Факторні плани: принципи та застосування

Експериментальний дизайн у Python

James Chapman

Curriculum Manager, DataCamp

Розуміння факторного плану

Досліджуйте кілька незалежних змінних/факторів в одному експерименті
Тестуйте кожну комбінацію рівнів факторів
Виявляйте прямі ефекти та взаємодії між факторами

Експеримент, що показує, як умови освітлення та тип добрива впливають на ріст рослин.

¹ Зображення створено за допомогою DALL·E 3

Приклад даних для факторного плану

Фактор 1 (Light_Condition) — два рівні: Full Sunlight і Partial Shade
Фактор 2 (Fertilizer_Type) — два рівні: Synthetic і Organic
Числова залежна/вихідна змінна: 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

Підготовка даних для візуалізації взаємодій

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

Візуалізуйте взаємодії за допомогою теплової мапи

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

Теплова мапа росту рослин

Тлумачення взаємодій

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Взаємодії: як ефект одного фактора змінюється залежно від рівня іншого
Значуща взаємодія → фактори не діють незалежно

Факторні плани vs. рандомізовані блокові плани

Багато процедур та взаємодій
Розкладання складних багатозмінних ефектів і взаємодій
Може потребувати більше учасників

Експеримент, що показує, як умови освітлення та тип добрива впливають на ріст рослин.

Групуйте подібних учасників у рандомізованих планах
Контролюйте варіацію всередині блоків
Кожну процедуру тестують у кожному блоці

Два блоки з кубиками випадково призначених кольорів.

¹ Зображення створено за допомогою DALL·E 3

Давайте потренуємось!

Експериментальний дизайн у Python