因子實驗 (Factorial experiment)

機率統計 教學錄影 數學符號 數學基礎 排列組合 機率統計簡介 機率 機率公理 隨機變數 連續測度 單一分布 條件機率 聯合分布 貝氏定理 動差生成函數 特徵函數 機率法則匯總 離散分布 二項分布 多項分布 負二項分布 幾何分布 超幾何分布 布瓦松分布 連續分布 均勻分布 常態分布 Gamma 分布 指數分布 卡方分布 柯西分布 Weibull 分布 T 分布 F 分布 Beta 分布 多維分布 統計 抽樣 敘述統計 推論統計 中央極限定理 估計方法 單組樣本估計 兩組樣本估計 檢定方法 單組樣本檢定 兩組樣本檢定 平均値的推論 變異數的推論 無母數推論 迴歸分析 變異數分析 實驗設計 因子實驗 品質管制 時間序列 數據分類 統計定理匯總 統計情況分類 計算統計 蒙地卡羅法 最大似然法則 假說與學習 EM 算法 簡單貝氏分類 貝氏網路 隨機過程 馬可夫鏈 蒙地卡羅馬可夫 資源 範例 投影片 教學錄影 練習題 考題解答 訊息 相關網站 參考文獻 最新修改 簡體版 English

文章 因子實驗 (Factorial experiment) 問題：實驗時有兩個以上的因子，實驗者同時關心兩個以上的因子。 因子：(factor) 水準：(level) 因子的可能選項 (與 R 軟體中的 factor 一樣具有 level) 如果每個因子有兩個水準，則 k 個因子就有 $2^k$ 個水準 如果每個因子有三個水準，則 k 個因子就有 $3^k$ 個水準 問題：仍然是平均數是否相等的問題，但是有兩個以上的變因同時存在。 假設 公式 說明 H0 $\mu_1 = \mu_2 =... = \mu_k$ H1 $\mu_i \neq \mu_j$ 對於某些 i 與 j 而言 完全區集 v.s. 不完全區集 完全區集：實驗可以在完全相同的條件下進行每一種處理組合。 不完全區集：某些實驗不可能在完全相同的實驗條件之下進行每一種處理組合， 隨機完全區集設計 (Randomized Complete Block Design) 目的：有兩個以上的變因，但是我們一次只想研究一種變因是否有統計上的意義，此時可以加入某種隨機程序，以消除掉非研究變因的影響。 設計方法： 區集的有效性： 二因子變異數分析 (Two-Factor Analysis of Variance) 方法：雙向分類完全隨機設計 (Two-way classification completely randomize design) 結果：稱為完全隨機設計 (Completely randomized design) 三因子變異數分析 (Three-Factor Analysis of Variance) $2^k$ 因子變異數分析 (Three-Factor Analysis of Variance) 部分因子實驗 問題：當 k 很大時，排列組合會爆增，完全因子實驗變得不太可行，此時可採用「部分因子實驗」。 * Facebook 留言 Facebook Wikidot Post preview: Close preview or Sign in as Wikidot user (will not be published) - + Help: wiki text quick reference 授權 本網頁的作者、授權與引用方式 作者 陳鍾誠，於金門大學資訊工程系，電子郵件：wt.ude.uqn|ccc#wt.ude.uqn|ccc，網站：http://ccckmit.wikidot.com。 授權 本文採用創作共用 (Creative Common) 3.0 版的 姓名標示─非商業性─相同方式分享 授權條款，歡迎轉載或修改使用，但若做為商業使用時必須取得授權，引用本文時請參考下列格式。 中文版 (APA格式) 陳鍾誠 (01 Sep 2011 02:20)，(網頁標題) 因子實驗 (Factorial experiment)，(網站標題) 陳鍾誠的網站，取自 http://ccckmit.wikidot.com/st:factor ，網頁修改第 11 版。 英文版 (APA格式) Chung-Chen Chen (01 Sep 2011 02:20), Retrieved from http://ccckmit.wikidot.com/st:factor , Page Revision 11.