Design of Experiments - 1

Contents

1. One shot summary for DOE

2. Analytical Thinking with Stats.

3. Single factor design 
- ANOVA / T-TEST

- Multiple Comparison

- Correlation/Regression design

4. Two-factor design

5. Multiple-factor design

6. Factorial design

---

"Data"

실험계획법은 "분석할 데이터를 어떻게 얻어낼 것인가"에 대한 학문이다.

 

Q. 샘플데이터로 만든 분포로 모분산 분포를 가정할 수 있을까?

Q. 모평균을 샘플평균으로,  모분산을 표준편차로 추정하는 이유는 뭘까?

--> 수리적 극단값 계산을 하면서 현실해석을 위해서 분산,평균편차말고 표준편차를 사용함.

Q. 모형의 반응값, 데이터의 반응값을 어떻게 해석할까? 질문이 뭔지..ㅋㅋㅋ

 

1. 실험주의사항

• 실험목적오해하지 말기 
• 실험순서를 랜덤하게 (실험대상의 연속성 있다면 제거해서 랜덤적용)
• 실험조건(수준)에 대한 결론을 일반화하지 말기 ( 1<50<100 -> 증가추세 ? no )
• 상호작용(조합)에 대한 오차를 기억하기
• 실험오차 줄이기 ( 동일 통제조건으로 반복해서 오차줄이기 )
• 샘플추출오차 줄이기 ( 층화추출 / 블록화 )

 

2. 실험설계

• 문제이해/실험목적 설정 : 주요인찾기 or 관계규명  or 최적화
• 반응변수 선택 : 다변량(여러개)  or  여러변수중 제1관심변수 선택
• 요인(인자) 수준결정 : 잠재변인 중 선택
• 실험설계 : 랜덤화 / 블록화 / 반복
  • 스크리닝하여 주요요인찾기
  • 관계규명 및 최적화하기
  • 동일결과 나오는지 안정화하기
• 실험 : 실험순서/실험방법 기록하기 
• 분석/결과 
  • 수준간 차이 분석 : 분산분석
  • 수준간 대소비교 : 다중비교
  • 경제적 측면 검토

 

3. 인자사용방식에 따른 실험모형

(*설계와 모형이 밀접함)

• 모수모형 : 특정 조건값으로 요인수준을 정함. ( x = 10,20,30 )
• 랜덤모형 : 랜덤 조건값으로 요인수준을 정함. ( 0 < x < 30 )
• 혼합모형 : 모수모형을 사용하는 변수와 랜덤모형을 사용하는 변수 혼합

 

4. 모형에 대한 해석

• 가정이 중요하다
  - 실험데이터로 얻은 평균, 표준편차를 해석하려면 분포가정이 필요하다
  - 참고논문 인용하거나 그래프시각화 필요하다
  - (필수) 샘플데이터로 정규성, 독립성 검정을 해야 한다. 
• 결과(차이)에 대한 해석을 어떻게 하나?
  - 유의수준 사용
  - 신뢰구간은 믿음이다.
  - 이상치 

약이상치  : Q1 - 2*IQR , Q4 + 2*IQR

강이상치 : Q1 - 3*IQR , Q4 + 3*IQR

 

---

Source

- m.blog.naver.com/PostView.nhn?blogId=ronation&logNo=20208292458&proxyReferer=https:%2F%2Fwww.google.com%2F

- www.kocw.net/home/search/kemView.do?kemId=430427&ar=relateCourse

- www.kocw.net/home/search/kemView.do?kemId=1091783&ar=relateCourse

- ocw.ulsan.ac.kr/CourseLectures.aspx?CollCd=11161&DeptCd=11178&CourseNo=20102G0059701-

- My book 

http://ocw.ulsan.ac.kr/CourseLectures.aspx?CollCd=11161&DeptCd=11178&CourseNo=20102G0059701