stringtranslate.com

Метод «один фактор за раз»

Метод анализа одного фактора за раз [1] , также известный как анализ одной переменной за раз , OFAT , OF@T , OFaaT , OVAT , OV@T , OVaaT или монотетический анализ , представляет собой метод разработки экспериментов, включающий проверку факторов или причин по одному за раз, а не нескольких факторов одновременно.

Преимущества

OFAT предпочитают неспециалисты, особенно в ситуациях, когда данные дешевы и их много.

Существуют случаи, когда умственные усилия, необходимые для проведения сложного многофакторного анализа, превышают усилия, необходимые для получения дополнительных данных, в этом случае OFAT может иметь смысл. Кроме того, некоторые исследователи показали, что OFAT может быть более эффективным, чем дробные факториалы при определенных условиях (количество запусков ограничено, основная цель — добиться улучшений в системе, а экспериментальная ошибка невелика по сравнению с факторными эффектами, которые должны быть аддитивными и независимыми друг от друга). [2] [3]

Недостатки

Напротив, в ситуациях, когда данные ценны и должны быть проанализированы с осторожностью, почти всегда лучше изменить несколько факторов сразу. Примером уровня средней школы, иллюстрирующим этот момент, является семейство головоломок с балансом , которое включает в себя головоломку «Двенадцать монет». На уровне бакалавриата можно сравнить [4] Бевингтона GRIDLSс GRADLS. Последний далек от оптимального варианта, но первый, который изменяет только одну переменную за раз, хуже. См. также методы факторного экспериментального проектирования , впервые предложенные сэром Рональдом А. Фишером . Причины неприятия OFAT включают:

  1. OFAT требует больше запусков для той же точности оценки эффекта
  2. OFAT не может оценить взаимодействия
  3. OFAT может упустить оптимальные настройки факторов.

Спланированные эксперименты почти всегда остаются предпочтительными по сравнению с OFAT, поскольку доступно множество типов и методов, в дополнение к дробным факторным экспериментам, которые, хотя обычно и требуют большего количества прогонов, чем OFAT, решают три вышеуказанные проблемы. [5] Одним из современных дизайнов, по сравнению с которым OFAT не имеет преимущества в количестве прогонов, является метод Плакетта-Бермана , который, за счет одновременного изменения всех факторов (важное качество в экспериментальных дизайнах), [5] дает в целом большую точность оценки эффекта .

Смотрите также

Ссылки

  1. ^ Разави, Саман; Гупта, Хошин В. (2015). «Что мы подразумеваем под анализом чувствительности? Необходимость комплексной характеристики «глобальной» чувствительности в моделях систем Земли и окружающей среды». Water Resources Research . 51 (5): 3070–3092. Bibcode : 2015WRR....51.3070R. doi : 10.1002/2014wr016527 . ISSN  0043-1397.
  2. ^ Фридман, М. и Сэвидж, Л. Дж. (1947), «Планирование экспериментов в поисках максимума», в книге «Методы статистического анализа», под ред. К. Эйзенхарта, М. В. Хастей и У. А. Уоллиса, Нью-Йорк: McGraw-Hill, стр. 365-372.
  3. ^ Дэниел, К. (1973), «Планы по одному», Журнал Американской статистической ассоциации 68, 353-360
  4. ^ Бевингтон и Робинсон, Обработка данных и анализ ошибок в физических науках , 2-е изд. McGraw–Hill (1992)
  5. ^ ab Czitrom, Veronica (1999). «Один фактор за раз против разработанных экспериментов». American Statistician . 53 (2): 126–131. doi :10.2307/2685731. JSTOR  2685731.