Designuri factoriale: principii și aplicații

Design experimental în Python

James Chapman

Curriculum Manager, DataCamp

Înțelegerea designului factorial

Studiază mai multe variabile independente/factori într-un singur experiment
Testează fiecare combinație de niveluri ale factorilor
Descoperă efecte directe și interacțiuni între factori

Un experiment care arată cum condițiile de lumină și tipul de îngrășământ afectează creșterea plantelor.

¹ Imagine generată cu DALL·E 3

Exemplu de date pentru design factorial

Factorul 1 (Light_Condition) - două niveluri: Full Sunlight și Partial Shade
Factorul 2 (Fertilizer_Type) - două niveluri: Synthetic și Organic
Variabilă răspuns numerică/dependentă/de rezultat: Growth_cm

plant_growth_data.head()

   Plant_ID  Light_Condition  Fertilizer_Type  Growth_cm
0         1    Full Sunlight        Synthetic  16.489735
1         2    Partial Shade          Organic  18.361689
2         3    Full Sunlight        Synthetic  18.039459
3         4    Full Sunlight          Organic  12.682425
4         5    Full Sunlight          Organic  21.480601

Organizarea datelor pentru vizualizarea interacțiunilor

plant_growth = pd.pivot_table(plant_growth_data, 
                              values='Growth_cm',
                              index='Light_Condition',
                              columns='Fertilizer_Type', 
                              aggfunc='mean')


plant_growth

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Vizualizarea interacțiunilor cu o hartă termică

import seaborn as sns
import matplotlib.pyplot as plt
sns.heatmap(plant_growth, 
            annot=True, 
            cmap='coolwarm',
            fmt='g')
plt.show()

Hartă termică a creșterii plantelor

Interpretarea interacțiunilor

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Interacțiuni: modul în care efectul unui factor variază în funcție de nivelul altui factor
Interacțiune semnificativă → factorii nu acționează independent

Designuri factoriale vs. designuri cu blocuri randomizate

Mai multe tratamente și interacțiuni
Analizează efecte complexe cu mai multe variabile
Poate necesita mai mulți subiecți

Un experiment care arată cum condițiile de lumină și tipul de îngrășământ afectează creșterea plantelor.

Grupează subiecți similari în designuri randomizate
Controlează varianța în interiorul blocurilor
Fiecare tratament este testat în fiecare bloc

Două blocuri conținând cuburi cu culori atribuite aleatoriu.

¹ Imagini generate cu DALL·E 3

Să exersăm!

Design experimental în Python