Chap62k因子分析..ppt

* Chap 6 2k 因子分析 2k ：指 有k 個因子，每因子僅有 2 水準。 特點 : 因為只有 2 levels，計算較簡單 可作為篩選因子的預先實驗 反應面是一超平面，無法估計區域極端值 本章假設 : 固定因子 完全隨機 滿足常態性 22 Design 2 因子，各有 2 水準，每組合重複 n 樣本值 (1), a, b, ab 為各組觀察值之和 Exp (p272) 研究濃度與催化劑對反應量的影響。 因子 A ：concentration 15% 25%， 因子B： catalyst 1lb 2lb 重複值 3 個 Data ( 設 A-、A+，B-、B+ 分別為 A，B 的水準 ) 註 : A，B，AB皆為正交對比量，係數為 1 或 -1。 平方和 各影響的估計 在 22 design 中，計算 effects 時，係數之符號 速算法 例： 效力估計 平方和 分析一、分析效力 A、B 對反應值的影響是顯著的，交互作用力則不顯著 。 由殘差圖確認模式是適合的。 (p280, 圖 6-2) 由迴歸式圖及等高線圖 (p281, 圖 6-3)，發現： 濃度增加，催化劑減少時，反應量增加。 常數 = 總平均數，x1 的係數 = A影響力/ 2， x2 的係數 = B影響力/ 2。 分析二、配適模式 求一Y 對 A，B 的 迴歸式 23 設計 3 factors, 2 levels for each factor , n replicates for each cell. 在 23 design 中，計算 effects 時，係數之符號 Exp 6.1 (p287) 23 Factorial Design 研究飲料裝瓶準確度的影響因素。 Factors : A(碳百分比)---A- , A+ ， B(加壓)--- B- , B+ ， C (輸送速度)--- C- , C+ 觀察值：目標高度的離差， 2 replicates each cells Data : A = [ 1- (-4) + 5- (-1) + 3 - (-1) + 11- 2 ] /8 = 3.00, SSA = 24^2/16 B = C = AB = AC = CB = ABC = Fit a Regression curve with A , B, C, AB. We obtain Y = 1 + 1.5 x1 + 1.125 x2 + 0.8725 x3 + 0.375 x1x2 (R2 = 0.907) 在先導計劃 (pilot plan) 中可行一單一實驗值的2k設計， 由各效應 SS的貢獻百分比(Percent Contribution)及 各估計效應的 Normal probability plot，作為決定因素是否應列入正式實驗的參考。 由下表平方和的貢獻百分比和因素效力的常態機率圖預知因素B的影響可忽略，決定刪除因素B再做變異數分析。 Exp 6.2 (p228) 24 Factorial Design 研究飲料裝瓶準確度的影響因素。 Factors : A(溫度) ， B(壓力) ， C (濃度) ，D (攪拌率) 觀察值：通過過濾器的比例， single replicate each cell 因子效力畫在常態機率圖上，偏離直線的因素是有顯著影響的，在此例中為 A, C, D, AC, 和 AD。 因子效力的絕對值畫在常態機率圖上，偏離直線的因素是有顯著影響的，在此例中為 A, C, D, AC, 和 AD。 刪除 B 後之 ANOVA 表，可估計誤差變異為 22.44 過濾通過率的估計如下： *