Недостатки дробного факторного эксперимента

У дробного факторного эксперимента есть несколько недостатков:

Ошибки «лоскутного конструирования». Одна из распространенных ошибок — это отбор лучших значений для каждой переменной и объединение их в один набор. Результатом такого объединения вовсе не обязательно будет максимальная эффективность целого.

Давайте посмотрим подробнее, почему так получается. Представим, что вы достигли 90%-ного уровня статистической достоверности для каждой переменной. Другими словами, вы на 90% уверены в том, что одно из значений для каждой переменной является самым эффективным. Если у вас была всего одна переменная, вы были бы неправы в 10% случаев, и это было бы приемлемым. Но вероятность ошибки растет с увеличением числа переменных. Например, при эксперименте с двумя переменными шансы на обнаружение лучшего варианта зависят от точности определения лучшего значения каждой из переменных, причем независимо друг от друга. Это означает, что вероятности нахождения самых эффективных значений должны быть перемножены.

Любите играть в казино и хотите стать успешным гемблером? Начните вулкан 24 игровой клуб играть бесплатно, а после переходите к реальным ставкам.

В нашем случае это означает, что вероятность выявления лучшего варианта составляет 81% (90% х 90%). Так что вероятность ошибки возросла с 10% для одной переменной до 19% для двух. Если вы экспериментировали с шестью переменными, вероятность нахождения лучшего варианта будет равна 53% — а это уже не намного лучше, чем бросание монеты. Поэтому вам придется провести сравнение найденного кандидата в чемпионы с исходным вариантом. Но что вы будете делать, если эффективность кандидата окажется вовсе не такой высокой, как ожидалось? Если это было результатом «лоскутного конструирования», вы можете поднять планку статистической достоверности или снизить количество переменных в эксперименте. Но ведь падение эффективности может быть и результатом сильного взаимного влияния переменных, которое вы уже никак не сможете выявить. Единственный способ решить задачу — это провести эксперимент с более высоким уровнем разрешения, а для этого, скорее всего, понадобится полный факторный эксперимент.