カテゴリー: 実験計画法

  • 【簡単】実験計画法とは何かがすぐわかる【初心者向け】

    【簡単】実験計画法とは何かがすぐわかる【初心者向け】

    「実験計画法が何をやっているのかがわからない」、「実験計画法や分散分析の計算が難しい」など、実験計画法が理解できずにいろいろ困っていませんか?

    こういう疑問に答えます。

    本記事のテーマ

    【簡単】実験計画法とは何かがすぐわかる【初心者向け】

    最初に理解してほしい実験計画法

    • ➀実験計画法はデータを平均と誤差に分離する
    • ②実験計画法は計画の良し悪しを平方和から評価する
    • ③高校数学だけで実験計画法はできる
    [themoneytizer id=”105233-2″]

    【QC検定®1級合格】実験計画法問題集を販売します!

    QC検定®1級合格したい方におススメです。
    QC検定®1級、過去全回分の問題と実験計画法参考書を研究して、作り上げたオリジナル良問30題を1500円で提供します。ぜひご購入、学習して合格しましょう。

    究める!実験計画法 演習問題を販売します!

    実験計画法を究めた方におススメです。
    実験計画法をマスターしたい方に、必須な演習問題集(2500円)を作成しました。しっかり勉強して究めましょう。

    実験計画法を勉強始めたばかりで、よくわからないことが多いですね。
    初心者の方がつまづきやすいポイントを関連記事にまとめています。

    ★実験計画法のまとめトップページ。初心者から究めたい方までどうぞ!

    ★実験計画法のフィッシャーの3原則がなぜ必要なのかがすぐわかるページ

    ★実験計画法はなんで分散分析するのか?、帰無仮説・対立仮説は何かが分かるように解説したページ。

    ★実験計画法のプーリングって何?がわかるページ

    ★実験計画法の交絡がわかるページ

    ●You tubeにも解説しています。ご確認ください。(前編)

    QC模試受験しよう!

    QC模試で、腕試ししましょう!
    QC模試(品質技量の腕試し&QC検定®対策)
    品質技量の実力を試したい! QC検定®合格対策に活用したい! 1,000円で提供します! 公式、暗記で終わらず、自分のものにできているかを試すオリジナル試験問題です!

    品質力が鍛えられる「QC塾」を是非ご利用ください。

    品質のリーダーを育成する「QC塾」
    ブログでは、品質の勉強、実務、QC検定®に役立つ情報をアップして 「わかる」価値を提供していますが、「わかる」を「できる」に変える トレーニング塾「QC塾」を是非ご利用ください。 難解な品質が、すっきりわかり、指導できるレベルまで上達できます!

    ●商標使用について、
    ①QC検定®と品質管理検定®は、一般財団法人日本規格協会の登録商標です。
    ➁このコンテンツは、一般財団法人日本規格協会の承認や推奨、その他の検討を受けたものではありません。
    ➂QCプラネッツは、QC検定®と品質管理検定®の商標使用許可を受けています。

    さっそく見ていきましょう。

    [themoneytizer id=”105233-2″]

    ➀実験計画法はデータを平均と誤差に分離する

    実験計画法のポイント2つだけ

    (A)データを平均と誤差に分離する。
    (B)誤差を要因ごとに分解し、誤差の大きさを比較する。

    実験計画法は上の(A)(B)の2つだけしかやりません。とてもシンプルです。 

    事例をあげます。

    8個のデータがあります。このデータはどれも2水準な3つの要因A,B,Cと誤差Eから成り立っています。
    データ: 17,16,15,14,9,6,3,0
    個々のデータの値の違いはどの要因が影響しているかを考えましょう。

    実験計画法の基本となる考え方を解説します。上の事例は次の2つに分解します。
    (A)データを平均と誤差に分離する。
    (B)誤差を要因ごとに分解し、誤差の大きさを比較する。

    (A)の平均値は、要因と誤差に影響しない全データがもつ共通の値です。平均値からは要因と誤差の影響の強さは求めることはできません。平均値は先に取り出します。

    次に(B)を考えます。
    (B)の要素、誤差の組み合わせをすべて書き出しましょう。
    三元配置実験で効果をプーリングするなどは考えません。まずは、全部の組み合わせを書き出してください。

    ・Aだけ
    ・Bだけ
    ・Cだけ
    ・AとBの組み合わせ
    ・AとCの組み合わせ
    ・BとCの組み合わせ
    ・AとBとCの組み合わせ
    ・Eだけ
    機械的に8通りの分けることができますね。

    実験計画法はまず、平均と誤差に分離すること

    多くの実験計画法の本が、一元配置実験、二元配置実験(繰返し無し&繰返し有り)、多元配置実験、直交表、乱塊法、分割法と進みます。でも個別の手法ごとに理解しても実験計画法が何をやるものかは、理解できません。

    そこで、本記事は手法や因子の数に気にせず、実験計画法はまず、平均と誤差に分離することから始まることを解説します。

    上の事例では、平均と7つの要因と1つの誤差に分けました。これを式に書いてみましょう。

    \(x_{ijk} =μ+α_i+β_j+γ_k\)+\((αβ)_{ij}+(αγ)_{ik}+(βγ)_{jk}\)+\((αβγ)_{ijk}+e_{ijk}\)
    と書けます。これは実験計画法でよく見るデータの構造式ですね。平均をμ,A→α,B→β,C→γ,添え字をそれぞれi,j,k(i,j,k=1,2)と付けました。データの構造式はいったん全パターンを書き出しましょう。

    なお、データの構造式において各項の値の算出方法は、ここを見てください。各項の値とその値から平方和を導出する過程を紹介します。

    \(x_{ijk} =μ+α_i+β_j+γ_k\)+\((αβ)_{ij}+(αγ)_{ik}+(βγ)_{jk}\)+\((αβγ)_{ijk}+e_{ijk}\)
    は平方和を使うと、
    \( S_T=S_A+S_B+S_C\)+\(S_{AB}+S_{AC}+S_{BC}\)+\(S_{ABC}+S_e\)
    が成り立ち、分散分析ができる流れとなります。

    多元配置実験でも平均と誤差全パターンに分解

    上は3要因である三元配置実験を例に取り上げました。では四元配置実験、五元配置実験とどんどん要因が増えたらどうしますか? 慌てずに、データの構造式はいったん全パターンを書き出しましょう。

    四元配置実験なら、平均μ、誤差15種類になります。五元配置実験なら平均μ、誤差は31種類あります。

    ②実験計画法は計画の良し悪しを平方和から評価する

    実験計画法から何が分かるのか?

    計画の良し悪しがわかるだけ
    ●重回帰分析のようなデータ分析手法ではない。

    実験の計画を評価するだけの実験計画法がなぜ、今も学んでいるのでしょうか?
    実験計画法を習得するメリットは何でしょうか?

    実験計画法を習得するメリット

    ●計画の良し悪しがわかれば筋のよい実験・分析ができる
    ●平方和の計算だけで、良い実験が設計できる。
    ●AIのような大型計算機は不要で、最小限のデータで考える。

    大型計算機で力技に解析する方法と、人間が頭で考えて分析する方法があり、
    実験計画法は後者を手助けする手法です。

    ③高校数学だけで実験計画法はできる

    実験計画法は誰でも使えます!

    ●高校数学でほぼできる
    ●多項式、二項定理、数列の展開と高2レベルの数学で十分
    ●難しい数学はF分布の関数だけ。これは数学者に任せたらいい

    大学入試に出てもよい内容です。大学以上のカリキュラムになっているから、実験計画法は難しいと思われます。高校数学の微積分の方が難しいです。

    実験計画法マスターに必要な数学3問

    3問紹介しますが、今は解けなくてもOKです。
    必要な高校数学がどれかを眺めるだけで十分です。
    関連記事をたくさん眺めると、徐々にこう解けばできる!
    感触が体感できます。
    問1 次の式を証明せよ。
    abc-1=(a-1)+(b-1)+(c-1)+(ab-1)+(ac-1)+(bc-1)+(a-1)(b-1)(c-1)

    関連記事に導出方法を詳細に解説しています。

    問2 三元配置実験において取り出せる誤差の種類は8種類である。一般にn元配置実験において、取り出せる誤差の種類は\(2^n-1\)になる。この理由を説明せよ。

    関連記事に導出方法を詳細に解説しています。

    問3 一元配置実験のデータの構造式を定義する。
    \( (x_{ij}-\bar{\bar{x}})\)=\((\bar{x_{i・}}-\bar{\bar{x}})\)+\((x_{ij}-\bar{x_{i・}})\)
    このとき、
    \(\sum^{a}_{i=1}\sum^{b}_{j=1}(\bar{x_{i・}}-\bar{\bar{x}})\)\((x_{ij}-\bar{x_{i・}})\)=0を示せ。

    関連記事に導出方法を詳細に解説しています。

    問1は多項式の展開、問2は二項定理、問3は数列です。

    問1は自由度の計算、問2は直交表の配列数、問3は分散分析の期待値導出に必要な高校数学です。

    詳細な解説は解説集で確認ください。

    【まとめ9】実験計画法を究める演習問題集を販売します
    実験計画法をマスターしたい方に、必須な演習問題集を作成しました。是非本記事を読んで、勉強しましょう。

    ●You tubeにも解説しています。ご確認ください。(後編)

    まとめ

    実験計画法の入り口をわかりやすく解説しました。本記事で実験計画法の概要を理解して、それぞれの手法を学んで行きましょう。

    • ➀実験計画法はデータを平均と誤差に分離する
    • ②実験計画法は計画の良し悪しを平方和から評価する
    • ③高校数学だけで実験計画法はできる
    実験計画法を勉強始めたばかりで、よくわからないことが多いですね。
    初心者の方がつまづきやすいポイントを関連記事にまとめています。

    ★実験計画法のまとめトップページ。初心者から究めたい方までどうぞ!

    ★実験計画法のフィッシャーの3原則がなぜ必要なのかがすぐわかるページ

    ★実験計画法はなんで分散分析するのか?、帰無仮説・対立仮説は何かが分かるように解説したページ。

    ★実験計画法のプーリングって何?がわかるページ

    ★実験計画法の交絡がわかるページ

  • なぜ、実験計画法は分散で検定するのかが5分でわかる【初心者向け】

    なぜ、実験計画法は分散で検定するのかが5分でわかる【初心者向け】

    「なぜ分散分析表を作ってF検定するのがわからない」、「F検定する時の「帰無仮説」と「対立仮説」は何か?がわからない」など困っていませんか?

    こういう疑問に答えます。

    本記事のテーマ

    なぜ、実験計画法は分散で検定するのかが5分でわかる

    分散分析とF検定を理解するポイント

    • ➀分散で検定する理由を理解する
    • ②帰無仮説と対立仮説を理解する
    • ③F検定のメリット・デメリットを知る
    [themoneytizer id=”105233-2″]

    【QC検定®1級合格】実験計画法問題集を販売します!

    QC検定®1級合格したい方におススメです。
    QC検定®1級、過去全回分の問題と実験計画法参考書を研究して、作り上げたオリジナル良問30題を1500円で提供します。ぜひご購入、学習して合格しましょう。

    究める!実験計画法 演習問題を販売します!

    実験計画法を究めた方におススメです。
    実験計画法をマスターしたい方に、必須な演習問題集(2500円)を作成しました。しっかり勉強して究めましょう。

    分散分析、F検定、検定する帰無仮説・対立仮説は何か?
    を疑問に思えるあなたは、センスがいいです。
    よくわからないけど計算方法や公式を暗記しながら、
    徐々に実験計画法の中身をマスターしていきましょう。

    この記事を読むあなたは、いくつか実験計画法の考え方がすぐに理解できず苦労していると思います。
    いくつか関連記事を紹介しますので、関連記事も読んでみてください。

    ★実験計画法のまとめトップページ。初心者から究めたい方までどうぞ!

    ★実験計画法から何が求まるのか?を解説したページ

    ★実験計画法はなんで分散分析するのか?、帰無仮説・対立仮説は何かが分かるように解説したページ。

    ★実験計画法のフィッシャー3原則がなぜ必要か?がすぐわかるページ。

    ★実験計画法のプーリングって何?がわかるページ

    ★実験計画法の交絡がわかるページ

    さっそく見ていきましょう。

    ➀分散で検定する理由を理解する

    最初に学ぶ検定は「平均差の検定」ですよね。本来は平均差の検定を使うべきです。
    でも、実験計画法では平均差の検定では不十分なため分散を使います。

    要因効果は母平均の差で検定

    例として、一元配置実験(水準数3)の因子Aを考えます。

    水準 データ
    A1 12 13 15 16
    A2 21 22 19 24
    A3 26 25 27 28

    データの取り方についてはをご覧下さい。

    因子Aの効果があるかを調べるとき、3つの仮説を立てて、母平均差を検定します。

    ・A1とA2の違いを調べる 帰無仮説:A1=A2、対立仮説:A1≠A2
    ・A1とA3の違いを調べる 帰無仮説:A1=A2、対立仮説:A1≠A2
    ・A2とA3の違いを調べる 帰無仮説:A1=A2、対立仮説:A1≠A2

    検定回数の増加が検出力の低下につながる

    上の場合では、3回検定が必要です。検定回数が増えると検定精度(検定力)が低下します。検定はある確率α(第1種の誤り)で誤判断します。αはよく5%としますね。

    検定回数がn回の場合は、検定結果が正しい確率は (1-α)^n (^は乗とします)です。
    検定回数が3回の場合は、(1-0.05)^3=84%となり、16%も誤判断します。

    調べたい水準数が多いと正しい判定でできなくなります。

    1回の検定で済ませるF検定(分散を使う理由)

    母平均差の検定では、
    A1-A2=0かつ、A2-A3=0かつ、A3-A1=0
    の3つの式を1つずつ3回検定します。検定回数が増えると検定力が低下します。

    ではどうするか?

    上の3つの式を1つの式で表現できれば、1回の検定で済むのです。

    なるほど!

    では、どうやって変形しますか? 高校数学の問題です。

    答えは、2乗和にすればよいのです。
    (A1-A2)^2+(A2-A3)^2+(A3-A1)^2=0
    を検定すればよいのです。

    2乗は必ず0以上になります。各2乗和の総和が0ならば、各2乗和はすべて0になりますね。
    つまり、
    (A1-A2)^2+(A2-A3)^2+(A3-A1)^2=0ならば、
    A1-A2=0かつ、A2-A3=0かつ、A3-A1=0
    です。

    また、2乗和の式をよくみると分散を求める式と同じです。
    データと平均の差を2乗して足す項が分散にもあります。

    これが、分散を検定に使う理由なのです。

    ②帰無仮説と対立仮説を理解する

    主効果、交互作用や反復の分散がそれぞれ0かどうかを調べればOKです。

    1.主効果
    帰無仮説: σA^2=0
    対立仮説: σA^2≠0

    2.交互作用
    帰無仮説: σA×B^2=0
    対立仮説: σA×B^2≠0

    3.反復
    帰無仮説: σR^2=0
    対立仮説: σR^2≠0
    などです。

    実験計画法の分散分析において、検定の帰無仮説と対立仮説は分散が0かどうかですが、なぜ分散で検定するのかを理解することが重要です。

    ③F検定のメリット・デメリットを知る

    F検定のメリット

    検定力が維持できる。
    1回の検定で済む。

    F検定のデメリット

    因子の有意性がわかるが、どの水準間で違いがあるのかはわからない。
    でも大した問題ではない。

    (A1-A2)^2+(A2-A3)^2+(A3-A1)^2=0 という式を書きましたね。
    右辺が0出ない場合は、左辺の()のどれかが0でないことがわかります。
    でも、どの()が0でないかはわかりません

    では、問題なのか?というと大した問題ではありません

    実験計画法では、主効果、交互作用などの因子において有意性を調べますが、
    各因子内の水準までは検定しません
    。なので、気にしなくてよいのです。

    メリットの効果が高く、デメリットの影響が無いため、
    分散分析とF検定をしているのです。

    まとめ

    • ➀分散で検定する理由を理解する
    • ②帰無仮説と対立仮説を理解する
    • ③F検定のメリット・デメリットを知る

    この記事を読むあなたは、いくつか実験計画法の考え方がすぐに理解できず苦労していると思います。
    いくつか関連記事を紹介しますので、関連記事も読んでみてください。

    ★実験計画法のまとめトップページ。初心者から究めたい方までどうぞ!

    ★実験計画法から何が求まるのか?を解説したページ

    ★実験計画法はなんで分散分析するのか?、帰無仮説・対立仮説は何かが分かるように解説したページ。

    ★実験計画法のフィッシャー3原則がなぜ必要か?がすぐわかるページ。

    ★実験計画法のプーリングって何?がわかるページ

    ★実験計画法の交絡がわかるページ

  • 【簡単】実験計画法のフィッシャー3原則がすぐわかる方法

    【簡単】実験計画法のフィッシャー3原則がすぐわかる方法

    「実験計画法のフィッシャーの3原則の意味がわからない」、「フィッシャーの3原則がなぜ必要なのかがわからない」と困っていませんか?

    こういう疑問に答えます。

    本記事のテーマ

    【初心者向け】フィッシャー3原則が説明できる【5分でマスターできる!】

    フィッシャーの3原則

    • ➀反復:効果と残差を分ける
    • ②無作為化:適正な残差平方和を求める
    • ③局所管理:適正な効果平方和を求める
    [themoneytizer id=”105233-2″]

    【QC検定®1級合格】実験計画法問題集を販売します!

    QC検定®1級合格したい方におススメです。
    QC検定®1級、過去全回分の問題と実験計画法参考書を研究して、作り上げたオリジナル良問30題を1500円で提供します。ぜひご購入、学習して合格しましょう。

    究める!実験計画法 演習問題を販売します!

    実験計画法を究めた方におススメです。
    実験計画法をマスターしたい方に、必須な演習問題集(2500円)を作成しました。しっかり勉強して究めましょう。

    実験計画法を勉強始めたばかりで、よくわからないことが多いですね。
    初心者の方がつまづきやすいポイントを関連記事にまとめています。

    ★実験計画法のまとめトップページ。初心者から究めたい方までどうぞ!

    ★実験計画法から何が求まるのか?を解説したページ

    ★実験計画法はなんで分散分析するのか?、帰無仮説・対立仮説は何かが分かるように解説したページ。

    ★実験計画法のプーリングって何?がわかるページ

    ★実験計画法の交絡がわかるページ

    フィッシャーの3原則についての記事に加えて、上の関連記事も一通り読んでおきましょう。理解が一気に深まります。

    フィッシャーの3原則は、「その原則が無いと何が困るのか?」を理解すれば
    簡単に理解できます。

    さっそく見ていきましょう。

    ➀反復:効果と残差を分ける

    例題

    反復が面倒なBさんは、反復無しの一元配置実験を実施しました。
    実験データは次のようになりました。因子Aの有意性が判断できるでしょうか?

    水準データ

    A1 12
    A2 15
    A3 19

    評価

    分散分析すると、残差eの自由度と平方和がともに0になります。
    因子Aの効果と残差eが分離できないことを意味します。
    実験からデータの変化は因子Aによるのか、誤差によるのかがわからないのです。

    平方和S 自由度φ
    A 24.67 2
    e 0 0
    T 24.67 24.67

    実験から因子効果と残差効果を分離させるためには、反復が必要です。

    再実験

    Bさんに反復して再実験してもらいましょう。

    水準 データ
    A1 12, 14, 16
    A2 15, 18, 21
    A3 19, 20, 21

    分散分析結果を見ると、因子効果と残差効果が分離できているのがわかります。

    平方和S 自由度φ
    A 56 2
    e 28 6
    T 84 8

    You Tubeにも解説していますので、ご覧ください。

    ②無作為化:適正な残差平方和を求める

    「無作為化」はより「ランダム」と言った方がわかりやすいですね。
    無作為化しないとどんな不都合が出るか見てみましょう。

    例題

    同じくBさんに別の実験をしてもらうと、次の結果が出ました。データを評価しましょう。
    水準 データ
    A1 39, 43, 44
    A2 46, 53, 63
    A3 69, 72, 75

    一見、問題が無さそうなデータですね。

    評価

    分散分析すると、F値が23.1と非常に高いことがわかります。特に、残差平方和Se=178は因子Aの平方和SA=1368と比べて非常に小さいです。
    つまり、実験データが良くありません。

    S φ V F
    A 1368 2 684 23.1
    e 178 6 29.67
    T 1546 8

    (S:平方和、φ:自由度、V:不偏分散(平均平方)、F:F値)

    Bさんに聞くと、次のように話してくれました。

    「実験準備が面倒なので、同じ水準でまとめて複数回実験を繰り返した後、他の水準に移って、その水準内で複数回実験を繰り返しました。似たようなデータ値になったので安心して実験しました。」

    同じ条件で実験を繰り返すと、心理的に似たようなデータ値になって安心したと思われますが、
    これでは適正な残差eを取り出せていません。 良い実験データとは言えません。

    無作為化しない場合、残差平方和が過小評価され、F値が高くなり、有意と結論づけやすくなります

    再実験

    Bさんに無作為化して再実験してもらいましょう。

    水準 データ
    A1 35, 45, 55
    A2 44, 53, 74
    A3 67, 75, 83

    Bさんは再実験で誤差が増えても大丈夫か?と心配してました。
    分散分析の結果を見てみましょう。

    S φ V F
    A 1368 2 684 5.11
    e 802 6 133.67
    T 2170 8

    (S:平方和、φ:自由度、V:不偏分散(平均平方)、F:F値)

    再実験の分散分析の結果、F値が5.11になり、有効な結果であると言えます。
    残差平方和Seが適正な値になりました。

    You Tubeにも解説していますので、ご覧ください。

    ③局所管理:適正な効果平方和を求める

    局所管理はなじみが無い用語です。簡単に言うと「似たもの同士そろえる」ことです。
    似た者同士そろえないとどんな不都合があるか見てみましょう。

    例題

    ある学習塾では「受講科目数が多いと学力向上効果が高い」ことを広告でアピールしており、4科目受講すると成績向上効果は抜群!らしいです。データが広告に載っていました。さて、本当に正しいのでしょうか?
    受講科目数A 生徒の偏差値
    2科目 38, 42, 46
    3科目 44, 46, 48
    4科目 69, 72, 75

    評価

    分散分析すると、F値が82.3と非常に高いことがわかります。特に、因子Aの平方和SA=1592は残差平方和Se=58と比べて非常に大きいです。

    これもデータが良くないことがわかります。このデータのどこが問題なのかがわかりますか?

    S φ V F
    A 1592 2 796 82.3
    e 58 6 9.67
    T 1650 8

    (S:平方和、φ:自由度、V:不偏分散(平均平方)、F:F値)

    問題なのは、4科目受講の生徒の偏差値が高すぎることです。
    4科目受講の生徒は、そもそも優秀で、塾の学習効果に関係なく成績が良い可能性があります。

    つまり、因子に関係のない別の要因の効果の方が大きいことが問題なのです。

    科目数に関係なく、塾通う前の成績が同じくらいの生徒で比較することが重要です。

    これが、局所管理のエッセンスです。つまり、「似た者同士」で比較しないと、他の効果によって「有意性がある」と誤判断します。

    再実験

    学習塾に、似たような学力の生徒で再度比較してもらい、次の結果が出ました。

    受講科目数A 生徒の偏差値
    2科目 38, 42, 46
    3科目 44, 46, 48
    4科目 45, 49, 50

    分散分析の結果、F検定 F=3.11 < 5.14=F(2,6,0.05)となり、有意性はありませんでした。
    つまり、「学習塾の効果は無い」という結果がわかりました。

    S φ V F
    A 56 2 28 3.11
    e 54 6 9
    T 110 8

    (S:平方和、φ:自由度、V:不偏分散(平均平方)、F:F値)

    事例からわかるように、「似た者同士」で比較しないと、他の効果によって「有意性がある」と誤判断する可能性があります。

    You Tubeでも、解説していますので、ご覧ください。

    以上、フィッシャーの3原則について解説しました。

    まとめ

    フィッシャーの3原則がなぜ必要かを説明しました。

    フィッシャーの3原則

    • ➀反復:効果と残差を分ける
    • ②無作為化:適正な残差平方和を求める
    • ③局所管理:適正な効果平方和を求める
    実験計画法を勉強始めたばかりで、よくわからないことが多いですね。
    初心者の方がつまづきやすいポイントを関連記事にまとめています。

    ★実験計画法のまとめトップページ。初心者から究めたい方までどうぞ!

    ★実験計画法から何が求まるのか?を解説したページ

    ★実験計画法はなんで分散分析するのか?、帰無仮説・対立仮説は何かが分かるように解説したページ。

    ★実験計画法のプーリングって何?がわかるページ

    ★実験計画法の交絡がわかるページ

error: Content is protected !!