Αποδοτικοί σχεδιασμοί κρησαρίσματος τριών επιπέδων για τη μελέτη ποσοτικών παραγόντων
| dc.contributor.advisor | Ευαγγελάρας, Χαράλαμπος | |
| dc.contributor.author | Τηγανίτας, Σωτήριος | |
| dc.date.accessioned | 2020-12-02T08:38:48Z | |
| dc.date.available | 2020-12-02T08:38:48Z | |
| dc.date.issued | 2020 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13076 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/499 | |
| dc.description.abstract | Σε πολλές πειραματικές καταστάσεις στην Στατιστική αυτό που μελετάμε είναι να δούμε αν ένας ή περισσότεροι παράγοντες επιδρούν πάνω σε ένα αντικείμενο που εξετάζουμε. Η πειραματική διαδικασία έχει ουσιώδη ρόλο στην Στατιστική. Σε αυτήν τη διπλωματική θα ασχοληθούμε με κάποιους πειραματικούς σχεδιασμούς που θα μας βοηθήσουν να απαντήσουμε στο ερώτημα “ποιες παραγοντικές επιδράσεις είναι σημαντικές στο πείραμα”. Ο πιο απλός σχεδιασμός που συναντάμε είναι ο 2k παραγοντικός σχεδιασμός που αφορά παράγοντες που έχουν από δύο επίπεδα ο καθένας. Ένα πλεονέκτημα τους είναι ότι σε σχέση με παράγοντες που έχουν περισσότερα επίπεδα χρειάζονται λιγότερες εκτελέσεις αλλά όσο αυξάνονται οι παράγοντες τόσο αυξάνονται εκθετικά και οι πειραματικές εκτελέσεις που χρειαζόμαστε για να πραγματοποιηθεί το πείραμα. Γι’ αυτό τον λόγο, χρησιμοποιούμε τους αντίστοιχους κλασματικούς παραγοντικούς σχεδιασμούς, όπου μειώνουμε τις πειραματικές εκτελέσεις, καθώς ασχολούμαστε με μικρότερο αριθμό παραγόντων. Ένα θέμα που δημιουργείται στους 2k παραγοντικούς σχεδιασμούς είναι ότι υπάρχει η πιθανότητα να υπάρξει κάποια καμπυλότητα στην επιφάνεια απόκρισης. Κάτι τέτοιο σαφώς δεν μπορεί να ελεγχθεί με δύο επίπεδα στον κάθε παράγοντα . Μια λύση είναι η εισαγωγή κεντρικών σημείων στο σχεδιασμό μας. Μια άλλη λύση είναι η ξεκάθαρη χρήση 3 επίπεδων στους παράγοντες. Σε αυτή την περίπτωση μπορούμε να εξετάσουμε την ύπαρξη κυρτότητας. Το πρόβλημα όμως που δημιουργείται είναι ότι δεν μπορούμε να εξετάσουμε αρκετούς παράγοντες καθώς χρειαζόμαστε αρκετές εκτελέσεις. Έτσι όπως και στους 2k παραγοντικούς σχεδιασμούς έτσι και στους 3k παραγοντικούς σχεδιασμούς ισχύουν οι κλασματικοί παραγοντικοί σχεδιασμοί. Μια οικονομικά λύση, τόσο από άποψη χρόνου όσο και στο θέμα του κόστους είναι οι Definitive Screening Designs (DSD), που είναι και το κυρίως θέμα αυτής της διπλωματικής, καθώς χρειαζόμαστε λιγότερες εκτελέσεις. Οι δύο σχεδιασμοί που προτείνονται είναι αυτοί των Jones & Nachtsheim. και του Xiao et al. Τελικό κομμάτι είναι η μέτρηση της αποδοτικότητας των σχεδιασμών που προτείνουν οι Jones & Nachtsheim. | el |
| dc.format.extent | 49 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Αποδοτικοί σχεδιασμοί κρησαρίσματος τριών επιπέδων για τη μελέτη ποσοτικών παραγόντων | el |
| dc.title.alternative | Three-level designs for screening quantitative factors | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | In many experimental situations in Statistics the object of study is to investigate whether one or more factors affect a quantity of interest. This experimental process has a significant role in Statistics. In this Thesis, we will deal with some experimental designs that they help us to answer the question “which factor effects are important in the experiment”. The simplest factorial design is the 2k factorial design, which involves factors with two levels each. One of the advantages for such designs is that, in relation to factors that have more levels, fewer replicates are needed. However, as the factors increase, the experimental replicates that we need to carry out grow exponentially. For this reason, we use fractional factorial designs, which reduce the experimental replicates, as we deal with a smaller number of factors. One issue that arises with 2k factorial design is that there is a possibility of some curvature in the response surface. This clearly cannot be controlled by two levels in each factor. One solution on this is to add center points into our design. Another solution is the use of factors with 3 levels. In this case we can consider the presence of curvature, but the problem is that we cannot use a lot of factors because we need too many replicates. As in the 2k factorial designs, in 3k factorial designs we may have fractional designs. An economical solution, both in terms of time and cost, is the use of Definitive Screening Designs (DSD), which is the main topic of this dissertation. In such designs, we typically need fewer runs than in the cases mentioned above. The two designs proposed are those of Jones & Nachtsheim and Xiao et al. The final issue is the measurement of the efficiency for the designs proposed by Jones & Nachtsheim. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Παραγοντικοί σχεδιασμοί | el |
| dc.subject.keyword | Defenitive Screening Designs (DSD) | el |
| dc.subject.keyword | Πειραματικοί σχεδιασμοί | el |
| dc.date.defense | 2020-11-27 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές