소프트웨어 테스트에 대한 블로그 시리즈의 일환으로, 요인 효과의 기본 원리를 다시 살펴보기 위해 잠시 우회해 보겠습니다.
특히, 스크리닝 설계에 관해서, 설계에서 어떤 속성을 찾는지는 설계된 실험의 기본 원칙에 의해 잘 요약될 수 있습니다. 우리는 심지어 문서 에서 그것을 설명합니다.
- 효과 계층: 이 원리는 주효과가 2차 효과보다 중요할 가능성이 더 높고, 2차 효과는 3차 효과보다 중요할 가능성이 더 높다는 것을 명시합니다. 또한, 같은 순위의 효과는 중요할 가능성이 동등합니다.
- 효과 희소성: 이 원리에 따르면 요인 실험에서 소수의 효과만이 유의할 가능성이 높습니다. 대부분의 효과는 무시할 수 있는 것으로 가정하여 모델 선택 프로세스를 간소화합니다.
- 효과 유전: 이 원리는 상호작용 효과가 부모(주) 효과 중 하나 이상이 유의미한 경우에만 유의미할 가능성이 있다고 말합니다. 이 사양은 모델 검색 프로세스 중에 양립할 수 없는 모델을 배제하는 데 도움이 됩니다.
이제, 여러분이 실험을 충분히 많이 했다면, 여러분은 이러한 원리가 적용되지 않는 예를 가지고 있을 것입니다. 그러나 여러분이 실험할 때 이러한 가정이 타당하다는 경험적 증거가 있습니다(리뷰는 Li et al. 2006 참조).
효과 계층 원리는 실험 계획 과정을 수강했다면 배웠을지도 모르는 분해능과 최소 수차를 통한 분수 요인 설계의 많은 설계 선택의 기본입니다. 가장 중요한 요인을 찾고자 하는 희소성과 결합된 이러한 분야는 활발한 연구 분야입니다(예: 확정적 스크리닝 설계 및 혼합 수준 스크리닝 설계 참조). 마찬가지로 사용자 지정 설계 플랫폼을 사용할 때 기본 모델은 주효과 모델입니다.
희소성 원리에 대해 "유의할 가능성이 높은" 것은 "가장" 중요한 효과를 식별하는 것을 반영하는 것이라고 말하고 싶습니다. 실행 크기가 충분히 크다면 요인 효과의 대부분(아마도 대부분)이 통계적으로 유의미할 것입니다. 저는 희소성 원리를 가장 큰 효과를 얻고, 특정 대응 입력을 변경하여 반응을 변경하는 데 드는 비용 대비 최대 효과를 얻는 것으로 생각합니다.
효과 유전 원리에 대해, 저는 보통 모델링과 관련해서만 생각합니다. 하지만 그것이 테스트와도 관련이 있다는 것을 알게 될 것입니다.
왜 우회전이야? 이게 테스트와 관련이 있어?
다음 블로그 게시물에 있는 설명서를 보여드릴 수도 있지만, 같은 원칙을 사용하여 테스트 문제를 어떻게 해결할 수 있는지 살펴보겠습니다.
Li, X., Sudarsanam, N. 및 Frey, DD, 2006. 요인 실험 데이터의 규칙성. 복잡성 , 11 (5), pp.32-45.
@Victor_G 읽어주셔서 감사합니다. 그리고 기사 링크도 감사합니다. DOE에 대한 소식을 퍼뜨리는 모습을 보고 기쁩니다!
