Académique Documents
Professionnel Documents
Culture Documents
Agrocampus Ouest
1 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
n
X 2
arg min Yi − (β̂0 + β̂1 xi )
(β̂0 , β̂1 ) i=1
P
Dériver pour obtenir β̂ = Ȳ − β̂ x̄ et β̂ =
0 1 1
(xi −x̄)(yi −ȳ )
iP
2
i (xi −x̄)
σ2 σ2
V(β̂1 ) = P =
i (xi − x̄)
2
(n − 1)V(x)
⇒ variance faible si n grand et si les x sont très dispersés
2 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
Matriciellement :
Y = Xβ + E avec E(E ) = 0, V(E ) = σ Id 2
β0
1 x
Y1 11 · · · x1j · · · x1p ε1
.. .. .. .. .. β1 ..
. . . . . . .
..
1 xi
Yi = 1 xij xip βj +
εi
.. .. .. .. .. ..
. . . . . .
.. .
Yn 1 xn 1 · · · xnj · · · xnp εn
βp
3 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
n
X
β̂ = arg min (yi − (β0 + β1 xi 1 + . . . + βp xip ))2
β
i=1
= (X X ) 0 −1 0
XY si X 0 X est inversible
Propriétés
E(β̂) = β
V(β̂) = (X 0 X )−1 σ 2
Prédiction
ŷi
= β̂0 + β̂1 xi 1 + . . . + β̂j xij + . . . + β̂p xip
V(Yxo ) = σ 2 1 + x00 (X 0 X )−1 x0
4 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
• Quels sont les eets des facteurs x1 et x2 ? Quel est le rôle des
variables dans la variation de la réponse ?
• Optimalité : y a-t-il des paramètres qui optimise la variable Y ?
⇒ on veut une réponse avec le minimum d'incertitude
5 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
40 45 50 55 60
Temps de cuisson
6 / 24
3
-410 3
-4 1
Introduction Modèles et plan -6 Plan Composites
1
Centrés -6 5
X2
Surface de-1 réponse
1
X2
-1 -8 X2
-8 0 -1
-10 -3
-10 -3
-5
-5 -4 -3 -3
-5 -4 -3 -2 -1 0 -5
x2 4 X1 5 -5
X1 5 1 2 3
4 5
X1
A) = x +x y = x1 + x 2 B) y = x11+ x2 2+ x 2
2
10 35 40
35 40 60
8 30
30 30
30
6 50
25 25 20
4 20
2 20 40
10
20 10
Y Y
0 5 YY 15 5
5 Y 15 55
Y 0 Y
-2 5 0 30 3 5
3 3
3 10 3 -10
10
-4 3 -10 1 3
1 1 20
1 5 1
-65 1X2 X2 -20 -1 1X2
X2 -1 -20 -1 X2
-1 -8 X2 -1 X2
0 -1 0 10 -3 -1
-3 -3 -30
-10 -30
-3 -5-5 -3 -5 -4 -3
-5-5 -4 -3 -4 -3 0 -2 -1 0 -5 -3
-5 -4 -3
-2 -1 0
1 2 3 -5 -5 -4 -3 -2 -1 0 1 2
-5 1 2 3 4
-2 4 5 -2 -1 0 3 4 5 -5 -5 -4 -3X1 5
X1 -1 0 1 2 -5 X1 1 2 3 -2 -1 0 -5
3 4 5 4 5 1 2
X1 3 4 5
X1 X1
A) yy ==xx 1++xx +2 x 2
B) y =yx=1 +x1x+2 x+2 x+1xx22
C) B)
2
D) yy == xx11++xx22 ++xx11x2 +
C) 2 x
2
1 2 2 2
40 60 30
60 30 0
-4
30 -8
50 20 -12
50 20 -16
20 -20
40 10 -24
40 10 -28
10 -32
Y -36
5 Y 0 -40
5
Y 0
30 YY 30
0 5 5 Y -44 5 Y
3
3 5 -48 5
3
-10 1 3 3 3 -10 -52
1 20
-10 -56 3
20 -60 1
1 1
X2 -20 -1 1X2 -64 1 X2
-1 -20 -68 -1
10 X2 -20
10 -1 -1 X2 X2 -72 X2
-30 -3 -1 -76 -1
3 -3
-5 -4 -3 -3 -3 -30 -80
-2 -1 0 -3 -300 -84
0 1 -5 -5
-88 -4 -3 -3
2 3 4 -5-5 -4-4-3 -2 -1 0 -5
-5 -4 -3 X1 5 -3-2-2-1-1 0 -5 -5 -5 -4 -3 1 2
-2 -1 0 -5 0 1 1 2 23 -2 -1 3 4 5
1 2 3 34 45 5 X1 0 1 2
-5
4 5 X1X1 3 4
X1 X1 5
C) yy == xx 1 +
D) + xx 2 ++ xx 12x+2 x 2 E)D)y y= =x 1x+1 +
x 2x+2 +
2
x 12x − + 22x 22
1 x
E)F)y y= =x 1.5
1+x x 2x+ x−12x−2 x−22x 2
1 2 1 2 1 2 1 2
7 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
https://husson.github.io/img/plan_CC.xlsx
8 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
V(β̂) = (X 0 X )−1 σ 2
⇒ qualité du plan connue avant de faire les expériences
• essais au bord du domaine : maximiser la dispersion des x
• essais au centre : tester la linéarité
2
• orthogonalité entre facteurs : si 2 facteurs, V(β̂1 ) = n×(1−rσ12 )V(x1 )
Si r = 0 ⇒ V(β̂ ) = V(β̂ )(regsimple) sinon V(β̂ ) %
12 1 1 1
35
35
30
30
25
25
20
20
15
120 125 130 135 140 120 125 130 135 140
Température Température
9 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
Codage
Y(+1) +Y(−1)
• β11 : Y(+1) + Y(−1) = 2β0 + 2β11 =⇒ β11 = 2
− β0
10 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
Y
y(0) β 0 = y( 0 )
y(1) − y( −1)
β11 = − β0 y(1)
2
y(1) − y( −1)
β1 =
2
y(-1)
x
-1 0 1
11 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
I(-0.8 + x^2 + x)
I(1 + x)
1.0
β 0 = y( 0 )
0.5
y(1) − y( −1)
-1.0
β11 = − β0
0.0
-1 0 1 -1 0 1
2
Yy ~=0.5 x2
0 .*5x^2 Yy ~=-2−* 2x^2
x2
-2.0 -1.5 -1.0 -0.5 0.0
y(1) − y( −1)
β1 =
1.0
2
0.5
I(0.5 * x^2)
I(-2 * x^2)
0.0
-0.5
-1 0 1 -1 0 1
12 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
0 √2
0 − 2
0 0
A[,2]
● ● ●
0
.. ..
. .
0 0
−1
● ●
●
−1 0 1 13 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
1.5
1.5
5 1 ●
1 1.2
1.2 0.5 5
1.
5
1.
1.
5
(obtenue si α = nf1/4 ) précision du
1.0
1.0
● ●
0.5
0.5
0.05
8
pas de la direction
0.0
0.0
x2
● ● ● ●
−0.5
−0.5
identique à la distance 1 dans tout le
0.15
● ●
0.3
1.
1.
1.2
1.
5
−1.5
−1.5
5
5
1.2
5 ●
1 0.75 1
1.5
1.5
2 2
5
1.
1.0
1.0
● 0.5
● ●
0.5
0.5
En pratique : 8
0.0
0.0
x2
● ● ● ●
−0.5
0.05
1.
1.25
−1.5
−1.5
5
2 1.5
2
16 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
> library(rsm)
> plan <- ccd(2)
> X <- model.matrix(~x1+x2+I(x1^2)+I(x2^2)+I(x1*x2),data=plan)
> t(X)%*%X
(Intercept) x1 x2 I(x1^2) I(x2^2) I(x1 * x2)
(Intercept) 16 0 0 8 8 0
x1 0 8 0 0 0 0
x2 0 0 8 0 0 0
I(x1^2) 8 0 0 12 4 0
I(x2^2) 8 0 0 4 12 0
I(x1 * x2) 0 0 0 0 0 4
> solve(t(X)%*%X)
(Intercept) x1 x2 I(x1^2) I(x2^2) I(x1 * x2)
(Intercept) 0.1250 0.000 0.000 -0.0625 -0.0625 0.00
x1 0.0000 0.125 0.000 0.0000 0.0000 0.00
x2 0.0000 0.000 0.125 0.0000 0.0000 0.00
I(x1^2) -0.0625 0.000 0.000 0.1250 0.0000 0.00
I(x2^2) -0.0625 0.000 0.000 0.0000 0.1250 0.00
I(x1 * x2) 0.0000 0.000 0.000 0.0000 0.0000 0.25
17 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
Modèle de régression
k
X k
X k X
X k
2
Yi = β0 + βj xij + βjj xij + βjl xij xil + εi
j=1 j=1 j=1 l=j+1
Décomposition de la variabilité :
• eets linéaires seuls
• eets quadratiques seuls
• interactions seules
• résiduelle
qui se décompose en 2 termes (car n vraies répétitions, pts au
0
centre) :
• erreur pure : variance des Y pour pts au centre (n0 − 1 ddl) :
estimation de la véritable répétabilité expérimentale
• erreur d'ajustement : erreur résiduelle moins l'erreur pure
(ddlajustement = ddlrésiduelle − ddlerreur pure )
18 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
x2 = (2.237 + x1 )/1.5
.
1 104 − 1.5x1 + 1.5 × (2.237 + x1 )/1.5 = 0 ⇒ x1 = 6.682 ⇒ x2 = 5.946
Stationary point of response surface: ## optimum
x1 x2
6.681981 5.946278
7
60
10
6
5 8
55
4
6
3
Duree
4
50
0
45
60
55
40
50
Du
140
ree
45
11
135
10
130
8
2
0
40 125
120 Temp
120 125 130 135 140
Temp
23 / 24
Introduction Modèles et plan Plan Composites Centrés Surface de réponse
Plan de Box-Benhken
Mode de construction :
• construire un plan complet pour Exemple avec 3 facteurs
chaque couple de 2 facteurs, les
autres facteurs étant à la
1 1 0
1 −1 0
moyenne
−1
1 0
• ajouter des points au centre −1 −1
0
1 0 1
Avantages : −1
1 0
−1
0 1
• 3 niveaux par variable (vs 5
−1 −1
0
pour PCC)
0 1 1
−1
0 1