Merci @J_Asscher et @Phil_Kay pour cette session, et à tous les utilisateurs qui ont participé !
Vidéo:
Résultats des questions du sondage :
La discussion s'est poursuivie via le chat :
Question : Acceptez-vous toujours le nombre par défaut de parcelles entières ? L’augmenteriez-vous un jour ?
A1 : Très utile certes, mais parfois un peu plus problématique pour la modélisation
A2 : Vous devrez peut-être augmenter le nombre de parcelles entières si vous souhaitez plus de puissance et plus de précision dans les estimations de vos effets principaux pour des facteurs difficiles à modifier.
Q : Quelle est l'implication de l'exécution d'une conception standard en regroupant les expériences ? est-ce toujours acceptable ?
A1 : Vous pouvez avoir des variables cachées qui influencent vos réponses, comme le temps, la température, l'opérateur, etc... et l'erreur n'est plus aléatoire (elle peut correspondre à des changements dus aux "changements de blocs"), ce qui peut cacher certains facteurs importants ou révéler les variables non importantes corrélées à des variables cachées
A2 : imaginez si vous faites deux blocs et que dans le premier vous avez X1 comme -1 et dans la deuxième partie comme +1. Si vous avez un effet caché ou quelque chose qui se dégrade avec le temps et qui augmente avec le temps, cet effet est attribué à X1 même si ce n'est pas le cas. Cela peut conduire à de faux modèles.
Certaines informations supplémentaires ont été partagées au cours de la session :
- Livre blanc sur le Split Plot : https://www.stat.purdue.edu/~kuczek/stat514/Split%20plot%20example.pdf
- Suivez Phil sur LinkedIn : #DOEparPhilKay
- Suivez Victor Guiller sur LinkedIn : https://www.linkedin.com/in/victorguiller/
