 trois effets supplmentaires : la SC
R
saccrot donc mcaniquement. Mais le nombre de degrs de
libert augmente aussi.
Dans ce cas trs particulier o les effets que lon ajoute sont
chacun quivalents celui qui sy trouvait dj (cf. les
coefcients indiqus dans la premire ligne), laugmentation du
nombre de degrs de libert compense exactement
laugmentation de la SC
R
.
Donnes, notations
Estimation
Finalement, dans ce cas trs particulier, lestimation de
2
est
constante et, par voie de consquence, la variance des
estimateurs aussi (elle vaut, pour nimporte quel coefcient de
chacun des deux modles :
2
/n = 1).
Toujours dans ce cas particulier, la statistique de test dun
coefcient est gale au coefcient lui-mme puisque les
variances des estimateurs sont gales 1.
Dans ces donnes, un seul lment change donc dun modle
lautre dans les tests des coefcients : le nombre de degrs
de libert qui passe de 1 4, ce qui a une inuence norme
sur le seuil de signication t
;.975
qui passe de 12.71 2.776.
Donnes, notations
Estimation
Cet exemple illustre trs bien la faible puissance des tests avec
un seul degr de libert et le gain apprciable apport par 3
degrs de libert supplmentaires.
En pratique, face ces donnes, on aurait conclu linuence
des trois effets F1, F2 et F1F2.
En quoi cette pratique est-elle empirique et critiquable du point
de vue de la thorie des tests ?
Donnes, notations
Estimation
Le principe mme de changer de modle jusqu observer des
effets signicatifs engendre un risque 0 : rel srement
suprieur celui annonc mme si on ne peut le calculer.
Plus prcisment, en choisissant de ne faire entrer dans la
rsiduelle que des effets petits, on a tendance sous-estimer
0-2 ; mais, dun autre ct , on amliore sensiblement la
puissance des tests du fait de laugmentation des degrs de
libert : la stratgie est donc raisonnable. Elle reste nanmoins
empirique car on ne peut afcher avec certitude les risques
associs aux tests.
Introduction
Sommaire
1
2
3
4
Introduction
Sommaire
1
2
Introduction
3
4
Introduction
Introduction
Introduction
Soit le problme suivant : proposer un plan dexprience
permettant dtudier 3 facteurs 2 modalits laide de 4
essais.
Il est clair que si lon ntait pas limit par le nombre dessais, le
plan complet 2
3
simposerait.
Ce cas trs simple illustre la difcult la plus frquemment
rencontre en exprimentation : le plan complet est intressant
de par ses proprits statistiques mais conduit un nombre
dessais prohibitif ds lors que le nombre de facteurs est un
tant soit peu grand (2
p
dans le cas de p facteurs 2 modalits).
Introduction
Introduction
Indiquons demble que lon ne peut pas esprer faire en 4
essais aussi bien quavec 8. Mais le problme ne se pose pas
en ces termes puisque nous ne pouvons pas, pour des raisons
conomiques, faire plus de 4 essais.
Le problme est donc : peut-on en 4 essais, mettre en
vidence des informations utiles voire sufsantes ?
Introduction
Sommaire
1
2
Introduction
3
4
Introduction
tape 1
1
On considre le nombre de facteurs maximum tel que le
plan complet limit ces facteurs est compatible avec le
nombre dessais. Ces facteurs sont dits facteurs de
base et dsigns par F1 et F2.
Exemple
Dans lexemple considr prcdemment, nous avons n = 4,
on peut donc construire un plan complet avec 2 facteurs.
Introduction
tape 2
2
On considre le modle satur (modle comportant autant
de paramtres que de donnes et dont les erreurs et les
rsidus sont, de ce fait, nuls par construction) pour ce plan,
soit :
Y
ij
= +
i
+
j
+ ()
ij
.
On construit alors la matrice des effets (matrice X de
Y = X + ) associe ce modle (cf. Tableau 7).
Introduction
Exemple
Matrice des essais Matrice des effets
n
o
essai F1 F2 F1 F2 F1F2 I
1 +1 +1 +1 +1 +1 +1
2 +1 1 +1 1 1 +1
3 1 +1 1 +1 1 +1
4 1 1 1 1 +1 +1
TABLE: 7. Plan 2
2
: matrice des essais et matrice des effets pour le
modle satur. Les modalits des facteurs ne sont plus notes 1 et 2
mais +1 et 1.
Introduction
tape 2
2
On dcide de faire varier le facteur F3 comme linteraction
F1F2.
Le facteur F3 est dit confondu (totalement) avec
linteraction F1F2.
On obtient ainsi, la matrice dun plan en 4 essais 3
facteurs, plan que lon note 2
31
exprimant qinsi quil met
en jeu 3 facteurs deux modalits, lun des facteurs tant
confondu avec un effet issu des deux autres (cf. Tableau 8).
Introduction
Exemple
n
o
essai F1 F2 F3
1 +1 +1 +1
2 +1 1 1
3 1 +1 1
4 1 1 +1
TABLE: 8. Matrice des essais du plan 2
31
Introduction
Sommaire
1
2
Introduction
3
4
Introduction
Orthogonalit
La qualit majeure de ce plan est que tous ses facteurs sont
orthogonaux deux deux.
Cette orthogonalit peut tre vrie en calculant les tableaux
croisant les modalits de deux facteurs (comme cela a t fait
dans le cours sur les plans factoriels complets).
Lorthogonalit entre F1 et F2 est acquise par construction
puisque le point de dpart est le plan complet avec F1 et F2 ;
pour les autres, on vrie que les tableaux croiss contiennent
un essai par case.
Introduction
Modle et prcision de lestimation
Pour dpouiller ce plan, le seul modle possible est :
Y
ijk
= +
i
+
j
+
k
.
Ce modle est satur : 4 paramtres sont estims partir de 4
essais.
On ne peut pas faire de test de signication des effets.
La variance de lestimation de chaque coefcient est optimale
(cf. cours sur les plans factoriels complets) et vaut : 1/4
2
.
Introduction
Confusions
Il est facile de voir que la matrice X des effets de ce modle est
exactement celle du modle 2 facteurs avec interaction (cf.
Tableau 9 droite) : cest la mme colonne qui reprsente dans
un cas F3 et dans lautre F1F2.
Il rsulte donc de la confusion entre F3 et F1F2 que les deux
paramtres ne sont pas estimables sparment.
Autrement dit, lorsque lon estime
k
partir du modle
ci-dessus, on estime en fait la somme :
k
+ ()
ij
.
Introduction
Confusions
Il en rsulte que le plan 2
31
est intressant en pratique
uniquement si lon a de bonnes raisons a priori de ngliger
linteraction F1F2.
Pourquoi la dnomination de fractionnaire?
Parce que ce plan est une fraction du plan complet 2
3
(cf.
Tableau 9).
Introduction
Exemple
n
o
1 2 3 n
o
1 2 3
1 +1 +1 +1 1 +1 +1 +1
2 +1 +1 1 4 +1 1 1
3 +1 1 +1 6 1 +1 1
4 +1 1 1 7 1 1 +1
5 1 +1 +1 8 1 1 1
6 1 +1 1 5 1 +1 +1
7 1 1 +1 3 +1 1 +1
8 1 1 1 2 +1 +1 1
TABLE: 9. Le plan 2
3
et ses deux fractions 2
31
formes des lignes
(1,4,6,7) ou des lignes (8,5,3,2). Les deux fractions sont dites
opposes car se dduisent lune de lautre par multiplication par 1.
Sommaire
1
2
3
4
Sommaire
1
2
3
4
Modle complet
Ecrivons le modle complet (i.e. incluant tous les effets
possibles) dun plan 3 facteurs.
Y
ijk
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
Ce modle nest videmment pas estimable partir du plan
2
31
(8 paramtres pour 4 donnes).
Confusions
On peut tout de mme calculer la matrice X associe ce
modle et au plan 2
31
(cf. Tableau 10).
Elle permet de constater que
F3 est confondu avec F1F2 (les colonnes
correspondantes de X sont les mmes) ;
F2 est confondu avec F1F3 ;
F1 est confondu avec F2F3 ;
linteraction dordre 3 F1F2F3 est confondue avec la
constante.
Exemple
n
o
1 2 3 12 13 23 123 I
1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1 1
4 1 1 1 1 1 1 1 1
TABLE: 10. Matrice X des effets du modle complet pour le plan 2
31
.
Confusions
Ainsi, lorsque lon dcide de confondre F3 avec F1F2, cela
engendre implicitement dautres confusions.
Avec ce plan de petite taille, il est facile dobserver ces
nouvelles confusions sur la matrice X.
Mais, ds que le nombre dessais est lev (16 et au-del),
lexamen visuel de X devient trs difcile et il est ncessaire de
disposer dune mthode gnrale.
Sommaire
1
2
3
4
Lister les confusions induites par une confusion
donne
Dnition
On dnit la multiplication entre deux colonnes comme leur
multiplication terme terme.
Loi de composition
Ainsi, dans le tableau 10, la multiplication entre la colonne 1 et
la colonne 2, multiplication note 12 (lire un deux et non pas
douze !), conduit la colonne dinteraction entre 1 et 2,
note elle aussi 12 (ce qui tombe bien!).
Ainsi, pour crire que lon confond F3 avec F1F2 on crit :
3 = 12.
Loi de composition
Cette opration de multiplication est
commutative (12 = 21) ;
la colonne I joue le rle dlment neutre (I2 = 2) ;
comme les colonnes ne comportent que les valeurs +1 et
1 le produit dune colonne par elle-mme donne I (par
exemple 22 = 2
2
= I).
numration des confusions
Munie de cette opration, la mthode pour numrer les
confusions engendres par une confusion donne est la
suivante :
Expliciter leffet confondu avec la constante : dans
lexemple, de 3 = 12 on dduit 33 = 123 soit I = 123.
Cette confusion est appele gnrateur dalias, le terme
alias tant synonyme de confusion .
On multiplie les deux termes du gnrateur dalias par
chacun des effets du modle satur drivant des seuls
facteurs de base.
Exemple
Dans le cas 2
31
, ces effets sont 1, 2 et 12. Soit :
1I = 1123 = 23 1 = 23
2I = 2123 = 13 2 = 13
12I = 12123 = 3 3 = 12.
On rsume ces confusions par le tableau 11.
Exemple
effets du plan 2
2
1 2 12 I
effets impliquant F3 23 13 3 123
TABLE: 11. Confusions dans le plan 2
31
. Les effets confondus entre
eux sont dans une mme colonne.
Exemple
Avec R, on calcule aisment X
X avec X correspondant au
modle complet (cf. Tableau 12).
lintersection de la ligne i et de la colonne k on trouve n si les
effets i et k sont confondus et 0 sinon.
Dans cette matrice, les termes de la ligne et de la colonne
correspondant la constante sont les sommes des colonnes
de X ; les autres termes sont, au coefcient n prs, les
coefcients de corrlation entre les colonnes de X.
Exemple
1 2 3 12 13 23 123 I
1 4 0 0 0 0 4 0 0
2 0 4 0 0 4 0 0 0
3 0 0 4 4 0 0 0 0
12 0 0 4 4 0 0 0 0
13 0 4 0 0 4 0 0 0
23 4 0 0 0 0 4 0 0
123 0 0 0 0 0 0 4 4
I 0 0 0 0 0 0 4 4
TABLE: 12. Matrice X
X correspondant la matrice X du tableau 10.

numration des confusions
Cette proprit est trs utile pour dcouvrir les proprits dun
plan que lon a pas soi-mme construit et dont on ne connat
pas les confusions de base (ou les gnrateurs dalias).
Sommaire
1
2
3
4
Principe
On tudie p facteurs ( 2 modalits) ; on ne peut raliser que n
essais ; n = 2
q
.
Procdure
On choisit q facteurs de base.
Il reste donc confondre les k = p q autres facteurs avec des
interactions entre facteurs de base. Comment choisir ces
confusions ?
Le principe est de confondre les nouveaux facteurs avec des
interactions a priori ngligeables, cest--dire dordre lev.
Exemple 1 : Plan 2
41
On tudie p = 4 facteurs (F1, F2, F3, F4) avec n = 8 essais.
Les trois premiers sont les facteurs de base. Les effets du
modle satur impliquant ces facteurs de base sont sur la
premire ligne du tableau 13.
On choisit de confondre F4 avec linteraction dordre 3. Il en
rsulte le gnrateur dalias I = 1234 dont on dduit les autres
confusions.
Exemple 1 : Plan 2
41
effets plan 2
3
1 2 3 12 13 23 123 I
effets avec F4 234 134 124 34 24 14 4 1234
41
Exemple 1 : Plan 2
41
Dans ce plan, les effets principaux sont confondus avec des
interactions dordre 3 ; celles-ci tant gnralement
ngligeables, les effets principaux seront donc bien estims.
bien est ici comprendre au sens de non confondu avec
un autre effet cest dire sans biais. Un plan dont les effets
principaux sont confondus avec des interactions dordre
suprieur ou gal 3 est dit plan de rsolution IV. Ce chiffre est
celui de lordre le moins lev des effets confondus avec la
constante.
Exemple 1 : Plan 2
41
En revanche, les interactions dordre 2 sont confondues entre
elles deux deux ; des ambiguts pourront survenir lors du
dpouillement.
Avant dappliquer ce plan, il reste affecter les facteurs rels
aux numros (par exemple F1 est le facteur matire premire,
F2 est le facteur process, etc.).
Si lon a des ides a priori sur les interactions les plus
importantes, on ralisera cette affectation de faon ce que
ces interactions ne soient pas confondues entre elles (i.e. ne
gurent pas dans la mme colonne).
Exemple 2 : Plan 2
52
On dispose toujours de n = 8 essais mais cette fois pour
tudier 5 facteurs.
Nous repartons du plan prcdent 2
41
; il faut choisir quelle
colonne affecter F5.
Cette colonne ne doit pas, bien sr, contenir deffet principal ce
qui exclut les colonnes 1, 2, 3 et 123. A priori, celles qui restent
sont quivalentes ; si lon choisit la colonne incluant 12 et 34,
ceci induit deux gnrateurs dalias : I = 125 et I = 345.
Exemple 2 : Plan 2
52
Le tableau 14 explicite lensemble des confusions de ce plan.
On obtient :
la 3
e
ligne en multipliant le gnrateur dalias I = 125 par
les effets du plan 2
3
;
la 4
e
ligne en multipliant I = 345 par les effets du plan 2
3
.
Exemple 2 : Plan 2
52
effets du plan 2
3
1 2 3 12
conf gn par I = 1234 234 134 124 34
conf gn par I = 125 25 15 1235 5
conf gn par I = 345 1345 2345 45 12345
effets du plan 2
3
13 23 123 I
conf gn par I = 1234 24 14 4 1234
conf gn par I = 125 235 135 35 125
conf gn par I = 345 145 245 1245 345
52
Exemple 2 : Plan 2
52
Le plan obtenu comporte bien sr plus de confusions que le
prcdent.
Mais surtout plusieurs de ces confusions concernent un effet
principal et une interaction dordre 2.
Un tel plan, dont seuls les effets principaux ne sont pas
confondus entre eux, est dit de rsolution III.
Exemple 2 : Plan 2
52
Laffectation de facteurs rels aux numros de 1 5 reste
faire. Si une interaction particulire est attendue, on sarrangera
pour quelle ne soit pas confondue avec un effet principal.
Remarque
Lorsque lon doit ajouter plusieurs facteurs, il est gnralement
plus avantageux de les confondre avec les interactions dordre
le plus lev moins 1.
Sommaire
1
2
3
4
Sommaire
1
2
3
4
Choix et dpouillement dun plan
Introduction
Lexemple prcdent montre que lon peut ajouter un nouveau
facteur tant quil reste une colonne disponible cest--dire non
occupe par un effet principal.
Ainsi, avec n = 8 essais, on peut tudier simultanment 7
facteurs. Cest bien le maximum possible puisque dans ce cas,
le modle ne comportant que les effets principaux est satur (8
paramtres, incluant la constante, estims avec 8 donnes).
Rsolution et effectif
Si lon augmente le nombre dessais, le nombre de facteurs
que lon peut tudier simultanment augmente dautant. Mais
dans ce cas, on nglige a priori toutes les interactions.
On peut souhaiter se limiter des plans de rsolution IV. Dans
ce cas, le nombre de facteurs que lon peut tudier
simultanment est n/2.
Enn, on peut tre encore plus exigeant quant aux confusions
et souhaiter que ni les effets principaux ni les interactions
dordre 2 ne soient confondus entre eux. Un tel plan est dit de
rsolution V.
En effet, on constate que le gnrateur I = ABCDE (qui met en
jeu une interaction dordre 5) ne peut conduire qu des
confusions de type A = BCDE ou AB = CDE. Ce type de plan
est videmment trs confortable dans linterprtation de ses
rsultats tel point que certains considrent que, dans
beaucoup dapplications, raliser plus dessais que le nombre
exig par un plan de rsolution V nest pas ncessaire.
Le nombre maximum de facteurs deux modalits que lon
peut tudier avec un plan fractionnaire est donn tableau 15.
Exemple
avec 16 essais, on peut tudier 5 facteurs en rsolution 5, 8
facteurs en rsolution 4 et 15 facteurs en rsolution 3.
nombre dessais Nombre maximum de facteurs
r n = 2
r
Rsol. 5 Rsol. 4 Rsol. 3
3 8 3 4 7
4 16 5 8 15
5 32 6 16 31
6 64 8 32
7 128 11
8 256 17
9 512 23
TABLE: 15. Nombre maximum de facteurs selon le nombre dessais et
la rsolution.
Remarque
Le choix de la rsolution dun plan dpend gnralement de
ltat de connaissance du problme que lon examine.
Dans une tude prliminaire, on souhaite gnralement tester
beaucoup de facteurs ce que permet un plan de rsolution III.
Dans une tude nale, les facteurs inuents ont t
slectionns et lon sintresse leurs interactions : un plan de
rsolution III ne peut convenir.
Sommaire
1
2
3
4
Estimation et confusions
Compte tenu des confusions entre effets, le dpouillement par
analyse de variance dun plan fractionnaire pose des
problmes spciques.
La difcult fondamentale est que lon ne peut estimer les
effets isolment : chaque estimation de coefcient correspond
en fait une somme deffets.
Ainsi, dans lanalyse de la variance du plan 2
31
lestimation
quun programme indiquerait comme tant celle de
k
est en
fait celle de la somme
k
+
ij
.
Slection des facteurs inuents
Nous ne reprenons pas ici la discussion sur la slection des
effets, partir des seules estimations ou de tests de
signication.
Nous nous plaons dans la situation o, lissue du traitement
statistique, certains effets sont considrs ngligeables (parce
quils sont petits et/ou non signicatifs) et d autre non. Le
problme qui demeure est alors d au fait que ces effets
reprsentent en fait une somme deffets.
Slection des facteurs inuents
Nous indiquons cinq rgles de dpouillement qui relvent la
fois de la ncessit (sans elles on ne peut rien dire) et de
limportance des effets observs en pratique. Nous illustrons
ces rgles partir dune succession de cas types rsums
dans le tableau 16.
Un cas type est rduit lessentiel : il indique les effets (ou,
plus rigoureusement les sommes deffets que lon doit prendre
en compte car ils sont non ngligeables (grands et/ou
signicatifs ; on dit aussi inuents) ce qui est not NN.
Ainsi la 3
e
ligne, cas n
o
1, correspond a une situation dans
laquelle lanalyse statistique na conduit aucun effet
signicatIf.
Rgle 1
On considre ngligeables :
1
Rgle 1. Les composantes dune somme deffets
ngligeables.
Par exemple, si lestimation de la somme
k
+
ij
est trs
faible, on considre que ces deux effets sont trs faibles.
Ceci nest absolument pas une implication absolue
puisque deux effets peuvent se compenser.
Adopter cette rgle revient simplement considrer
quune telle compensation est improbable.
Exemple
Dans le cas 1, cette rgle suft pour interprter. Toutes les
sommes deffets sont ngligeables : on retiendra quaucun
des facteurs tudis nagit. Cette situation est un cas
dutilisation efcace dun plan fractionnaire : avec peu
dessais, on se rend compte que les facteurs ont sans
doute t mal choisis, ou quune variation rsiduelle
importante masque tout ; il et t dommage de faire un
plan complet pour en arriver l.
Rgle 2
1
Les interactions dordre strictement suprieur 2.
Cette rgle, que nous avons souvent indique, est la plus
solide en ce sens que, en pratique, dans les plans qui
permettent de les estimer, on observe rarement de telles
interactions.
Exemple
Ainsi, dans le cas 2 on ne retient que les effets 1 et 2.
Rgle 3
1
Les interactions entre deux effets ngligeables.
On peut admettre que si des facteurs nagissent pas
sparment, ils nagissent pas en interaction. Ce qui
drive du fait quen gnral les effets dinteraction sont
plus faibles que ceux des effets principaux.
Ceci nest videmment pas une vrit absolue mais
dcoule dobservations en maints domaines.
Exemple
Le cas 3 pose le problme suivant : lensemble 12 + 34 est non
ngligeable.
Est-ce d ces deux interactions ? Ou seulement lune
dentre elles et si oui laquelle ?
Les rgles prcdentes conduisent retenir les effets
principaux des facteurs 1 et 2 (rgle 2) et ne pas retenir ceux
des facteurs 3 et 4 (rgle 1).
Ainsi, on considre que le caractre non ngligeable de 12 +
34 est d uniquement 12.
Rgle 4
1
Les interactions dont lun des deux effets est
ngligeable.
Exemple
Le cas 4 pose un problme analogue au cas prcdent.
Les facteurs 1, 2 et 3 sont inuents (rgle 2) ; le facteur 4 ne
lest pas (rgle 1).
Lensemble 12 + 34 est encore non ngligeable. On peut
admettre que si 4 nest pas inuent, alors il nagit pas non plus
avec un autre facteur qui lui est inuent.
Cette rgle est bien sr plus risque que la prcdente;
dailleurs, en pratique, lorsque le plan permet de les estimer, on
observe de temps en temps de telles interactions signicatives.
Rgle 5
1
Toutes les interactions.
Exemple
Nous illustrons cette rgle partir du plan 2
52
construit en 10.
Slectionnons les colonnes 1, 2 et 12. On peut dcider que ces
3 effets sont inuents. Mais, pour la colonne 12, nest-ce pas
plutt leffet de 5 qui est inuent ? Auquel cas on peut revenir
sur la colonne 1 et se demander si ce nest pas plutt
linteraction 25 qui joue plutt que leffet de 1. La situation est
inextricable sauf si lon nglige a priori toutes les interactions.
Remarque
Il faut bien admettre que ces rgles sont empiriques et ne
constituent nullement des thormes.
La pratique montre quelles sont gnralement bonnes, ce qui
ne les empche donc pas de pouvoir tre inadquates dans tel
ou tel cas particulier.
On adoucit un peu le risque dune mauvaise dcision en tentant
de trouver une interprtation aux effets conservs, et, plus
difcilement, labsence des effets considrs comme
ngligeables.
Exemple
2
41
1 2 3 12 13 23 123 I rgles effets
cas 234 134 124 34 24 14 4 1234 utilises considrs
1 1 aucun
2 NN NN 1+2 1,2
3 NN NN NN 1+2+3 1,2,1 2
4 NN NN NN NN 1+2+4 1,2,3,1 2
2
52
1 2 3 12 13 23 123 I
234 134 124 34 24 14 4 1234
25 15 1235 5 235 135 35 125 rgles effets
cas 1345 2345 45 12345 145 245 1245 345 utilises considrs
5 NN NN NN NN NN 1+5 1,2,3,4,5
TABLE: 16. Cinq situations de dpouillement. En haut, le plan 2
41
de rsolution IV;
en bas, un plan 2
52
. La premire partie de chaque tableau rcapitule les confusions
deffets. La seconde (lignes numrotes de 1 4 puis 5) numre des situations
lissue de lestimation ; NN = non ngligeable; = ngligeable.
Sommaire
1
2
3
4
Introduction
Une autre faon de sortir dune interprtation inextricable est
de raliser des essais complmentaires.
Il existe beaucoup de stratgies pour choisir des essais
complmentaires en fonction des ambiguts que lon veut
lever. Nous nous limitons donner une rgle la fois simple et
trs gnrale.
Doublement par le plan oppos
Rgle.
partir dun plan de rsolution III, on obtient un plan de
rsolution IV en le compltant par le plan oppos (pour obtenir
le plan oppos on remplace les modalits +1 par 1 et
rciproquement).
Il est facile de vrier cette proprit en considrant ce que
deviennent les colonnes des effets principaux et celles des
interactions dordre 2 quand on passe du plan P1 de rsolution
III au plan P2 juxtaposant ce plan et son oppos not P1.
Il suft de remarquer que, entre P1 et P1 : les colonnes des
effets dinteraction sont identiques alors que les colonnes des
effets principaux sont opposes. Il en rsulte que :
deux interactions confondues dans P1 seront encore
confondues dans P2 ;
un effet principal et une interaction confondus dans P1
seront orthogonaux dans P2 ;
deux effets orthogonaux dans P1 seront orthogonaux dans
P2.
Cette rgle sera efcace pour sparer les effets principaux et
les interactions dordre 2, mais naidera aucunement sparer
des interactions confondues dans P1.
Le plan P1 est aussi un plan fractionnaire ; en le juxtaposant
P1 on obtient un plan P2 fractionnaire. Cette rgle ouvre la
voie une dmarche squentielle que nous illustrons par un
petit exemple ctif.
Dmarche squentielle
Soit le plan 2
63
et ses rsultats (cf. Tableau 17).
n F1 F2 F3 F4 F5 F6 Y
1 1 1 1 1 1 1 42
2 1 1 1 1 1 1 46
3 1 1 1 1 1 1 44
4 1 1 1 1 1 1 48
5 1 1 1 1 1 1 42
6 1 1 1 1 1 1 38
7 1 1 1 1 1 1 120
8 1 1 1 1 1 1 108
TABLE: 17. Plan 2
63
construit partir des confusions : 4 = 123 ;
5 = 12 ; 6 = 13.
Dmarche squentielle
Les confusions dans ce plan sont rassembles Tableau 18,
avec, en dernire ligne, les estimations des coefcients du
modle satur. Les quatre premires lignes sont identiques
celles du tableau 15 bas.
Les colonnes 1, 2 et 12 sont non ngligeables.
Est-ce d lensemble des effets (1, 2 et 12) ?
Ou lensemble des effets (1, 5 et 15) ?
La situation est inextricable, sauf ngliger toutes les
interactions. On dcide de raliser le plan oppos. lissue de
lexprience, on obtient huit nouvelles valeurs de Y (cf. Tableau
19).
Dmarche squentielle
Ces donnes, concatnes aux prcdentes, constituent un
plan 2
62
.
Les confusions de ce plan, limites aux effets principaux et aux
interactions dordre 2 (les autres sont ngliges) sont dans le
tableau 20 : on retrouve les effets principaux isols et les
ensembles dinteractions confondues dans le plan 2
63
.
Dmarche squentielle
Comme on nglige les interactions dordre suprieur 2, le
modle de dpouillement contient un terme derreur avec deux
degrs de libert.
Le carr moyen rsiduel associ permet de raliser le test de
signication de chaque coefcient : ainsi, en bas du Tableau
18, outre les estimations des coefcients, gurent aussi les
probabilits critiques correspondantes.
Exemple
effets de 2
3
1 2 3 12 13 23 123 I
gnrateur
I=1234 234 134 124 34 24 14 4 1234
I=125 25 15 1235 5 235 135 35 125
I=345 1345 2345 45 12345 145 245 1245 345
I=136 36 1236 16 236 6 126 26 136
I=246 1246 46 2346 146 12346 346 1346 246
I=2356 12356 356 256 1356 1256 56 156 2356
I=1456 456 12456 13456 2456 3456 123456 23456 1456
Estim effets -16 -19 1 18 -3 -1 -1 61
TABLE: 18. Confusion des effets dans le plan 2
63
du tableau 17 et
estimation des coefcients.
Exemple
n F1 F2 F3 F4 F5 F6 Y
9 1 1 1 1 1 1 86
10 1 1 1 1 1 1 106
11 1 1 1 1 1 1 60
12 1 1 1 1 1 1 56
13 1 1 1 1 1 1 50
14 1 1 1 1 1 1 54
15 1 1 1 1 1 1 28
16 1 1 1 1 1 1 32
TABLE: 19. Plan 2
63
oppos du plan du tableau 17.
Exemple
1 2 3 4 5 6 12
effet 34
coeff -17 -17 2 2 7 -1 11
p. crit. 0.003 0.003 0.184 0.184 0.020 0.423 0.008
13 14 15 16 25 26
effet 24 23 46 45 36 35
56
coeff -2 -2 -2 -1 1 -1
p. crit. 0.184 0.184 0.184 0.423 0.423 0.423
TABLE: 20. Rsultats de lanalyse des donnes du plan 2
62
concatnant les plans des tableaux 17 et 18. Rappels des
confusions, estimation des coefcients et probabilits critiques.
Exemple
Le tableau 20 met en vidence les effets principaux 1, 2 et 5 et
la colonne 12 +34 ; dans cette dernire, on retiendra 12 qui est
associe deux effets principaux inuents.
Finalement, on considre comme inuents : 1, 2, 5 et 12.
Remarque
Bien entendu, lexemple ci-dessus a t choisi pour bien
fonctionner ; lissue dune telle dmarche, il est possible quil
reste encore des confusions difciles dmler mais elle ne
peuvent concerner que des interactions.
On retiendra de cet exemple, lide dune dmarche
squentielle.
Si un premier plan (P1), comportant un nombre trs restreint
dessais savre insufsant, on ralise des essais
supplmentaires (P1) qui, analyss avec les premiers,
constituent encore un plan (P2) optimal. Par rapport une
mise en uvre directe du plan (P2) on na rien perdu. On
gagne en se mnageant la possibilit darrter ltude avant.

Ensai4 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Ensai4 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Plans factoriels complets

Principe des plans fractionnaires

) = nId, en notant Id la matrice

TABLE: 4. Exemple numrique destimation des paramtres dans le

Y montre clairement que lestimation

Y dans les deux cas).

sont lies par la relation suivante : si

X correspondant la matrice X du tableau 10.

Vous aimerez peut-être aussi