Factorial designs: หลักการและการประยุกต์ใช้

การออกแบบการทดลองด้วย Python

James Chapman

Curriculum Manager, DataCamp

ทำความเข้าใจ factorial design

ศึกษา ตัวแปรอิสระหลายตัว/ปัจจัย ในการทดลองเดียว
ทดสอบ ทุกชุดผสม ของระดับปัจจัย
ค้นหาผลโดยตรงและ ปฏิสัมพันธ์ ระหว่างปัจจัย

การทดลองที่แสดงให้เห็นว่าสภาพแสงและประเภทปุ๋ยส่งผลต่อการเจริญเติบโตของพืชอย่างไร

¹ ภาพสร้างด้วย DALL·E 3

ตัวอย่างข้อมูล factorial design

ปัจจัยที่ 1 (Light_Condition) — 2 ระดับ: Full Sunlight และ Partial Shade
ปัจจัยที่ 2 (Fertilizer_Type) — 2 ระดับ: Synthetic และ Organic
ตัวแปรตอบสนอง/ตัวแปรตาม (ตัวเลข): 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

จัดระเบียบข้อมูลเพื่อแสดงผลปฏิสัมพันธ์

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

แสดงปฏิสัมพันธ์ด้วย heatmap

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

Heatmap การเจริญเติบโตของพืช

การแปลผลปฏิสัมพันธ์

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

ปฏิสัมพันธ์: ผลของปัจจัยหนึ่งที่เปลี่ยนแปลงตามระดับของอีกปัจจัยหนึ่ง
ปฏิสัมพันธ์มีนัยสำคัญ → ปัจจัยไม่ได้ทำงานแยกกัน

Factorial designs กับ randomized block designs

มีหลาย treatment และปฏิสัมพันธ์
วิเคราะห์ผลที่ซับซ้อนจากหลายตัวแปรและปฏิสัมพันธ์
อาจต้องใช้กลุ่มตัวอย่างจำนวนมากขึ้น

จัดกลุ่มกลุ่มตัวอย่างที่คล้ายกันในการออกแบบแบบสุ่ม
ควบคุมความแปรปรวนภายใน block
ทุก treatment ได้รับการทดสอบใน block เดียวกัน

สอง block ที่บรรจุลูกบาศก์ที่ได้รับการกำหนดสีแบบสุ่ม

¹ ภาพสร้างด้วย DALL·E 3

มาฝึกกันเถอะ!

การออกแบบการทดลองด้วย Python