Utilisez les fonctions
block et
anova pour diviser une matrice d'expériences en deux blocs et pour tester si le blocage a un effet sur le résultat.
1. Appelez la fonction
fullfact pour créer une matrice d'expériences factorielle complète.
2. Appelez la fonction block pour diviser la matrice d'expériences X en deux blocs.
Les huit premières exécutions sont dans Block 1 et les exécutions restantes sont dans Block 2.
3. Appelez la fonction
randomize avant d'effectuer l'expérience. L'échantillonnage aléatoire est effectué séparément pour chaque bloc.
4. Enregistrez les résultats de l'expérience dans la matrice Y avec une ligne par exécution de la matrice d'expériences bloquée B et une colonne par réplique.
5. Appelez la fonction
quickscreen pour calculer les effets des facteurs, les interactions du second ordre et le blocage.
6. Utilisez les fonctions
augment et
submatrix pour extraire les facteurs et leurs effets de Q, puis supprimez les en-têtes.
7. Remplacez les effets par la valeur absolue des demi effets.
8. Appelez la fonction
pareto, puis créez un diagramme de Pareto.
Les facteurs A, B, D, les interactions AD et BD et Blocks semblent être significatifs.
9. Appelez la fonction anova pour réaliser une analyse de la variance. Calculez la F-value critique des facteurs, des interactions et du blocage. Comparez leur F-value à la F-value critique.
10. Utilisez la fonction
qF pour calculer les F-value critiques des facteurs, des interactions et du blocage. Comparez leur F-value à la F-value critique.
Définissez le niveau sur 5% :
Définissez le degré de liberté le plus bas DF :
Définissez le degré de liberté le plus élevé DF :
Les facteurs A, B, D, les interactions AD et BD, et Blocks sont significatifs au niveau 5%, car leurs valeurs F sont supérieures à Fcrit. Cette analyse de variance renforce la conclusion subjective dérivée du diagramme de Pareto.
Référence
Montgomery, D.C., Design and Analysis of Experiments, 5th ed., John Wiley & Sons, New York, 2001, pp. 295.
