Upload
maman-bachir-adamou-leo
View
214
Download
0
Embed Size (px)
Citation preview
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 1/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 11
PPlala
nsns
Les plans d’expérienceLes plans d’expérience
Initiation à leur analyse etInitiation à leur analyse età leur constructionà leur construction
J.S. Pierre J.S. Pierre
mercredi 9 janvier 200mercredi 9 janvier 200
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 2/176
J.S. Pierre Intro plans d'e 2
PPlala
nsnsPlan du coursPlan du cours
IntroductionIntroduction Le plan à un !acteurLe plan à un !acteur
Plans à deux !acteursPlans à deux !acteurs Plans !actorielsPlans !actoriels
"omplets"omplets IncompletsIncomplets
#utres plans#utres plans "arré latin"arré latin Split$plotSplit$plot
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 3/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 33
PPlala
nsns
IntroductionIntroduction
%oca&ulaire de la%oca&ulaire de la
plani'cation et deplani'cation et del’analyse de variancel’analyse de variance
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 4/176
J.S. Pierre Intro plans d'e 4
PPlala
nsns(é'nition(é'nition
)n plan d’expérience consiste en)n plan d’expérience consiste enla mise en *uvre or+anisée d’unla mise en *uvre or+anisée d’un
ensem&le d’unités expérimentalesensem&le d’unités expérimentalesde mani,re à révéler les e-ets dede mani,re à révéler les e-ets dedi-érents traitementsdi-érents traitements
xemple / comparer les e-ets dexemple / comparer les e-ets deuatre anti&iotiues sur uneuatre anti&iotiues sur unesouc1e de &actériessouc1e de &actéries
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 5/176
J.S. Pierre Intro plans d'e 5
PPlala
nsns%oca&ulaire%oca&ulaire
%aria&le à expliuer%aria&le à expliuer u réponseu réponse "e ue l’on mesure"e ue l’on mesure
"onstitu3ent4 les résultat du plan"onstitu3ent4 les résultat du plan 5ésultat univarié5ésultat univarié 5ésultat multivarié5ésultat multivarié
%aria&le explicative%aria&le explicative "ovaria&le"ovaria&le
%aria&le uantitative mesurée préala&lement à%aria&le uantitative mesurée préala&lement àl’expériencel’expérience 6on in7uencée par le plan6on in7uencée par le plan
8acteur8acteur nsem&le de modalités disjointesnsem&le de modalités disjointes
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 6/176
J.S. Pierre Intro plans d'e 6
PPlala
nsns8acteurs8acteurs
n appelle !acteur un ensem&len appelle !acteur un ensem&lede traitements de m:me naturede traitements de m:me nature
; 3liés par une similitude lo+iue4; 3liés par une similitude lo+iue4et mutuellement exclusi!set mutuellement exclusi!s
"es di-érents traitements sont"es di-érents traitements sont
nommésnommés modalitésmodalités ou encoreou encoreniveauxniveaux 3levels43levels4
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 7/176
J.S. Pierre Intro plans d'e 7
PPlala
nsnsexempleexemple
ssai sur les col<as= réalisé en 200> par lesssai sur les col<as= réalisé en 200> par lesétudiants de l’). le !acteur variété ; aétudiants de l’). le !acteur variété ; auatre modalitésuatre modalités
ParapluieParapluie ?anto ?anto (armor(armor (armor 6ain(armor 6ain
(ans le m:me essai= le !acteur terreau ; a(ans le m:me essai= le !acteur terreau ; a
trois modalitéstrois modalités ?erreau de semis ?erreau de semis ?erreau de repiua+e ?erreau de repiua+e ?erreau pour plantes d’intérieur ?erreau pour plantes d’intérieur
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 8/176
J.S. Pierre Intro plans d'e 8
PPlala
nsns)nités expérimentales)nités expérimentales
n nomme unitésn nomme unitésexpérimentales ; ou individus ;expérimentales ; ou individus ;
les o&jets 3les o&jets 3a prioria priori identiues4 suridentiues4 surlesuels on appliue leslesuels on appliue lestraitementstraitements xemplexemple
"as des anti&iotiues / @ unité"as des anti&iotiues / @ unitéexpérimentale A une &oBte de Petriexpérimentale A une &oBte de Petri
"as des col<a / @ unité expérimentale A @"as des col<a / @ unité expérimentale A @+odet perdu avec > +raines+odet perdu avec > +raines
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 9/176
J.S. Pierre Intro plans d'e 9
PPlala
nsns5essources= allocation5essources= allocation
5essources / nom&re d’unités5essources / nom&re d’unitésexpérimentales disponi&leexpérimentales disponi&le
#llocation / répartition des#llocation / répartition desressources parmi les modalitésressources parmi les modalités xemple / col<a= allocationxemple / col<a= allocation
éuili&réeéuili&rée
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 10/176
J.S. Pierre Intro plans d'e 10
PPlala
nsns#nalyse des plans#nalyse des plans
5el,ve de la statistiue5el,ve de la statistiue (é'nition(é'nition
n appelle Statistiue un ensem&len appelle Statistiue un ensem&lede tec1niues de mat1ématiuesde tec1niues de mat1ématiuesappliuées destinées à extraire leappliuées destinées à extraire lesignalsignal dudu bruitbruit Si+nal / ce ui estSi+nal / ce ui est signifantsignifant Cruit / ce ui estCruit / ce ui est insignifantinsignifant vis à visvis à vis
du si+nal étudié 3aléatoire4du si+nal étudié 3aléatoire4
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 11/176
J.S. Pierre Intro plans d'e 11
PPlala
nsns(eux citations(eux citations
5ené ?1om /5ené ?1om / « Halte au hasard, silence au« Halte au hasard, silence au
bruit ! »bruit ! » Le Débat n°3 juilletaot "#$% éditionsLe Débat n°3 juilletaot "#$% éditions
&allimard, 'aris, "#(p)&allimard, 'aris, "#(p)
« *e +ui limite le vrai ce nest pas« *e +ui limite le vrai ce nest pasle -aux mais linsi.ni/ant »le -aux mais linsi.ni/ant »
'rédire nest pas expli+uer pa.e "3('rédire nest pas expli+uer pa.e "3(
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 12/176
J.S. Pierre Intro plans d'e 12
PPlala
nsns"onstruction des plans"onstruction des plans
5el,ve de la 5ec1erc1e5el,ve de la 5ec1erc1eopérationnelleopérationnelle
"’est à dire des tec1niues"’est à dire des tec1niuesd’d’optimisationoptimisation
6ous aurons donc la c1ar+e6ous aurons donc la c1ar+e
d’optimiser sur la &ase de nosd’optimiser sur la &ase de nosconnaissances statistiuesconnaissances statistiues
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 13/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 1313
PPlala
nsns
@. Le plan à un !acteur@. Le plan à un !acteur
u plan enu plan en
randomisation totalerandomisation totale
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 14/176
J.S. Pierre Intro plans d'e 14
PPlala
nsns@. Plan à )n !acteur@. Plan à )n !acteur
@.@. Dise en *uvre@.@. Dise en *uvre @.2. #[email protected]. #nalyse
#nalyse de variance#nalyse de variance
"omparaisons multiples de moyennes 3tests post 1oc ;"omparaisons multiples de moyennes 3tests post 1oc ; Su&stituts à ou extensions de l’analyse de varianceSu&stituts à ou extensions de l’analyse de variance
#nova non paramétriue#nova non paramétriue Dod,le linéaire +énéralisé 3dé'nition4Dod,le linéaire +énéralisé 3dé'nition4
@.E. [email protected]. optimisation (étermination du nom&re de répétitions nécessaires(étermination du nom&re de répétitions nécessaires #llocation optimale eu é+ard aux o&jecti!s du plan#llocation optimale eu é+ard aux o&jecti!s du plan
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 15/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 16/176
J.S. Pierre Intro plans d'e 16
PPlala
nsnsxemplexemple
Guatre anti&iotiuesGuatre anti&iotiueset un témoinet un témoin
"lométocilline"lométocilline Pénicilline HPénicilline H Pénicilline %Pénicilline % Sul&actamSul&actam ?émoin ?émoin
20 &oBtes de culture20 &oBtes de culture PP
Sulacta!
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 17/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 1717
PPlala
nsns
@.2. #[email protected]. #nalyse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 18/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 1818
PPlala
nsns
L’analyse de varianceL’analyse de variance
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 19/176
J.S. Pierre Intro plans d'e 19
PPlala
nsnsLe mod,le statistiueLe mod,le statistiue
Guel est le mod,le statistiue du planGuel est le mod,le statistiue du planà un !acteur 3e-ets 'xés4 à un !acteur 3e-ets 'xés4
0 0 ijij est le résultat mesuré sur laest le résultat mesuré sur la j j i1mei1me
u.e. de lau.e. de la ii i1mei1me modalitémodalité
n reconnaBt le mod,le den reconnaBt le mod,le del’éc1antillonna+e strati'él’éc1antillonna+e strati'é
ij i ijY µ α ε = + +-et moyen -et de la modalité i résidu
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 20/176
J.S. Pierre Intro plans d'e 20
PPlala
nsnsCutCut
5ejeter l’1ypot1,se nulle /5ejeter l’1ypot1,se nulle /
0 1 2 ... ... 0i p H α α α α ⇔ = = = = = #&sence totale d’e-et du !acteur#&sence totale d’e-et du !acteur ypot1,ses alternativesypot1,ses alternatives
, 0ii α ∃ ≠
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 21/176
J.S. Pierre Intro plans d'e 21
PPlala
nsns
La décomposition desLa décomposition des
sommes de carrés d’écartssommes de carrés d’écarts "onsidérons un écart à la moyenne"onsidérons un écart à la moyenne
des valeurs o&servéesdes valeurs o&servées
..ij y y− Intercalons dans cet écart la moyenneIntercalons dans cet écart la moyenne
des individus d’une modalitédes individus d’une modalité
. . ..i j ii y y y y− + −
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 22/176
J.S. Pierre Intro plans d'e 22
PPlala
nsnsHrap1iuementHrap1iuement
ij y..
y
..
y ij
y
.i y
Dodalité @
Dodalité 2
Dodalité E 3i 4
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 23/176
J.S. Pierre Intro plans d'e 2"
PPlala
nsnslevons au carrélevons au carré
( ) ( )2 2
. .. .. .ij i i i j y y y y y y− −+− =
( ) ( ) ( ).
2
...
2
.. i iij ij y y y y y y − + −= −
( ) ( ) ( ) ( ).
2
. . . .
2
.. ..2 2i i i i iij iji j y y y y y y y y y y= − + − −+ − −
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 24/176
J.S. Pierre Intro plans d'e 24
PPlala
nsnsSommonsSommons
Sur toutes les unitésSur toutes les unités
( )
2
..1 1
in p
iji j
y y= = − =∑∑
( ) ( ). .
2 2
..
1 1 1
in p
i i
p
ij i
i j i
y n y y y= = =
= + +− −∑∑ ∑
( ) ( ). . ..
1 1 1
.
1
0 0
2 2i in n p p
ij ij
i j i
i i i
j
y y y y y y= = = =
= =
+ −− −∑ ∑ ∑∑@ > 2 > E @ > 2 > E
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 25/176
J.S. Pierre Intro plans d'e 25
PPlala
nsnst 'nalementt 'nalement
( )2
..
1 1
Somme des carrésdes écarts totale
in p
ij
i j
T
y y= =
− =∑∑@ > > 2 > >E
( ) ( )2 2
. . ..
1 1 1
Somme des carrésSomme des carrésdes écarts inter des écarts intra
in p p
ij i i i
i j i
BW
y y n y y= = =
= − + −∑∑ ∑@ >> 2 > >E@ > > 2 > > E
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 26/176
J.S. Pierre Intro plans d'e 26
PPlala
nsns6otations commodes6otations commodes
S"S" ? ? / Somme des carrés des écarts/ Somme des carrés des écartstotaletotale
S"S"CC / Somme des "arrés des carts Inter/ Somme des "arrés des carts Inter
3CetKeen43CetKeen4 u !actorielleu !actorielle
S"S" / Somme des "arrés des carts/ Somme des "arrés des cartsIntra 3it1in4Intra 3it1in4 u résiduelleu résiduelle
S"S" ? ? A S"A S"CC M S"M S"
? A M C ? A M C
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 27/176
J.S. Pierre Intro plans d'e 27
PPlala
nsnsSousSous HHoo
#u produit par#u produit parles de+rés deles de+rés deli&erté ; pr,sli&erté ; pr,s
?outes ces ?outes cessommes desommes decarré mesurentcarré mesurent
la m:me c1osela m:me c1ose
ij ij y µ ε = +
( ) ( ) 21T E SCE n σ = −
( ) 2
ijVar ε σ =
( ) ( ) 21 B E SCE p σ = −
( ) ( ) 2
w E SCE n p σ = −
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 28/176
J.S. Pierre Intro plans d'e 28
PPlala
nsnsn particuliern particulier
Sous Sous 00= variance ; inter et variance ; intra= variance ; inter et variance ; intrasont é+ales en espérancesont é+ales en espérance
( ) ( ) 2 21
1
B B
SCE E SCE p E
pσ σ
= − ⇒ = ÷−
( ) ( ) 2 2ww
SCE E SCE n p E n p
σ σ = − ⇒ = ÷−
2
1
w BSCE SCE E E
n p pσ
= =
÷ ÷− − t donc
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 29/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 30/176
J.S. Pierre Intro plans d'e "0
PPlala
nsns(’oO la statistiue(’oO la statistiue
8 de 8is1er /8 de 8is1er /
( )
( )
1 B p
w
n p
SCE
F SCE
−
−
=
Si 8 est asse< +rand ; onSi 8 est asse< +rand ; ondécidera ue le !acteur a un e-etdécidera ue le !acteur a un e-et
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 31/176
J.S. Pierre Intro plans d'e "1
PPlala
nsns
"omment est distri&ué 8"omment est distri&ué 8
"ela dépend des 1ypot1,ses sur les erreurs"ela dépend des 1ypot1,ses sur les erreurs Si les erreurs sontSi les erreurs sont
$ (istri&uées normalement$ (istri&uées normalement
$ Indépendantes deux à deux$ Indépendantes deux à deux $ #vec une espérance nulle$ #vec une espérance nulle $ t une variance uni!orme$ t une variance uni!orme σσ22 indépendante de laindépendante de la
modalitémodalité i i
Le numérateur est distri&ué comme unLe numérateur est distri&ué comme un χχ22 à p @à p @
de+rés de li&ertéde+rés de li&erté Le dénominateur est distri&ué comme unLe dénominateur est distri&ué comme un χχ22 à n à n
p de+rés de li&ertép de+rés de li&erté 8 est alors distri&ué comme une varia&le de8 est alors distri&ué comme une varia&le de
2isher 4nedecor2isher 4nedecorà p @ et n p de+rés deà p @ et n p de+rés de
li&ertéli&erté
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 32/176
J.S. Pierre Intro plans d'e "2
PPlala
nsns
Pour rejeter Pour rejeter oo
n peut utiliser une ta&len peut utiliser une ta&le
xemple / 8 A>.= dl@ A >= dl2 A >>xemple / 8 A>.= dl@ A >= dl2 A >>
8 est$il asse< +rand8 est$il asse< +rand
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 33/176
J.S. Pierre Intro plans d'e ""
PPlala
nsns(écision(écision
Sur la &ase de la ta&leSur la &ase de la ta&leprécédenteprécédente La valeur supérieure limite est 2.QLa valeur supérieure limite est 2.Q Le seuil de la ta&le estLe seuil de la ta&le est αα A 0.0QA 0.0Q >. est supérieur à 2.Q>. est supérieur à 2.Q
n déclare l’e-et du !acteurn déclare l’e-et du !acteursi+ni'cati! au seuilsi+ni'cati! au seuil αα A 0.0QA 0.0Q
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 34/176
J.S. Pierre Intro plans d'e "4
PPlala
nsns)tilisation d’un lo+iciel)tilisation d’un lo+iciel
Par exemplePar exemple 55 Pro&l,mePro&l,me 6natalanta 6natalanta
#nova directe /#nova directe /> attach(anatal)> attach(anatal)
> anova(lm(Lo~station %in% altitude))> anova(lm(Lo~station %in% altitude))
Analysis of Variance Table Analysis of Variance Table
Response: LoResponse: Lo
f !um !" #ean !" $ value r(>$)f !um !" #ean !" $ value r(>$)
station:altitude & '*'+ ++,+ -&&' . //e0-* 111station:altitude & '*'+ ++,+ -&&' . //e0-* 111
Residuals '-/ ,+'&- ++/,+Residuals '-/ ,+'&- ++/,+
000000
!i2nif codes: + 31114 +++- 3114 ++- 314 ++ 34 +- 3 4 -!i2nif codes: + 31114 +++- 3114 ++- 314 ++ 34 +- 3 4 -
>>
%aleur de 2
Pro&a&ilité exacted’un 2 supérieur
"ode de niveau(e si+ni'cativité
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 35/176
J.S. Pierre Intro plans d'e "5
PPlala
nsns
#utre utilisation du#utre utilisation du
lo+iciello+iciel n c1erc1e la pro&a&ilité exacten c1erc1e la pro&a&ilité exacte
d’o&tenir un 8 supérieur ou é+al àd’o&tenir un 8 supérieur ou é+al à
>. avec dl@ A > et dl2 A >>>. avec dl@ A > et dl2 A >>> pf(56757557lo8ertail9$)> pf(56757557lo8ertail9$)
-; +++/**/,/-; +++/**/,/
> < v=rification de la table> < v=rification de la table> pf(/6757557lo8ertail9$)> pf(/6757557lo8ertail9$)
-; +++/-/'-; +++/-/'
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 36/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 37/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 3737
PPlala
nsns
%alidité%alidité
(es résultats(es résultats
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 38/176
J.S. Pierre Intro plans d'e "8
PPlala
nsns
"omment contrTler la"omment contrTler la
validité des résultats validité des résultats Hrap1iuesHrap1iues
isto+ramme des résidusisto+ramme des résidus (roite de enry des résidus(roite de enry des résidus 5ésidus en !onction de l’estimée5ésidus en !onction de l’estimée 5ésidus en !onction de l’ordre des données5ésidus en !onction de l’ordre des données
?ests ?ests 6ormalité des résidus6ormalité des résidus
Uolmo+orovUolmo+orov S1apiro$ilVsS1apiro$ilVs
+alité des variances+alité des variances CartlettCartlett
# relativiser 3#nova ro&uste ; aux écarts# relativiser 3#nova ro&uste ; aux écarts
aux 1ypot1,ses4aux 1ypot1,ses4
é id f i d l' i é
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 39/176
J.S. Pierre Intro plans d'e "9
PPlala
nsnsxemple / #natalantaxemple / #natalanta
> lm(Lo~station %in% altitude)0>m-> lm(Lo~station %in% altitude)0>m-
> plot(m-fit7m-res)> plot(m-fit7m-res)
> abline(+7+)> abline(+7+)
> title(?Lo : r=sidus en fonction> title(?Lo : r=sidus en fonction
de l4estim=e?)de l4estim=e?)
1.55 1.60 1.65 1.70 1.75 1.80 1.85
# 0 . 6
# 0 . 4
# 0 . 2
0 . 0
0 . 2
0 . 4
!1$%it
! 1 $ r
e s
Lo : résidus en fonction de l'estimée
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 40/176
J.S. Pierre Intro plans d'e 40
PPlala
nsnsxemple / #natalantaxemple / #natalanta
> hist(m-res7main9?Lo : @isto2ramme des r=sidus?)> hist(m-res7main9?Lo : @isto2ramme des r=sidus?)
>>
> ""norm(m-res7main9?Lo (res) : droite de @enry> ""norm(m-res7main9?Lo (res) : droite de @enry
?)?)> ""line(m-res)> ""line(m-res)
> shapirotest(m-res> shapirotest(m-res))
!hapiro0ilB normality test!hapiro0ilB normality test
data: m-resdata: m-res
9 +,&6&7 p0value 9 ++++-+,* 9 +,&6&7 p0value 9 ++++-+,*
Lo : Histogramme des résidus
!1$res
& r e ' u e n c (
#0.6 #0.4 #0.2 0.0 0.2 0.4
0
2 0
4 0
6 0
8 0
#" #2 #1 0 1 2 "
# 0 . 6
# 0 . 4
# 0 . 2
0 . 0
0 . 2
0 . 4
Lo (res): droite de Henry
)*eoretical +uantiles
S a ! p l e + u a n t i l e s
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 41/176
J.S. Pierre Intro plans d'e 41
PPlala
nsns5ésumé5ésumé
L’analyse de variance permet de ju+erL’analyse de variance permet de ju+erl’e-et de tout un ensem&le del’e-et de tout un ensem&le demodalitésmodalités
n compare une estimation de lan compare une estimation de lavariance interindividuellevariance interindividuelle # partir de la somme des carrés des écarts# partir de la somme des carrés des écarts
inter 3C4inter 3C4
t à partir de la somme des carrés dest à partir de la somme des carrés desécarts intra 34écarts intra 34
Par la statistiuePar la statistiue 22 de 8is1erde 8is1er
Il nous reste à comparer les modalitésIl nous reste à comparer les modalités
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 42/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 43/176
J.S. Pierre Intro plans d'e 4"
PPlala
nsns)ne mauvaise idée)ne mauvaise idée
"omparer toutes les moyennes deux"omparer toutes les moyennes deuxà deux par un testà deux par un test tt
Pouruoi est$ce une mauvaise idée Pouruoi est$ce une mauvaise idée Prenons un exemplePrenons un exemple Supposons ue nous avons comparéSupposons ue nous avons comparé
uatre moyennes deux à deux etuatre moyennes deux à deux etue nous o&tenions le ta&leauue nous o&tenions le ta&leausuivant /suivant /
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 44/176
J.S. Pierre Intro plans d'e 44
PPlala
nsns#vec les codes 1a&ituels#vec les codes 1a&ituels
m@m@ m2m2 mEmE m>m>
m@m@ W 3@4W 3@4 WW 324WW 324 W 3E4W 3E4
m2m2 6S 3>46S 3>4 W 3Q4W 3Q4
mEmE W 3X4W 3X4
D>D>
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 45/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 4545
PPlala
nsns
Guelle est laGuelle est la
pro&a&ilitépro&a&ilité
(’avoir pris au moins(’avoir pris au moins
une décision !ausse une décision !ausse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 46/176
J.S. Pierre Intro plans d'e 46
PPlala
nsnsL’événementL’événement
#voir pris au moins une décision#voir pris au moins une décision!ausse!ausse
n s’est trompé une !ois et une seulen s’est trompé une !ois et une seule uu n s’est trompé deux !oisn s’est trompé deux !ois uu
n s’est trompé trois !oisn s’est trompé trois !ois YY.. n s’est trompé six !oisn s’est trompé six !ois
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 47/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 48/176
J.S. Pierre Intro plans d'e 48
PPlala
nsnsLe dé&ut du calculLe dé&ut du calcul
3@4 est !ausse ? 324=3E4=3>4=3Q4=3@4 est !ausse ? 324=3E4=3>4=3Q4=3X4 sont correctes3X4 sont correctes
p A 0.0QW0.99W.9QZEW3@$p A 0.0QW0.99W.9QZEW3@$β)β) ββ est le manque de puissance duest le manque de puissance du
testtest ……
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 49/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 50/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 51/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 52/176
J.S. Pierre Intro plans d'e 52
PPlala
nsns
#vanta+es et#vanta+es et
inconvénientsinconvénients #vanta+es / vala&le pour tous#vanta+es / vala&le pour tous
types de comparaison multipletypes de comparaison multiple
3paramétriues= non3paramétriues= nonparamétriues= Y4paramétriues= Y4
Inconvénients /Inconvénients /
Dinorant deDinorant de αα Perte de puissance très rapidePerte de puissance très rapide
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 53/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 54/176
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 55/176
J.S. Pierre Intro plans d'e 55
PPlala
nsns
Les cour&es deLes cour&es de
puissancepuissance
0
0.2
0.4
0.6
0.8
1
1.2
0 10 20 "0 40 50 60 70
test1
test2
test"
Série4
∆
1 β
Sc1e-é= "ontrastes=
Con!erroni= SidaV= (unett
?uVey=6eKman$Ueuls
PP(S de 8is1er=t par paires
3sans correction4
α
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 56/176
J.S. Pierre Intro plans d'e 56
PPlala
nsns
Guelues tests &ienGuelues tests &ien
connus et appréciésconnus et appréciés tendue studentiséetendue studentisée
(e (uncan(e (uncan
(e 6eKman \ Ueuls(e 6eKman \ Ueuls (e ?uVey(e ?uVey
88 corri+é de Con!erronicorri+é de Con!erroni
?est de (unett ?est de (unett "omparaison à un témoin"omparaison à un témoin
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 57/176
J.S. Pierre Intro plans d'e 57
PPlala
nsns ?ests extr:mes ?ests extr:mes
PP(S 3LS(4 de 8is1erPP(S 3LS(4 de 8is1er Puissant= non conservati!= enPuissant= non conservati!= en
+énéral déconseillé+énéral déconseillé ?est des contrastes de Sc1e-é ?est des contrastes de Sc1e-é
#&solument conservati!= tr,s peu#&solument conservati!= tr,s peu
puissantpuissant
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 58/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 5858
PPlala
nsns
@.E [email protected] ptimisation
"omment !aire un"omment !aire un
meilleur planmeilleur plan
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 59/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 5959
PPlala
nsns
"alcul du nom&re de"alcul du nom&re derépétitions nécessairesrépétitions nécessaires
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 60/176
J.S. Pierre Intro plans d'e 60
PPlala
nsns
"omment poser le"omment poser le
pro&l,me pro&l,me Il !aut déterminerIl !aut déterminer quatrequatre
param,tresparam,tres
@. Le risue@. Le risueα
désirédésiré 2. La puissance @$2. La puissance @$
β
désirée désirée
E. La di-érenceE. La di-érence∆
à mettre enà mettre en
évidenceévidence >. La variance résiduelle du mod,le>. La variance résiduelle du mod,le
σ
2
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 61/176
J.S. Pierre Intro plans d'e 61
PPlala
nsnsLa uestion correcte /La uestion correcte /
Sac1ant ue j’attend une varianceSac1ant ue j’attend une varianceσ
2
"om&ien dois$je !aire de répétitions"om&ien dois$je !aire de répétitions
Pour mettre en évidence unePour mettre en évidence unedi-érence d’ordredi-érence d’ordre
∆
entre modalitésentre modalités
#vec une puissance#vec une puissanceβ
t un risue de premi,re esp,cet un risue de premi,re esp,ceα
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 62/176
J.S. Pierre Intro plans d'e 62
PPlala
nsnsDaisYDaisY
"omment avoir une idée de la"omment avoir une idée de la
variance résiduellevariance résiduelleσ
Plusieurs solutionsPlusieurs solutions 8aire une préexpérience8aire une préexpérience "ompulser la &i&lio+rap1ie"ompulser la &i&lio+rap1ie "1erc1er des données d’essais antérieurs"1erc1er des données d’essais antérieurs Interro+er les vieuxInterro+er les vieux YY..
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 63/176
PP"omment !ait$on "omment !ait$on
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 64/176
J.S. Pierre Intro plans d'e 64
PPlala
nsns
"adre / le test < de l’écart"adre / le test < de l’écartréduitréduit
#4 #2 0 2 4 6
β
/2
/2
0 @
2
: a : b
δ
2
: : a b dM A
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 65/176
J.S. Pierre Intro plans d'e 65
PPlala
nsnst donc Yt donc Y
2 : : a b dM A
2
2 2
: :
n
a b
s
(M A
22
22
2n : : a bs ] _̂F` M _F _F, (
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 66/176
J.S. Pierre Intro plans d'e 66
PPlala
nsns#vec 8#vec 8
Le !acteur est à e-ets 'xés $ leLe !acteur est à e-ets 'xés $ lenumérateur est 'xénumérateur est 'xé
n joue donc sur le dénominateurn joue donc sur le dénominateuret on ne peut jouer ue sur leset on ne peut jouer ue sur lesde+rés de li&erté du dénominateurde+rés de li&erté du dénominateur
pr p A p3r$@4pr p A p3r$@4 6e peut se !aire ue par itération6e peut se !aire ue par itération
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 67/176
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 68/176
J.S. Pierre Intro plans d'e 68
PPlala
nsns
n2A>2
Q3r$@4A>25AIntSup3>2RQ4M@A9M@A@0)n e-ort total de Q0 &oBtesLe jeu en vaut$il la c1andelle
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 69/176
J.S. Pierre Intro plans d'e 69
PPlala
nsns5ec1erc1e de n5ec1erc1e de n
> -0pf(/75755)
-; ++*+,,6
> -0pf(/757+)
-; ++5-*++6
> -0pf(/757-++)
-; ++5&/',/5
> -0pf(/7576+)
-; ++56,*-/&
> -0pf(/757&+)
-; +++-,5,6
> -0pf(/757&)
-; ++5,'**5
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 70/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 7070
PPlala
nsns
ptimisation deptimisation del’allocationl’allocation
6méliorer le contraste ! 6méliorer le contraste !
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 71/176
J.S. Pierre Intro plans d'e 71
PPlala
nsnsPrincipePrincipe
n dit u’une allocation estn dit u’une allocation estoptimale si elle minimise laoptimale si elle minimise la
variancevariance de l’ensem&le desde l’ensem&le descontrastescontrastes auxuels onauxuels ons’intéresses’intéresse
6ous avons à dé'nir ce ue l’on6ous avons à dé'nir ce ue l’onentend parentend par contrastecontraste
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 72/176
J.S. Pierre Intro plans d'e 72
PPlala
nsns(é'nition(é'nition
n appellen appelle contrastecontraste toutetoutecom&inaison linéairecom&inaison linéaire dede
moyennes dont la somme desmoyennes dont la somme descoecients est nullecoecients est nulle
1 1 2 2
1 2
...
... 0
p p
p
C a m a m a m
a a a
= + + +
+ + + =
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 73/176
J.S. Pierre Intro plans d'e 7"
PPlala
nsns"as particulier"as particulier
"omparaison de deux moyennes"omparaison de deux moyennes
12 1 2C m m= − n e-et /n e-et /
( )12 1 21 1C m m= × + − ×
PP L’ ll ti dé d dL’ ll ti dé d d
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 74/176
J.S. Pierre Intro plans d'e 74
PPlala
nsns
L’allocation dépend desL’allocation dépend des
o&jecti!so&jecti!s "as @ / on s’intéresse de la m:me"as @ / on s’intéresse de la m:me
mani,re à tous les contrastes dumani,re à tous les contrastes du
type mtype mii $ m$ m j j
"as 2 / on s’intéresse"as 2 / on s’intéresseessentiellement à la comparaisonessentiellement à la comparaison
à un témoin mà un témoin m
ii m m
00 "as E / n c1erc1e à démontrer la"as E / n c1erc1e à démontrer la
linéarité d’une relation dose$e-etlinéarité d’une relation dose$e-et
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 75/176
J.S. Pierre Intro plans d'e 75
PPlala
nsns"as @"as @
n s’intéresse de la m:me !aFon à tous les contrastesn s’intéresse de la m:me !aFon à tous les contrastesélémentairesélémentaires
Guelle est la variance d’un contraste élémentaire Guelle est la variance d’un contraste élémentaire
( )
2 22 1 1
ij i j
r r
ij r i j i j
C m m
Var C n n n n
σ σ σ
= −
= + = +
÷ ÷ "ette variance est d’autant plus petite"ette variance est d’autant plus petite
ue nue nii et net n j j sont +rands= mais c’estsont +rands= mais c’est
trivialtrivial
PP G ll t lG ll t l
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 76/176
J.S. Pierre Intro plans d'e 76
PPlala
nsns
Guelle est laGuelle est la
contrainte contrainte n se 'xe le nom&re totaln se 'xe le nom&re total
d’unités expérimentalesd’unités expérimentales
disponi&les 3ressources4disponi&les 3ressources4
1
p
i
i
n N
=
=∑
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 77/176
J.S. Pierre Intro plans d'e 77
PPlala
nsnsn pose le pro&l,men pose le pro&l,me
?rouver le minimum de ?rouver le minimum de
1 1
i jn n+ Sous la contrainte d’é+alitéSous la contrainte d’é+alité
1
p
i
i
n N =
=∑
PP S l ti ! lSolution on !orme le
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 78/176
J.S. Pierre Intro plans d'e 78
PPlala
nsns
Solution / on !orme leSolution / on !orme le
la+ran+ien ; la+ran+ien ;
( )1 2
1
1 1, ,..., ,
p
p i
ii j
n n n n Nn n
λ λ =
= + + − ÷
∑L
Guantité àminimiser Dultiplicateur de
La+ran+e
"ontrainte3uantité A 04
PP l l dé i én annule les dérivées
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 79/176
J.S. Pierre Intro plans d'e 79
PPlala
nsns
n annule les dérivéesn annule les dérivées
partiellespartielles
SoitSoit
2
10
in n
i
λ ∂
= − + =∂
L
1
i
nλ
=
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 80/176
J.S. Pierre Intro plans d'e 80
PPlala
nsns"onclusion /"onclusion /
#llocation éuili&rée#llocation éuili&rée ptimale lorsue toutes lesptimale lorsue toutes les
comparaisons sont é+alementcomparaisons sont é+alementintéressantesintéressantes
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 81/176
J.S. Pierre Intro plans d'e 81
PPlala
nsns"as 2"as 2
"omparaisons à un témoin privilé+iées"omparaisons à un témoin privilé+iées
10 1 0
20 2 0
0 0
0
1
.....
p p
p
i
i
C m m
C m m
C m m
C m pm=
= −
= −
= −
= −∑
( ) 2 2
1 0
1 1 p
i i
Var C pn n
σ =
= +
∑
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 82/176
J.S. Pierre Intro plans d'e 82
PPlala
nsnsLa+ran+ienLa+ran+ien
( ) 2
0 1
1 00
1 1, ,..., ,
p p
p i
i ii
n n n p n Nn n
λ λ = =
= + + − ÷
∑ ∑L
2
2
2
0
10
10
0
in n
i
pn n
λ
λ
∂= − + =
∂
∂ = − + =∂
L
L
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 83/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 84/176
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 85/176
J.S. Pierre Intro plans d'e 85
PPlala
nsns"as E"as E
Les modalités sont trois doses deLes modalités sont trois doses de!ertilisant éuiréparties 3ex!ertilisant éuiréparties 3ex
@0=20=E0 )nités4@0=20=E0 )nités4 n c1erc1e à démontrer lan c1erc1e à démontrer la
linéarité de la réponse à la doselinéarité de la réponse à la dose
1 32 1 2 32 0
2
m mm m m m
+= ⇔ − + =
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 86/176
J.S. Pierre Intro plans d'e 86
PPlala
nsns%ariance du contraste%ariance du contraste
La+ran+ien /La+ran+ien /
( ) 2
1 2 3
1 4 1Var C
n n nσ
= + + ÷
( )
3
1 2 301 2 3
1 4 1
, , , iin n n n Nn n nλ λ =
= + + + − ÷ ∑L
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 87/176
J.S. Pierre Intro plans d'e 87
PPlala
nsnsSolutionSolution
( )3
1 2 3
01 2 3
1 4 1, , , i
i
n n n n N n n n
λ λ =
= + + + − ÷ ∑L
12
1 1
22
2 0
1 10
4 20
nn n
nn n
λ λ
λ λ
∂ = − + = ⇒ =∂
∂ = − + = ⇒ =∂
L
L
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 88/176
J.S. Pierre Intro plans d'e 88
PPlala
nsnsSolution /Solution /
Pour montrer la linéarité d’unePour montrer la linéarité d’unerelation= on c1ar+era d’avanta+erelation= on c1ar+era d’avanta+eles modalités médianesles modalités médianes
2 1 32 2= =n n n
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 89/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 8989
PPlala
nsns
Plans à deux !acteursPlans à deux !acteurs
"roisement= 1iérarc1ie="roisement= 1iérarc1ie=interaction=interaction=
ort1o+onalitéort1o+onalité
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 90/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 9090
PPlala
nsns
Les !acteurs peuventLes !acteurs peuvent:tre:tre"roisés"roisés
m&oBtés 3nested4 oum&oBtés 3nested4 ou1iérarc1iues1iérarc1iues
8ixes ou aléatoires8ixes ou aléatoires
tudiés ou contrTléstudiés ou contrTlés
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 91/176
J.S. Pierre Intro plans d'e 91
PPlala
nsnsa4 8acteurs croisésa4 8acteurs croisés
a@ / mod,le additi! a@ / mod,le additi! -ets indépendants-ets indépendants
#2 / mod,le interacti! #2 / mod,le interacti! -ets particulier de c1aue-ets particulier de c1aue
com&inaison de modalitéscom&inaison de modalités
#E / mod,les croisés non#E / mod,les croisés nonort1o+onauxort1o+onaux
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 92/176
J.S. Pierre Intro plans d'e 92
PPlala
nsnsDod,le croisé additi! Dod,le croisé additi!
(eux !acteurs sont dits croisés si on(eux !acteurs sont dits croisés si onpeut classi'er leurs modalités danspeut classi'er leurs modalités dansuneune table à double entréetable à double entrée
Exemple :Exemple : Sexe et altitude dans leSexe et altitude dans le jeu de données anatalanta jeu de données anatalanta
Les moyennes par li+ne et par colonneLes moyennes par li+ne et par colonne
de la ta&le o&tenue ont un sensde la ta&le o&tenue ont un sens
PP criture du mod,lecriture du mod,le
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 93/176
J.S. Pierre Intro plans d'e 9"
PPlala
nsns
criture du mod,lecriture du mod,le3'xe43'xe4
-ets 'xes-ets 'xes
ij i j ij ; m a b eA M M M
Effet « moyen »
Effet du facteur 1
Effet du facteur 2
Aléatoireerreur
résidu
PP criture du mod,lecriture du mod,le
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 94/176
J.S. Pierre Intro plans d'e 94
PPlala
nsns
criture du mod,lecriture du mod,le3aléatoire43aléatoire4
-ets aléatoires-ets aléatoires
ij i j ij ; 6 9m eA M M M
Effet « moyen »
Effet du facteur 1(aléatoire)
Effet du facteur 2
(aléatoire)Aléatoireerreur
résidu
PP
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 95/176
J.S. Pierre Intro plans d'e 95
PPlala
nsnsDod,le mixteDod,le mixte
-ets 'xés et aléatoires-ets 'xés et aléatoires
ij i j ij ; 9m a eA M M M
Effet « moyen »
Effet du facteur 1(fixé)
Effet du facteur 2
(aléatoire)Aléatoireerreur
résidu
PPl
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 96/176
J.S. Pierre Intro plans d'e 96
PPlala
nsns%otre responsa&ilité%otre responsa&ilité
(éclarer un !acteur comme 'xe ou aléatoire(éclarer un !acteur comme 'xe ou aléatoireest de votre responsa&ilitéest de votre responsa&ilité 8ixe / c1aue modalité8ixe / c1aue modalité vous intéressevous intéresse
#léatoire / c1aue modalité n’est pour vous#léatoire / c1aue modalité n’est pour vousu’uneu’une unité d’échantillonnageunité d’échantillonnage 3+rappe43+rappe4 xemple / c1oix judicieux pour anatalantaxemple / c1oix judicieux pour anatalanta
Sexe / !acteur 'xéSexe / !acteur 'xé #ltitude / !acteur 'xé#ltitude / !acteur 'xé
Station / !acteurStation / !acteur 8ixé si c1aue station est un o&jet d’étude8ixé si c1aue station est un o&jet d’étude #léatoire si les stations ne représentent ue la#léatoire si les stations ne représentent ue la
varia&ilité du terrainvaria&ilité du terrain
PPll
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 97/176
J.S. Pierre Intro plans d'e 97
PPlala
nsnsxemplexemple
LittoralLittoral
3@43@4
#ltitude#ltitude
324324
DlesDles
3@43@4
< < @@@@@@
< < @@2@@2
x x @@E@@E
< < @2@@2@
< < @22@22
x x @2E@2E
8emelles8emelles
324324
< < 2@@2@@
< < 2@22@2
x x 2@E2@E
< < 22@22@
< < 222222
< < 22E22E
PPll
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 98/176
J.S. Pierre Intro plans d'e 98
PPlala
nsnsxemplexemple
read.ta&le3anatal.txt=1A?4$anatal read.ta&le3anatal.txt=1A?4$anatal
attac13anatal4 attac13anatal4
anatalfsexeb$!actor3sexe4 anatalfsexeb$!actor3sexe4 anatalfstationb$!actor3station4 anatalfstationb$!actor3station4
anatalfaltitudeb$!actor3altitude4 anatalfaltitudeb$!actor3altitude4
summary3anatal4 summary3anatal4 Sexe= station et altitude doiventSexe= station et altitude doivent
apparaBtre comme des !acteursapparaBtre comme des !acteurs
PPll xemple / !acteursxemple / !acteurs
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 99/176
J.S. Pierre Intro plans d'e 99
PPlala
nsns
xemple / !acteursxemple / !acteurscroiséscroisés
> Analysis o ariance !able> Analysis o ariance !able
Response: LoResponse: Lo
f !um !" #ean !" $ value r(>$)f !um !" #ean !" $ value r(>$)
seCe - +/+6- +/+6- */&, ++-6/& 1seCe - +/+6- +/+6- */&, ++-6/& 1
altitude - +*&-* +*&-* -6-*+ /*&e0+ 111altitude - +*&-* +*&-* -6-*+ /*&e0+ 111
Residuals '-& --&/+5 ++'&+Residuals '-& --&/+5 ++'&+
000000
!i2nif codes: + 31114 +++- 3114 ++- 314 ++ 34!i2nif codes: + 31114 +++- 3114 ++- 314 ++ 34+- 3 4 -+- 3 4 -
PPll é
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 100/176
J.S. Pierre Intro plans d'e 100
PPlala
nsnsrt1o+onalitért1o+onalité
(eux !acteurs croisés sont dits(eux !acteurs croisés sont ditsort1o+onaux si leurs nom&res deort1o+onaux si leurs nom&res derépétitions par li+ne= colonne etrépétitions par li+ne= colonne etcase véri'ent la relation suivante /case véri'ent la relation suivante /
. .
..
i jij
n nn
n
A
!équili"re est un cas particulier
PPll "onséuence de"onséuence de
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 101/176
J.S. Pierre Intro plans d'e 101
PPlala
nsns
"onséuence de"onséuence del’ort1o+onalitél’ort1o+onalité
Si deux !acteurs croisés sontSi deux !acteurs croisés sontort1o+onaux= les sommes deort1o+onaux= les sommes decarrés d’écart correspondantscarrés d’écart correspondantssont additi!s et ajustéssont additi!s et ajustés Le type I est a&solument correctLe type I est a&solument correct
pour c1aue !acteurpour c1aue !acteur
Sinon= ils sont partiellementSinon= ils sont partiellementcon!ondus 3con!oundin+4 etcon!ondus 3con!oundin+4 etdoivent :tre analysés en type IIIdoivent :tre analysés en type III
PPllrt1o+onalité etrt1o+onalité et
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 102/176
J.S. Pierre Intro plans d'e 102
PPlala
nsnsplani'cationplani'cation
expérimentaleexpérimentale n utilise couramment des plansn utilise couramment des plans
non ort1o+onaux parnon ort1o+onaux par
constructionconstruction Plans en &locs incomplets éuili&résPlans en &locs incomplets éuili&rés
3CI43CI4 Plans en &locs incompletsPlans en &locs incomplets
partiellement éuili&rés 3CIP4partiellement éuili&rés 3CIP4 Plans !ractionnairesPlans !ractionnaires
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 103/176
PPlala xemple / !acteursxemple / !acteurs
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 104/176
J.S. Pierre Intro plans d'e 104
PPlala
nsns
xemple / !acteursxemple / !acteurscroiséscroisés
anatal.mod@b$lm3LogsexeWalt=dataAanatal4anatal.mod@b$lm3LogsexeWalt=dataAanatal4
anova3anatal.mod@=ss?ypesAE4 anova3anatal.mod@=ss?ypesAE4 Analysis of Variance Table Analysis of Variance Table
Response: LoResponse: Lo
f !um !" #ean !" $ value r(>$)f !um !" #ean !" $ value r(>$)
seCe - +/+6- +/+6- *5'- ++-6-/ 1seCe - +/+6- +/+6- *5'- ++-6-/ 1
altitude - +*&-* +*&-* -6/-5+ /*-'e0+ 111altitude - +*&-* +*&-* -6/-5+ /*-'e0+ 111
seCe:altitude - ++*65 ++*65 -6*/ +-&5+'seCe:altitude - ++*65 ++*65 -6*/ +-&5+'Residuals '-* --*/+ ++'*,Residuals '-* --*/+ ++'*,
PPlala Dod,le additi! etDod,le additi! et
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 105/176
J.S. Pierre Intro plans d'e 105
PPlala
nsns
Dod,le additi! etDod,le additi! etinteracti! interacti!
m#les femelles
Littoral
altitude
m#les femelles
Littoral
altitude
PPlala i i
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 106/176
J.S. Pierre Intro plans d'e 106
PPlala
nsnscriturecriture
Dod,le additi! Dod,le additi!
$odèle interactif
ij7 i j ij7 ; m a b eA M M M
ij7 i j ijij 7 ; m a b . eA M M M"
PPlala d d i i d d i t ti
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 107/176
J.S. Pierre Intro plans d'e 107
PPlala
nsnsrdre des interactionsrdre des interactions
rdre @ / !acteurs deux à deuxrdre @ / !acteurs deux à deux dre 2 / !acteurs trois à troisdre 2 / !acteurs trois à trois
YY etc.etc. 6otations lo+icielles6otations lo+icielles
5 / !@/!2= !@/!2/!E= !@W!2 A5 / !@/!2= !@/!2/!E= !@W!2 A
!@M!2M!@/!2!@M!2M!@/!2 S#S= minita& / !@W!2= !@W!2W!ES#S= minita& / !@W!2= !@W!2W!E
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 108/176
PPlala D d,l 1ié 1iD d,l 1ié 1i
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 109/176
J.S. Pierre Intro plans d'e 109
PPlala
nsnsDod,le 1iérarc1iueDod,le 1iérarc1iue
"omment écrit$on le mod,le "omment écrit$on le mod,le
3 4 j i bij7 i ij7 ; m a eA M M M
Effet du facteur 1
(%iérarc%isant)
Effet du facteur 2(%iérarc%isé)
PPlala xemple / mod,lexemple / mod,le
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 110/176
J.S. Pierre Intro plans d'e 110
PPlala
nsns
xemple / mod,lexemple / mod,le1iérarc1iue aléatoire1iérarc1iue aléatoire
# venir# venir
PPlala # t t ti# t t ti
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 111/176
J.S. Pierre Intro plans d'e 111
PPlala
nsns#utres notations#utres notations
j ib b
j ib
3 4 j ib
PPlala # t l t# t l t
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 112/176
J.S. Pierre Intro plans d'e 112
PPlala
nsns#natalanta#natalanta
αα / sexe/ sexe ββ / altitude/ altitude
( / station( / station #léatoire#léatoire iérarc1isée sous altitudeiérarc1isée sous altitude
3 4 3 4ij7l i j 7 j ij i7 j ij7l ; D = m a b . eA M M M M M M
PPlala #nalyse d’un !acteur#nalyse d’un !acteur
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 113/176
J.S. Pierre Intro plans d'e 11"
PPlala
nsns
#nalyse d un !acteura yse d u ac eu1iérarc1isé1iérarc1isé
> attach(anatal)
> mod.0lm(Lo~seCeDaltitudeDstation %in% altitude)
> anova(mod)
Analysis of Variance Table
Response: Lo
f !um !" #ean !" $ value r(>$)
seCe - +/+6- +/+6- &'/,* +++&-6 11
altitude - +*&-* +*&-* /'*&5 -6'-e0+* 111
altitude:station * /6,-5 +56-, -*,&+ . //e0-* 111
Residuals '-- 66/,+ ++/65
000
!i2nif codes: + 31114 +++- 3114 ++- 314 ++ 34 +- 3 4 -
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 114/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 114114
PPlala
nsns
Les plans !actorielsLes plans !actoriels
PPlala Les plans !actorielsLes plans !actoriels
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 115/176
J.S. Pierre Intro plans d'e 115
PPlala
nsns
Les plans !actorielspcompletscomplets
)n plan !actoriel est dit complet si c1aue)n plan !actoriel est dit complet si c1auemodalité du premier !acteur est associéemodalité du premier !acteur est associéeavec c1aue modalité du second !acteuravec c1aue modalité du second !acteur
dans une unité expérimentaledans une unité expérimentale Hénéralisation / un plan !actoriel àHénéralisation / un plan !actoriel à 77 !acteurs!acteurs
est dit complet si toutes les com&inaisonsest dit complet si toutes les com&inaisonspossi&les des modalités de c1aue !acteurpossi&les des modalités de c1aue !acteurpris 2 à 2= E à E= V à V sont associées dans lepris 2 à 2= E à E= V à V sont associées dans le
m:me nom&re d’unités expérimentalesm:me nom&re d’unités expérimentales (ans le cas contraire= il est dit incomplet(ans le cas contraire= il est dit incomplet
PPlala xemple de planxemple de plan
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 116/176
J.S. Pierre Intro plans d'e 116
PPlala
nsns
e p e de p ap p!actoriel complet!actoriel complet
8acteur @ / E modalités= #=C="8acteur @ / E modalités= #=C=" 8acteur 2 / E modalités= h==8acteur 2 / E modalités= h==
8acteur E / 2 modalités a=&8acteur E / 2 modalités a=&
#ha#ha #a#a #a#a
ChaCha CaCa CaCa
"ha"ha "a"a "a"a
#h&#h& #&#& #&#&
Ch&Ch& C&C& C&C&
"h&"h& "&"& "&"&
PPlala " té i ti"aractéristiues
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 117/176
J.S. Pierre Intro plans d'e 117
PPlala
nsns"aractéristiues"aractéristiues
rt1o+onalrt1o+onal "omporte au minimum"omporte au minimum p+r p+r unités expérimentalesunités expérimentales
3p==r= respectivement nom&re de modalités des3p==r= respectivement nom&re de modalités des!acteurs @=2=E4. (ans le cas +énéral= produit du!acteurs @=2=E4. (ans le cas +énéral= produit du
nom&re de modalités de c1aue !acteurnom&re de modalités de c1aue !acteur )n plan ui comporte le minimum d’unités)n plan ui comporte le minimum d’unités
nécessaires est ditnécessaires est dit minimalminimal. S’il en comporte plus=. S’il en comporte plus=il est ditil est dit répétérépété . (ans ce cas il doit comporter 2. (ans ce cas il doit comporter 2!ois= E !ois= etcY ce nom&re minimal d’)!ois= E !ois= etcY ce nom&re minimal d’)
mm étant le nom&re de !acteurs= on peut atteindreétant le nom&re de !acteurs= on peut atteindreau plus les interactions d’ordreau plus les interactions d’ordre m(m( sur un plansur un planminimalminimal
PPlala lxemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 118/176
J.S. Pierre Intro plans d'e 118
PPlala
nsnsxemplexemple
Le plan de la diapositive @@XLe plan de la diapositive @@X Le plan minimal a E x E x 2 A@ unitésLe plan minimal a E x E x 2 A@ unités
expérimentalesexpérimentales
Il permet d’atteindre les interactionsIl permet d’atteindre les interactionsd’ordre @= mais pas l’interaction d’ordred’ordre @= mais pas l’interaction d’ordre22
Les plans répétés contiennentLes plans répétés contiennent
EX=Q>=k2Y )EX=Q>=k2Y ) Les plans !actoriels complets sont lourdsLes plans !actoriels complets sont lourds
et c1erset c1ers
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 119/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 119119
PPlala
nsns
"as particulier /"as particulier /
Les plans en &locsLes plans en &locs
PPlala Plans en &locsPlans en &locs
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 120/176
J.S. Pierre Intro plans d'e 120
PPlala
nsnsPlans en &locsPlans en &locs
)n des !acteurs est souvent un)n des !acteurs est souvent un!acteur dit &loc ;!acteur dit &loc ;
6on étudié et non intéressant ;= il6on étudié et non intéressant ;= ilsert souvent à contrTlersert souvent à contrTlerl’1étéro+énéité du matériell’1étéro+énéité du matérielexpérimentalexpérimental
Pour un petit nom&re d’unitésPour un petit nom&re d’unitésexpérimentales= on ne !ait pasexpérimentales= on ne !ait pascon'ance à la randomisationcon'ance à la randomisation
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 121/176
PPlala #utre exemple#utre exemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 122/176
J.S. Pierre Intro plans d'e 122
PPlala
nsns#utre exemple#utre exemple
@2 porcs@2 porcs ?r,s ?r,s
1étéro+,nes1étéro+,nes > traitements> traitements
#=C="=(#=C="=(
E &locsE &locs
PPlala# (
Le plan /Le plan /
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 123/176
J.S. Pierre Intro plans d'e 12"
a
nsns# (
" C
#(
" C
C # ( "
PPlala #nalyse#nalyse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 124/176
J.S. Pierre Intro plans d'e 124
nsns#nalyse#nalyse
Plans !actoriels et plans en &locsPlans !actoriels et plans en &locs #nalyse de variance ort1o+onale#nalyse de variance ort1o+onale
Ju+ement des interactions 3si Ju+ement des interactions 3sipossi&les4possi&les4
Ju+ement de l’e-et &loc Ju+ement de l’e-et &loc
3si+ni'cati! de pré!érence43si+ni'cati! de pré!érence4 Ju+ement de l’e-et traitement Ju+ement de l’e-et traitement
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 125/176
PPlala
> m-.0lm(-/~bloc1var1ter7data9colEa)
> anova(m-)
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 126/176
J.S. Pierre Intro plans d'e 126
nsns Analysis of Variance Table
Response: -/
f !um !" #ean !" $ value r(>$)
bloc -- '+5* /&&+ '- 65',e0+ 111
var ' ',,+ -''-& -&+,'* -*6e0-+ 111
ter / &&/+ '6*+ 5,5 +++&5*' 11
bloc:var '' 55/+& -'5+ -&-,* +++,+,* 11
bloc:ter // /+,*6 ,' -//'5 +///,/
var:ter * 6-6* -'*5 -&-5 +-+&*,*
bloc:var:ter *5 5,+'- &** +,6'5 +-*5/+
Residuals 5/* ''-6&- &&,
000
!i2nif codes: + 41114 +++- 4114 ++- 414 ++ 44 +- 4 4 -
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 127/176
J.S. Pierre Intro plans d'e 127
nsns> m/.0lm(-/~blocDvarDterDbloc:var7data9colEa)
> anova(m/)
Analysis of Variance Table
Response: -/
f !um !" #ean !" $ value r(>$)
bloc -- '+5* /&&+ '5,6* ,&-e0+ 111
var ' ',,+ -''-& -*6//+ -,/6e0-+ 111
ter / &&/+ '6*+ 56&6 +++&,6' 11
bloc:var '' 55/+& -'5+ -*,// ++-+5/5 1
Residuals -6 5-++& &,/
000
!i2nif codes: + 41114 +++- 4114 ++- 414 ++ 44 +- 4 4 -
PPlala #nalyse de l’interaction#nalyse de l’interaction
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 128/176
J.S. Pierre Intro plans d'e 128
nsns
y&loc$variété&loc$variété
5 0
6 0
7 0
8 0
9 0
1 0 0
col,a$-ar
! e a n o % c o l , a $ 1 2
/ & P
col,a$loc
loc2loc1loc11
loc7loc9loc4loc8
loc12loc10loc6
loc5
loc"
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 129/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience
129129
nsns
Plans !actorielsPlans !actorielsincompletsincomplets
Pallier l’insusance desPallier l’insusance des+rands &locs+rands &locs
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 130/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience
130130
nsns
Clocs incompletsClocs incompletséuili&réséuili&rés
)ne premi,re solution)ne premi,re solution
PPlala Premier exemplePremier exemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 131/176
J.S. Pierre Intro plans d'e 1"1
nsnsPremier exemplePremier exemple
## "" (( CC
CC ## "" ((
"" (( CC ##
(( ## CC ""
CC (( "" ##
& AQt AQ
r A>λ AE
PPlala "in constantes"in constantes
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 132/176
J.S. Pierre Intro plans d'e 1"2
nsns"in constantes"in constantes
& / nom&re de &locs& / nom&re de &locs t / nom&re de traitementst / nom&re de traitements
V / nom&re de traitements par &locV / nom&re de traitements par &loc r / nom&re de répétitions d’unr / nom&re de répétitions d’un
traitementtraitement λ :λ : nom&re de répétition d’unnom&re de répétition d’un
contrastecontraste ( )( ) ( )
2 !2 ! !t
k t k λ −= − −
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 133/176
PPlala Sens de l’ecacitéSens de l’ecacité
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 134/176
J.S. Pierre Intro plans d'e 1"4
nsnsSens de l ecacitéSens de l ecacité
?1éor,me / ?1éor,me / 'armi tous les plans connectés'armi tous les plans connectésde param1tres v,b,7, un 9>?, sil existede param1tres v,b,7, un 9>?, sil existemaximise le@cacité minimummaximise le@cacité minimum
n n’en donnera pas la démonstrationn n’en donnera pas la démonstration
Variance d'un contraste élémentaire dans le BIE
Variance du même contraste dans le BE corres!ondant E =
PPlala "onstruction des CI"onstruction des CI
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 135/176
J.S. Pierre Intro plans d'e 1"5
nsns"onstruction des CI"onstruction des CI
"arré de ouden"arré de ouden Plans irréducti&lesPlans irréducti&les
Plans complémentairesPlans complémentaires "atalo+ues de plan 35a+1avarao"atalo+ues de plan 35a+1avarao
@9k@= "oc1ran @9XE4@9k@= "oc1ran @9XE4
Lo+iciels / #l+(esi+n 3PacVa+e deLo+iciels / #l+(esi+n 3PacVa+e de5454
PPlala xemplexemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 136/176
J.S. Pierre Intro plans d'e 1"6
nsnsxemplexemple
"onstruction d’un plan optimal pour les ?P"onstruction d’un plan optimal pour les ?P n a @0 variétés d’n a @0 variétés d’ 6rabidopsis thaliana 6rabidopsis thaliana= on sou1aite= on sou1aite
en mettre Q par &oBte de cultureen mettre Q par &oBte de culture n utilise la !onction optCloc de #l+(esi+n sous 5n utilise la !onction optCloc de #l+(esi+n sous 5
CICb$
optClocV3g.=Kit1in(ataA!actor3@/@04=&locVsi<esArep3Q=@044 data.!rame3CICfClocVs4
h@ h@.@ [email protected] [email protected] h@.> [email protected] [email protected] [email protected] h@. [email protected]
@ @ @ 2 @ 2 @ E @ 2 E
2 2 E E > > > > 2 X Q
E E Q > Q Q X X k k
Q Q X 9 9 X k k k
@0 @0 @0 9 @0 9 @0 9
PPlala Guel plan o&tenonsGuel plan o&tenons
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 137/176
J.S. Pierre Intro plans d'e 1"7
nsns nousnous "e n’est pas un CI $ un CI avec ces"e n’est pas un CI $ un CI avec ces
caractéristiues est impossi&lecaractéristiues est impossi&le "’est un CIP à deux classes d’association"’est un CIP à deux classes d’association
crossprod3ta&le3CICfroKs=c3rep3@/@0=rep3Q=@044444
@ 2 E > Q X k 9 @0 @ Q E 2 2 2 2 2 2 2 E
2 E Q 2 E 2 2 2 2 2 2
E 2 2 Q 2 E 2 E 2 2 2
> 2 E 2 Q 2 2 2 2 E 2
Q 2 2 E 2 Q 2 2 E 2 2 X 2 2 2 2 2 Q 2 E 2 E
k 2 2 E 2 2 2 Q 2 E 2
2 2 2 2 E E 2 Q 2 2
9 2 2 2 E 2 2 E 2 Q 2
@0 E 2 2 2 2 E 2 2 2 Q
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 138/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 138138
nsns
Les Plans en ClocsLes Plans en Clocsincompletsincompletspartiellementpartiellement
éuili&réséuili&résCIPCIP
PPlala #ssouplissement des#ssouplissement des
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 139/176
J.S. Pierre Intro plans d'e 1"9
nsns CICI Cut / diminuer encore la taille desCut / diminuer encore la taille des
&locs&locs
#ccepter de sacri'er ; certains#ccepter de sacri'er ; certainscontrastescontrastes λλ n’est plus uni!ormen’est plus uni!orme
Il y a desIl y a des classes dassociationclasses dassociation avec une série de constantesavec une série de constantes λλ==λλ@=@=λλ2=2=λλEYEY
PPlala xemples dexemples de
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 140/176
J.S. Pierre Intro plans d'e 140
nsns constructionconstruction
c
a
&
d
e
+ 1
!
aa &&&& cccc dddd aa
&& eecc ! ! dd 11aa ++
ee ! ! ! ! 1111 ++++ ee
PPlala "aractéristiues"aractéristiues
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 141/176
J.S. Pierre Intro plans d'e 141
nsns"aractéristiues"aractéristiues
& A @2& A @2 t A t A V A 2V A 2 λλ@@ A @ 3ar:tes4A @ 3ar:tes4 λλ22 A 0 3dia+onales4A 0 3dia+onales4
aa &&&& cccc dddd aa
&& eecc ! ! dd 11aa ++
ee ! ! ! ! 1111 ++++ ee
PPlala #nalyse#nalyse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 142/176
J.S. Pierre Intro plans d'e 142
nsns#nalyse#nalyse
CI et CIPCI et CIP #nalyse de variance non ort1o+onale#nalyse de variance non ort1o+onale
CICI "omparaison des moyennes ajustées ;"omparaison des moyennes ajustées ;
CIPCIP "omparaison des moyennes ajustées ;"omparaison des moyennes ajustées ;
Par classe d’associationPar classe d’association Par couples de classes d’associationPar couples de classes d’association
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 143/176
PPlala Pro&l,mePro&l,me
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 144/176
J.S. Pierre Intro plans d'e 144
nsns
@Q
20
2Q
E0
EQ
Pro&l,mePro&l,me
#vanta+es / &locs tr,s#vanta+es / &locs tr,s1omo+,nes1omo+,nes
Inconvénients / e-etsInconvénients / e-ets&iaisés= con!usion&iaisés= con!usion
partielle des e-etspartielle des e-ets&locs et traitements&locs et traitements
Par exemplePar exemple a est vu dans lesa est vu dans les
meilleurs &locsmeilleurs &locs e dans des &locse dans des &locs
médiocresmédiocres
aa &&&& cccc dddd aa&& ee
cc ! ! dd 11aa ++ee ! !
! ! 1111 ++++ ee
PPlala SolutionSolution
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 145/176
J.S. Pierre Intro plans d'e 145
nsnsSolutionSolution
stimation des e-ets par les moindresstimation des e-ets par les moindrescarrés non ort1o+onauxcarrés non ort1o+onaux
n estime d’a&ord l’e-et &loc 3nonn estime d’a&ord l’e-et &loc 3non
ajusté4ajusté4 n estime l’e-et des traitements surn estime l’e-et des traitements sur
les résidus du mod,le précédentles résidus du mod,le précédent
Les e-ets et somme de carrés associésLes e-ets et somme de carrés associésaux traitements sont dits ajustésaux traitements sont dits ajustés
PPlalaxemplexemple
> anova(lm(rdt~blocDvar7data9bie))
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 146/176
J.S. Pierre Intro plans d'e 146
nsns Analysis of Variance Table
Response: rdt
f !um !" #ean !" $ value r(>$)
bloc 5 6*-,5 /-5, -*/+6, -+&+e0+, 111
var 5 /5-' *+'5 5'6& 6,,&e0+& 111
Residuals -- -5*/ -'' < $orme correcte pour un FGH
> anova(lm(rdt~varDbloc7data9bie))
Analysis of Variance Table
Response: rdt
f !um !" #ean !" $ value r(>$)
var 5 -&''& 5''5 '/*+/ 56/5e0+* 111
bloc 5 ,/,,' /'/56 -&56&5 &-++e0-+ 111
Residuals -- -5*/ -'' < !i lIon veut sIassurer du statut des blocs
PPlala
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 147/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 147147
nsns
Plans à plusieursPlans à plusieurssyst,mes de &locssyst,mes de &locs
"arrés latins et"arrés latins et+récolatins=+récolatins=
Split$plot et criss$crossSplit$plot et criss$cross
"on!oundin+"on!oundin+3con!usion43con!usion4
PPlala Le carré latinLe carré latin
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 148/176
J.S. Pierre Intro plans d'e 148
nsnsLe carré latinLe carré latin
(( CC ## ""
## "" (( CC
(( "" ## CC
CC ## "" ((
"" CC (( ##
PPlala #nalyse#nalyse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 149/176
J.S. Pierre Intro plans d'e 149
nsns#nalyse#nalyse
?rois !acteurs / ?rois !acteurs / Clocs 1ori<ontauxClocs 1ori<ontaux Clocs verticauxClocs verticaux
?raitements ?raitements #ucune interaction n’est accessi&le#ucune interaction n’est accessi&le "ontrai+nant"ontrai+nant
Peu puissantPeu puissant
)sa+e / tr,s !orte 1étéro+énéité des)sa+e / tr,s !orte 1étéro+énéité des)= contrTle de deux +radients)= contrTle de deux +radients
PPlala "arré +réco$latin"arré +réco$latin
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 150/176
J.S. Pierre Intro plans d'e 150
nsns"arré +réco latin"arré +réco latin
(( yy CCKK
## << xx "" vv
## << "" vv ((
KK
CC yy xx
KK (( xx "" vv ## << CC yy
CC xx ## << yy "" vv ((
KK"" vv yy CC xx ((
KK## <<
PPlala #nalyse#nalyse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 151/176
J.S. Pierre Intro plans d'e 151
nsns#nalyse#nalyse
Guatre !acteursGuatre !acteurs Clocs 1ori<ontauxClocs 1ori<ontaux Clocs verticauxClocs verticaux ?raitement @ ?raitement @ ?raitement 2 ?raitement 2
Syst,me ort1o+onalSyst,me ort1o+onal #ucune interaction accessi&le#ucune interaction accessi&le ?r,s peu puissant ?r,s peu puissant
PPlala Le split$plotLe split$plot
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 152/176
J.S. Pierre Intro plans d'e 152
nsnsLe split plote sp p o
)ne simpli'cation pratiue des plans !actoriels)ne simpli'cation pratiue des plans !actorielscomplets à deux !acteurs étudiés M les &locscomplets à deux !acteurs étudiés M les &locs
xemple / Sur une +rande &oBte de Petri carrée=xemple / Sur une +rande &oBte de Petri carrée=on peut étudier plusieurs mutants d’on peut étudier plusieurs mutants d’ 6rabidopsis 6rabidopsis
Dais on ne peut !aire u’un seul traitementDais on ne peut !aire u’un seul traitement3témoin= ou sucre= ou sucre M 1er&icide43témoin= ou sucre= ou sucre M 1er&icide4
Le !acteur traitements doit donc :tre randomiséLe !acteur traitements doit donc :tre randomiséplus +rossi,rement ue le !acteur mutantplus +rossi,rement ue le !acteur mutant
Split$plot A parcelle coupéeSplit$plot A parcelle coupée
PPlala "omparaison"omparaison
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 153/176
J.S. Pierre Intro plans d'e 15"
nsns"omparaisonp
##
hh
CC
##
CC
CC
hh
##
CC
##hh
CC
##
CChh
##
CC
CC
##
CC
hh
##
hh
##
CChh
##
CC
##
CC
##hh
CC
CC
hh
CC
##
##hh
##
##
##
##
hh
CC
CC
CChh
##
hh
##
##
CC
CC
CChh
CC
CC
hh
CC
## ##hh ##
Plan !actoriel en &loc Split $ plot
PPlala #nalyse#nalyse
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 154/176
J.S. Pierre Intro plans d'e 154
nsns#nalysey
(eux niveaux(eux niveaux n traite le premier !acteurn traite le premier !acteur
comme un &loc complet encomme un &loc complet en +randes parcelles ; +randes parcelles ; Le !acteur sous$&loc ; ouLe !acteur sous$&loc ; ou
+rande parcelle ; est aléatoire +rande parcelle ; est aléatoire
PPlala Premier niveauPremier niveau
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 155/176
J.S. Pierre Intro plans d'e 155
nsnse e eau
. .i k i k ik y µ α δ η = + + +
ijkl i k ik ijkl j l ij l
y µ α β γ δ η ε = + + + + + +
second niveausecond niveau
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 156/176
PPlala Cut / étudier deCut / étudier de& ! tnom&reux !acteurs
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 157/176
J.S. Pierre Intro plans d'e 157
nsns nom&reux !acteursnom&reux !acteurs
n c1erc1e à trier l’in7uence den c1erc1e à trier l’in7uence denom&reux !acteursnom&reux !acteurs
n s’intéresse peu à la linéaritén s’intéresse peu à la linéaritédes e-etsdes e-ets n c1erc1e les !acteurs les plusn c1erc1e les !acteurs les plus
importants 3!acteurs clés4importants 3!acteurs clés4 n s’intéresse à des interactionsn s’intéresse à des interactions
PPlala
nsnsLa &ase / les plans 2La &ase / les plans 2VV
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 158/176
J.S. Pierre Intro plans d'e 158
nsnspp
xemple / le plan 2xemple / le plan 2EE
?rois !acteurs à deux ?rois !acteurs à deuxmodalitésmodalités #=C#=C x=yx=y
α β
β
)n des !acteurs peut)n des !acteurs peut jouer le rTle de &locs jouer le rTle de &locs
#x#xα
#x#xββ #y#y
α
#y#yβ
CxCxα
CxCxβ
CyCyα
CyCyβ
PPlala
nsns"aractéristiues"aractéristiues
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 159/176
J.S. Pierre Intro plans d'e 159
nsns
Si les modalités sont uantitatives=Si les modalités sont uantitatives=elles doivent :tre aussielles doivent :tre aussicontrastées ue possi&lecontrastées ue possi&le
n atteint les interactions d’ordren atteint les interactions d’ordreV$@V$@
"roissent +éométriuement avec"roissent +éométriuement avec
le nom&re de !acteursle nom&re de !acteurs rt1o+onauxrt1o+onaux
PPlala
nsns
xemplexemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 160/176
J.S. Pierre Intro plans d'e 160
nsns> m-.0lm(rep~$-D$/D$'D$5D$-:$/D$-:$'D$-:$5D$/:$'D$/:$5D$':$57data9C)
> anova(m-)
Analysis of Variance Table
Response: rep
f !um !" #ean !" $ value r(>$)
$- - *++' *++' 56--,-' '*e0+* 111
$/ - 5+*6, 5+*6, '/*-5,+ '--5e0+6 111
$' - +*5 +*5 5+,/-, *,e0+* 111
$5 - ,/+ ,/+ &'&--/ ++++'' 111$-:$/ - +-+ +-+ +&,& +5-/&5'+
$-:$' - -*6 -*6 -'5&66 ++-55/'- 1
$-:$5 - ++- ++- ++5- +6/'''
$/:$' - +++5+'- +++5+'- ++'/' +6*55+&+
$/:$5 - +-* +-* -/65' +'+6+*+
$':$5 - +-' +-' -+/6- +'&-/,*
Residuals +*/ +-/
$$$
Si+ni!. codes/ 0 WWW 0.00@ WW 0.0@ W 0.0Q . 0.@ @
PPlala
nsnsxemple 3suite4xemple 3suite4
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 161/176
J.S. Pierre Intro plans d'e 161
nsnsp 3 4p
> m/.0lm(rep~$-D$/D$'D$5D$-:$'7data9C)
> anova(m/)
Analysis of Variance Table
Response: rep
f !um !" #ean !" $ value r(>$)
$- - *++' *++' 6&+6 '/**e0-+ 111
$/ - 5+*6, 5+*6, ',&,/', /5'6e0-5 111$' - +*5 +*5 5,// &'&e0-+ 111
$5 - ,/+ ,/+ 6,,'' /&,e0+* 111
$-:$' - -*6 -*6 -*55 +++/'+5 11
Residuals -+ -+/ +-+
000
!i2nif codes: + 41114 +++- 4114 ++- 414 ++ 44 +- 4 4 -
> AGJ(m-7m/) df AGJ
m- -/ -&5,'-
m/ & -5+-+'
PPlala
nsns
"onclusions de"onclusions del’exemplel’exemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 162/176
J.S. Pierre Intro plans d'e 162
nsns l exemplel exemple
n 1iérarc1ise les !acteurs ainsi /n 1iérarc1ise les !acteurs ainsi / 8822 8 8@@ 8 8EE 8 8>> 8 8@@/8/8EE
Seuls 8@ et 8E sont interacti!sSeuls 8@ et 8E sont interacti!s
PPlala
nsns
%isualisation des%isualisation desinteractionsinteractions
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 163/176
J.S. Pierre Intro plans d'e 16"
nsns interactionsinteractions
8
1 0
1 2
1 4
x$&1
! e a n o % x $ r e p
x$&"
etaalp*a
PPlala
nsns
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 164/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 164164
nsns
8ractions de plans8ractions de plans
u plans !ractionnairesu plans !ractionnaires
PPlala
nsns8ractions de plan8ractions de plan
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 165/176
J.S. Pierre Intro plans d'e 165
nsnsp
xemple / on sou1aite étudier Exemple / on sou1aite étudier E!acteurs à deux modalités!acteurs à deux modalités
"ela nous conduirait à un plan"ela nous conduirait à un plan!actoriel 2!actoriel 2EE soit à unitéssoit à unitésexpérimentalesexpérimentales
6os ressources se limitent à >6os ressources se limitent à > 6ous allons !aire une !raction de6ous allons !aire une !raction de
planplan
PPlala
nsns"onstruction d’un 2"onstruction d’un 2EER2R2
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 166/176
J.S. Pierre Intro plans d'e 166
nsns
"onsidérons le plan 2"onsidérons le plan 222 avecavecinteractioninteraction
)) 88@@ 8822 II@2@2
@@ M@M@ MM@@
M@M@
22 M@M@ $@$@ $@$@
EE $@$@ MM@@
$@$@
>> $@$@ $@$@ M@M@
)) 88@@ 8822 88EE
@@ M@M@ MM@@
M@M@
22 M@M@ $@$@ $@$@
EE $@$@ MM@@
$@$@
>> $@$@ $@$@ M@M@
)) 88@@ 8822 88EE
@@ ## hh αα
22 ## ββ
EE
CC
hh
ββ>> CC yy αα
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 167/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 168/176
PPlala
nsnsGuand les utiliser Guand les utiliser
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 169/176
J.S. Pierre Intro plans d'e 169
nsns
n utilisera les !ractions de plann utilisera les !ractions de planpour contrTler 3comme avec despour contrTler 3comme avec des&locs4 des !acteurs de variation&locs4 des !acteurs de variationdont l’e-et est déjà &ien connudont l’e-et est déjà &ien connu
Sans répétition= le troisi,meSans répétition= le troisi,me!acteur est con!ondu non!acteur est con!ondu nonseulement avec l’interaction maisseulement avec l’interaction maisaussi avec la résiduelleaussi avec la résiduelle
PPlala
nsns
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 170/176
J.S. Pierre Intro plans d'expérienceJ.S. Pierre Intro plans d'expérience 170170
nsns
Plans compositesPlans compositescentrauxcentraux
"entral composite"entral compositedesi+nsdesi+ns
PPlala
nsnsPrincipePrincipe
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 171/176
J.S. Pierre Intro plans d'e 171
nsns
# un plan !actoriel 2# un plan !actoriel 2VV= on ajoute= on ajouteun point central ;un point central ;éventuellement répété.éventuellement répété.
Les !acteurs doivent :treLes !acteurs doivent :treuantitati!suantitati!s
Prenons un exemplePrenons un exemple
PPlala
nsnsxemplexemple
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 172/176
J.S. Pierre Intro plans d'e 172
nsns
2 !acteurs normés à $@=M@2 !acteurs normés à $@=M@ 2 modalités= #=C et x=y2 modalités= #=C et x=y
AC AC 0-0- 0-0-
Ay Ay 0-0- D-D- FCFC D-D- 0-0-
FyFy D-D- D-D-
++++ ++ ++$@
M@
0
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 173/176
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 174/176
PPlala
nsns
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 175/176
J.S. Pierre Intro plans d'e 175
nsns
1ttp/RR!r.KiVipedia.or+RKiViRPland1ttp/RR!r.KiVipedia.or+RKiViRPland2kexp"E#9rienceq2kexp"E#9rienceq 3plutTt mauvais. %oir de pré!érence3plutTt mauvais. %oir de pré!érence
l’ori+inal an+lais desi+n o!l’ori+inal an+lais desi+n o!experiments ;4experiments ;4
1ttp/RRKKK.educnet.education.!rRrnc11ttp/RRKKK.educnet.education.!rRrnc1imieRmat1R&enic1ouRcoursRplanRplan.1imieRmat1R&enic1ouRcoursRplanRplan.1
tmtm Con cours mais limité aux plans !actorielsCon cours mais limité aux plans !actoriels
et !ractionnaires 3point de vue deet !ractionnaires 3point de vue dec1imiste4c1imiste4
PPlala
nsnsDod,les compliuésDod,les compliués
8/18/2019 Plans Experience
http://slidepdf.com/reader/full/plans-experience 176/176
nsns
"roissance tr,s rapide du nom&re"roissance tr,s rapide du nom&red’interactions avec le nom&re ded’interactions avec le nom&re de!acteurs!acteurs
Plus de trois !acteurs etRou covaria&lesPlus de trois !acteurs etRou covaria&les Le recours à la t1éorie des plansLe recours à la t1éorie des plans
d’expérience devient indispensa&led’expérience devient indispensa&le "on!usions d’e-ets"on!usions d’e-ets
"onstruction de plans !actoriels"onstruction de plans !actoriels