1 PFCdiapo

LES PLANS FACTORIELS
COMPLETS
Claude Hoinard
Laboratoire de Biophysique et Mathmatiques
Facult de Pharmacie de Tours
LES PLANS EXPERIMENTAUX
Introduction
Une exprience est une intervention

volontaire dans un systme en fonctionnement
pour mesurer les effets de cette intervention.
Seule l'exprience est capable d'apporter des
renseignements sur les relations de cause
effets.
Pourquoi un plan exprimental ?

L'exprimentation cote cher, il faut
avoir pour objectif d'obtenir les
informations les plus fiables et les plus
efficaces possibles en un minimum
d'essais :
L'EXPRIMENTATION DOIT TRE
OPTIMISE
Ncessit d'une recherche

exprimentale bien planifie
Notion de plan efficace

Ne faire varier quun facteur la fois
= stratgie scurisante mais rsultats mdiocres
Un plan d expriences efficace se

propose donc de faire varier plusieurs
facteurs la fois selon des rgles
d organisation prcises et rigoureuses : les
plans que nous allons tudier sont multi
factoriels et sont appels habituellement
plans factoriels.
4
Un peu de vocabulaire . . .
Un facteur (quantitatif ou qualitatif) est un

tat du systme tudi dont la variation est
susceptible d'en modifier le fonctionnement
(ex : temprature, concentration d'un
ractif)
La rponse du systme correspond au
paramtre mesur ou observ pour connatre
l'effet des facteurs tudis sur le systme
(ex : rendement d'une raction)
5
Mthodologie dans ltude d un

phnomne
Lors de l tude d un phnomne, plusieurs
questions se posent, auxquelles rpondent
diffrents types de plans. On peut
distinguer 3 grandes tapes dans
l acquisition des connaissances :
Recherche des facteurs influents

Modlisation
Optimisation
6
la recherche des facteurs

influents
Parmi tous les facteurs susceptibles d influer sur le

phnomne (c est dire sur la ou les rponses
mesures du phnomne),
- lesquels ont une influence significative ?

- que vaut quantitativement cette influence ?
- existe-t il des interactions entre facteurs ?
Les plans qui permettent de rechercher les
facteurs influents sont les plans factoriels
complets ou fractionnaires.
la modlisation
Quand les facteurs influents ont t identifis et
leur importance quantifie, on recherche ensuite
l quation permettant de dcrire les variations de
la rponse tudie en fonction de celles des
facteurs influents ; cette seconde tape constitue
la modlisation.
Les plans factoriels suffisent parfois. Il se peut

dans d autres cas que l on soit oblig de faire appel
des plans plus complexes tels que les plans
composites centrs.
l optimisation
Pour finir, on cherche en gnral dterminer
quelles conditions exprimentales (les valeurs prises
par les facteurs influents) permettent d obtenir le
meilleur rsultat pour la rponse. Cette tape porte
le nom d optimisation.
Il existe plusieurs mthodes pour ce faire ; citons,
l tude des courbes iso rponses

la mthode du simplex
La recherche des facteurs

influents
prliminaire
Avant de dbuter, plusieurs questions se poser :
Quelles rponses choisir ?

Les divers aspects du phnomne tudi se
traduisent par autant de rponses possibles ; les
rponses choisies seront celles qui caractrisent le
mieux les proprits intressant lexprimentateur
pour son application ; chaque rponse sera analyse
dabord seule, puis une synthse globale sera faite
ensuite en tenant compte des rsultats obtenus avec
toutes les rponses.
10
Quels facteurs tudier ?

Ils seront choisis en fonction de la connaissance
que l on a dj du phnomne. Leur nombre
conditionne le nombre d essais raliser ; des
contraintes conomiques et de temps
interviennent donc dans ce choix.
Autres facteurs considrer

On ne peut pas tudier tous les facteurs susceptibles
d agir sur une rponse Il faudra cependant en faire une
liste aussi exhaustive que possible et distinguer les
facteurs tudis, les facteurs contrlables mais non
retenus dans l tude (leur valeur devra tre maintenue
constante dans tous les essais du plan) et les facteurs non
contrlables (non matrisables ou non identifis).
11
Les facteurs non contrlables, dont les niveaux

varient de faon anarchique d un essai l autre lors
de l exprimentation, ont pour effet de faire
fluctuer la rponse mesure.
On devra donc s assurer que ces fluctuations sont
alatoires et estimer cette dispersion des rponses
afin d en tenir compte lors de l analyse des rsultats.
Pour ce faire, il est frquent d tre oblig
d effectuer des essais complmentaires.
Limites du domaine exprimental

Il faut galement fixer les limites du domaine exprimental,
c est dire les valeurs extrmes prises par les facteurs
tudis. Notons ds maintenant que ce sont ces valeurs limites
qui sont utilises lors des manipulations.
12
LES PLANS FACTORIELS

COMPLETS A 2 NIVEAUX
prsentation
n facteurs (A,B,C,) sont tudis chacun 2

niveaux (2 valeurs) A0/A1; B0/B1; C0/C1) choisis
par lexprimentateur
Le plan est dit factoriel complet si tous les
niveaux de tous les facteurs sont programms
pour varier simultanment et de manire
quilibre dans lensemble de lexprimentation.
13
22 : 2 facteurs 2 niveaux dfinissent 4 conditions
4 essais sil nest pas prvu de rptitions

8 essais si le plan est dupliqu (2 dterminations par condition)
12 essais si le plan est tripliqu ..etc..
23 : 3 facteurs 2 niveaux dfinissent 8 conditions
exprimentales soit,
exprimentales soit,
8 essais sil nest pas prvu de rptitions, 16 si le plan est dupliqu

etc
26 : 6 facteurs 2 niveaux ,soit 64 conditions exprimentales soit,
64 essais (pas de rptition) , 128 ( plan dupliqu ) etc..
Ces Plans 2 sont ceux quil faut utiliser pour

rechercher les facteurs agissant sur une rponse
mesure. Ce sont les plus simples interprter et ils
prsentent le meilleur rapport cot/efficacit.
14
PLAN DETUDE
Nous examinerons :
1.
ce quon entend par EFFETS PRINCIPAUX et
INTERACTIONS et comment on les value
2.
partir des rsultats obtenus, comment on
peut slectionner les facteurs qui ont une
influence relle sur la rponse et ceux qui
nont pas daction.
3.
nous examinerons enfin le modle associ
ces plans 2 , passage indispensable pour
interprter en profondeur les rsultats
obtenus et pralable lOPTIMISATION.
15
1- DEFINITION DES EFFETS PRINCIPAUX ET DES

INTERACTIONS - CALCULS
1-1 : Le plan 22
Exercice 1 : tude de linfluence de la temprature et de la concentration
C dun ractif sur le rendement y (en %) dune raction chimique.
Il a t dcid dexprimenter la re entre 60C et 80C et la
concentration entre 10 g.L-1 et 15 g. L-1 en se limitant 2 valeurs par
facteur.
Concentration g.L-1
(facteur B)
Graphe du DOMAINE EXPERIMENTAL (hachur)

Centre du domaine exprimental
(70C ; 12,5 g.L-1)
15
12,5
10
en C
(facteur A)
re
60
70
80
16
Avec 4 conditions exprimentales, le maximum defficacit dans

ltude est obtenu lorsque celles-ci sont situes aux extrmits
du domaine exprimental.
Soit A0B0 :
60C / 10 g.L-1
A1B0 :
80C / 10 g.L-1
A0B1 :
60C / 15 g.L-1
A1B1 :
80C / 15 g.L-1
Cette proprit, maximum efficacit = extrmits du
domaine est gnrale tous les essais factoriels 2.
17
1-1-1 : la matrice dexprience

Il est commode de symboliser par 1 le niveau BAS de chaque facteur et
par +1 le niveau HAUT. Ce qui permet de rassembler les lments
relatifs chaque facteur dans un tableau appel MATRICE
DEXPERIENCE que lon prsente en correspondance avec une colonne
donnant les rsultats exprimentaux de la la rponse y.
niveau -1
60C
10 g.L-1
niveau +1
80C
15 g.L-1
n essai
re
facteur A
Concentration facteur B
Rponse rendement %
-1
-1
y1 = 60
+1
-1
y2 = 70
-1
+1
y3 = 80
+1
+1
y4 = 90
La colonne nessai, repre de la condition exprimentale (1=A0B0,

2= A1B0, 3= A0B1, 4= A1B1) permet didentifier la rponse : y1 est la
rponse pour la condition A0B0.etc
18
Les facteurs ainsi cods sont dits FACTEURS CENTRS RDUITS et nots xA :
Dans le cas de la temprature (facteur A)
si 60C correspond 1
et 80C correspond +1
cela signifie que 70C correspond xA=0 et quentre xA et

la relation
70
xA
temprature il existe
10
65C correspond donc xA=-0,5 et 78C xA=+0,8
Pour la concentration, xB=-1 pour 10 g.L-1 et xB=+1 pour 15 g.L-1

xB=0 correspond 12,5 g.L-1 et on a :
xB
C 12,5
2,5
On notera que le centre du domaine exprimental correspond au

niveau 0 des facteurs centrs rduits.
19
1-1-2 : effet global et effet moyen dun facteur.

Reprsentation graphique
EFFET GLOBAL
Cest la variation de rponse y quand le facteur passe du
niveau BAS (-1) au niveau HAUT (+1)
Conc B
Rponse %
-1
-1
y1 = 60
+1
-1
y2 = 70
-1
+1
y3 = 80
+1
+1
y4 = 90
re
Par suite de lorganisation des expriences

factorielles
22 ,
un effet peut svaluer de 2 faons :
- temprature (A)
10
g.L-1
effet global = y2-y1 =70 60 = 10%
15 g.L-1
effet global = y4-y3 =90 80 = 10%
- concentration (B)
60C
effet global = y3-y1 =80 60 = 20%
80C
effet global = y4-y2 =90 70 = 20%
20
Dans cet exemple particulier, leffet dun facteur est exactement le mme
quelque soit le niveau de lautre : les 2 facteurs agissent indpendamment.
On dit aussi quil ny a pas dinteraction entre les 2 facteurs.
Notons quen gnral, mme lorsquil y a indpendance des facteurs, les
effets calculs ne donneront pas exactement la mme valeur pour les 2
niveaux de lautre facteur cause des erreurs alatoires de mesures des
rponses ; on en fera la moyenne :
1
[(y2-y1 )+(y4-y3)]
2
1
effet global de la concentration : [(y3-y1 )+(y4-y2)]
2
effet global de la temprature :
21
EFFET MOYEN
Leffet global correspond une variation du facteur centr rduit de 2
units (de 1 +1)
Leffet moyen correspond une variation de 1 unit du facteur centr
rduit (de 0 1 par exemple)
Leffet moyen not E est la moiti de leffet global

Cest leffet moyen que nous utiliserons. On a donc :
1
effet moyen de la temprature :
(-y1+ y2- y3+y4)
4
1
effet moyen de la concentration :
(-y - y + y3+y4)
4 1 2
Dans lexemple, on a donc EA = 5 % ( re) et EB = 10 % (concentration)
Remarque : le calcul de la moyenne gnrale des essais scrit
1
yc
(y1 y2 y3 y 4 )
4
Elle vaut donc dans lexemple 75% et elle peut tre considre comme la
valeur calcule de la rponse quand les facteurs centrs rduits sont au
22
niveau 0, cest dire au centre du domaine exprimental.
REPRESENTATIONS GRAPHIQUES
Pour visualiser les rsultats on peut

1. reporter les rponses mesures et calcules sur le domaine
exprimental
xB (conc)
+1
80
85
+
70 +
-1
60
+
65
-1
90
75
+ 80
Rponse mesure
+ Rponse calcule
70
+1
xA (
re)
23
REPRESENTATIONS GRAPHIQUES
2. reporter les rponses moyennes calcules en fonction du facteur
rduit pour le niveau 0 de lautre, ce qui permet de faire apparatre
leffet de ce facteur
rendement (%)
85
rendement (%)
85
re
concentration
EFFET
MOYEN
80
80
EFFET
MOYEN
75
75
EFFET
GLOBAL
70
70
65
65
-1
+1
xA
EFFET
GLOBAL
-1
+1
xB
24
1-1-3 : interaction entre 2 facteurs. valuation

Exercice 2 : mme tude que lexercice 1 ralise cette fois en
prsence dun catalyseur ; les conditions exprimentales sont
identiques.Les rsultats de rendement sont :
n essai
Rendement (%)
60
70
80
95
1
(60 70 80 95) 76, 25
4
La prsence du catalyseur est favorable. Qua t-il chang dans les effets ?
La moyenne calcule des essais est devenue : yc
effet de la temprature :
1
1
10 g.L-1 : E
15 g.L-1 : E
(70 60) 5%
(95 80) 7,5%
2
2
effet de la concentration :
1
1
60C :
E conc
(80 60) 10% 80C : E conc
(95 70) 12, 5%
2
2
LEFFET DUN FACTEUR DEPEND DU NIVEAU DE LAUTRE : ON DIT QUIL
Y A INTERACTION ENTRE LES FACTEURS re et CONCENTRATION
25
EVALUATION DE LINTERACTION (EAB)
Elle se dfinit en grandeur comme la moiti de la diffrence

entre leffet moyen dun facteur au niveau HAUT de lautre et
de leffet moyen de ce facteur au niveau BAS de lautre
Appliquons lexemple 2 :
1
(7,5 5) 1, 25%
E( re X conc) =
2
ou
1
(12,5 10) 1, 25%
2
Dune manire gnrale, leffet de linteraction sexprime

en fonction des rponses individuelles par :
E AB
1
(y1 y2 y3 y4 )
4
26
SIGNIFICATION DE LEFFET DUN FACTEUR QUAND IL Y A

INTERACTION
On peut calculer EA et EB grce aux formules vues prcdemment. Dans
lexemple 2 on trouve :
- temprature : EA= 6,25 %
- concentration : EB= 11,25 %
La signification de leffet dun facteur, appel EFFET PRINCIPAL, apparat

quand on reprsente la variation de leffet en fonction du niveau de lautre
facteur.
effet de la temprature (%)
LEFFET PRINCIPAL DUN

FACTEUR est leffet de ce
facteur quand lautre
facteur est au niveau 0
7,5
6,25
5
xB
-1
(10 g.L-1)
+1
concentration
(15 g.L-1)
27
1-1-4 : matrice des effets ; pratique des calculs

Lensemble des rsultats partir des rponses mesures est donn par les
formules :
EA
EB
E AB
yc
1
(
4
1
(
4
1
(
4
1
(
4
y1
y2
y3
y4 )
effet principal de A
y1 y 2
y3
y4 )
effet principal de B
y1 y 2
y3
y4 )
effet interaction AB
y3
y4 )
y1 y2
rponse calcule au
centre du domaine
28
Il est commode de dresser le tableau suivant appel

MATRICE DES EFFETS
n essai
AB
rponse
-1
-1
+1
+1
y1
+1
-1
-1
+1
y2
-1
+1
-1
+1
y3
+1
+1
+1
+1
y4
La colonne AB matrialisant linteraction sobtient en multipliant ligne

par ligne les colonnes A et B
La colonne M (rponse au centre du domaine) ne contient que des +1
Pour calculer les effets, il suffit de multiplier chaque colonne de la matrice

par la colonne rponse , ligne par ligne , dadditionner les produits et de
diviser par 4.
Ces calculs sont trs faciles effectuer avec un TABLEUR, EXCEL par
exemple (utilisation de la fonction SOMMEPROD)
29
1-2 : Le plan 23
Exercice 3 : dans une solution pharmaceutique habituellement
fabrique 30C, sous agitation (200 tours.min-1) un lger trouble
apparat.
Lexprimentateur dsire connatre la (ou les) cause(s) et pense que
3 facteurs peuvent jouer :
- la temprature
- la vitesse dagitation
- la concentration dun additif prsent 0,30 %
Le trouble se mesure par un indice dopacit traduisant limpression
visuelle que donne lintensit du louche.
30
Il est dcid dorganiser une exprience factorielle 23

facteurs
niveaux
A = re
20C 40C
B = vitesse agitation
100 t.min-1 - 300 t.min-1
C = concentration additif
0,1 % - 0,5 %
Il y a donc 8 conditions exprimentales

1 = A 0 B0 C0
5 = A 0 B0 C1
2 = A 1 B0 C 0
6 = A 1 B0 C1
3 = A 0 B1 C 0
7 = A 0 B1 C1
4 = A 1 B1 C 0
8 = A 1 B1 C1
31
1-2-1 : domaine exprimental matrice dexprience
Codons comme prcdemment les niveaux des facteurs ( -1, +1 )

en utilisant les facteurs centrs rduits.
2 remarques :
1. Le centre du domaine (0, 0, 0) correspond la condition
exprimentale habituellement utilise (30C 200 t.min-1 0,3 %)
2. Comme pour un plan 22, les conditions exprimentales se

trouvent aux extrmits du domaine. Cest avec ces conditions
que lexprimentation sera la plus efficace.
32
Plan 23 : Le domaine exprimental peut tre reprsent par un cube.

-1
+1
+1
-1
-1
+1
+1
+1
+1
7
+1
-1
+1
6
additif (C)
Centre
+
(0,0,0)
-1
+1
-1
(A)
(B)
(C)
-1
-1
-1
+1
+1
-1
+1
-1
-1
1
BAS
temprature (A)
HAUT
BAS
HAUT
agitation (B)
HAUT
BAS
33
Plan 23 : MATRICE DEXPERIENCE

niveau -1
20C
100 t.min-1
0,1 %
niveau +1
40C
300 t.min-1
0,5 %
B (agit.)
C (add.)
rponse
n essai
A(
re)
-1
-1
-1
y1
+1
-1
-1
y2
-1
+1
-1
y3
+1
+1
-1
y4
-1
-1
+1
y5
+1
-1
+1
y6
-1
+1
+1
y7
+1
+1
+1
y8
IMPORTANT : noter lorganisation des signes :

- pour A : succession 1- puis 1+
- pour B : succession 2- puis 2+
- pour C : succession 4- puis 4+
34
1-2-2 : Plan 23 - effets des facteurs principaux et interactions.

FACTEURS PRINCIPAUX
Avec ce type de plan, leffet dun facteur est valu de 4 faons.
Par exemple pour A :
y2-y1 , y4-y3 , y6-y5 , y8-y7
A (re)
rponse
-1
y1
+1
y2
-1
y3
+1
y4
-1
y5
+1
y6
-1
y7
+1
y8
Leffet moyen de A scrit :
EA
1
( y1 y2
8
y3
y4
y5
y6
y7
y8 )
On retrouve lorganisation des signes de la

matrice dexprience
De mme pour les facteurs B et C
EB
EC
1
( y1 y2
8
1
( y1 y2
8
y3
y4
y5
y6
y7
y8 )
y3
y4
y5
y6
y7
y8 )
35
INTERACTIONS DE 2EME ORDRE

Avec 3 facteurs tudis, il y a 3 interactions possibles mettant en jeu 2
facteurs :
A.B A.C
B.C
Elles sont appeles interactions de 2me ordre. Leur nombre sobtient
2
en combinant les 3 facteurs 2 2 : C3 3
La grandeur de ces interactions se dfinit comme pour une factorielle
22 : moiti de la diffrence entre leffet dun facteur au niveau HAUT de
lautre et leffet de ce facteur au niveau BAS de lautre.
Considrons par exemple linteraction A.B en considrant leffet de A :
A
rp
-1
-1
y1
+1
-1
y2
-1
+1
y3
+1
+1
y4
-1
-1
y5
+1
-1
y6
-1
+1
y7
+1
+1
y8
y4-y3 et y8-y7 effets de A au niveau HAUT de B

y2-y1 et y6-y5 effets de A au niveau BAS de B
1 1
1
(y 4 y3 y8 y7 )
(y 2 y1 y6 y5 )
2 4
4
On a donc :
1
E AB
( y1 y 2 y3 y 4 y5 y6 y7 y8 )
8
On pourrait calculer de la mme faon EAC et EBC. Ce nest pas
ncessaire, la construction de la matrice des effets les donne
36
automatiquement.
E AB
INTERACTIONS DE 3EME ORDRE

Il existe aussi une possibilit dinteraction entre les 3 facteurs pris
ensemble, note A.B.C, et qui porte le nom dinteraction du 3me ordre
Elle peut se dfinir de la faon suivante :
- Les 4 premires lignes de la matrice
n
rp
-1
-1
-1
y1
+1
-1
-1
y2
-1
+1
-1
y3
+1
+1
-1
y4
-1
-1
+1
y5
+1
-1
+1
y6
-1
+1
+1
y7
+1
+1
+1
y8
si
(EAB )C0
dexprience correspondent un plan 22 au

niveau BAS du facteur C et :
(E AB )C0
1
(y1 y 2 y3 y 4 )
4
- Les 4 dernires lignes correspondent un

plan 22 au niveau HAUT du facteur C
(E AB )C1
1
(y5 y6 y7
4
y8 )
(EAB )C1 , cela signifie que linteraction AB est indpendante du
niveau du 3e facteur : il ny a pas dinteraction de 3me ordre.

si (EAB )C0 (EAB )C1 , il y a interaction de 3me ordre et on la dfinit en
grandeur comme la moiti de la diffrence de linteraction AB au niveau HAUT
de C et de linteraction AB au niveau BAS de C.
E ABC
1
(E AB )C1 (E AB )C0
2
1
( y1 y2
8
y3 y 4
y5 y 6 y 7
Cette expression est donne automatiquement lors de la construction

de la matrice des effets.
y8 )
37
INTERACTIONS : EN PRATIQUE
On trouve souvent dans les applications des interactions de

2me ordre il est tout fait concevable que 2 facteurs
nagissent pas indpendamment sur la rponse
En revanche, lexistence dune interaction de 3me ordre

suppose un systme complexe mettant en jeu les 3 facteurs
simultanment et se rencontre trs rarement.
38
1-2-3 : Plan 23 - matrice des effets - calculs

Dans une exprience factorielle 23, il y a au total 8 lments calculer
partir des rponses :
- les effets principaux des 3 facteurs
- les effets des 3 interactions du 2me ordre
- leffet de linteraction du 3me ordre
- la rponse yC au centre du domaine
La matrice des effets comportera donc 8 colonnes (avec en plus la
colonne n essai et la colonne des rponses mesures)
- 3 colonnes sont dj connues : celles des facteurs de la matrice
dexprience.
- les 3 colonnes (AB), (AC), (BC) sobtiennent en multipliant les
colonnes A et B ligne par ligne, idem pour A et C et pour B et C.
- la colonne ABC reprsentant linteraction de 3me ordre sobtient
en multipliant ligne par ligne les 3 colonnes A, B et C.
- la colonne M pour calculer yC est constitue de +1
39
Plan 23 - matrice des effets - calculs (suite)

n essai
AB
AC
BC
ABC
rp
-1
-1
-1
+1 +1 +1
-1
y1
+1
-1
-1
-1
-1
+1 +1
y2
-1
+1
-1
-1
+1
-1
+1
y3
+1 +1
-1
+1
-1
-1
-1
y4
-1
-1
+1 +1
-1
-1
+1
y5
+1
-1
+1
-1
+1
-1
-1
y6
-1
+1 +1
-1
-1
+1
-1
y7
+1 +1 +1 +1 +1 +1 +1
y8
Comme pour un essai 22, on

multiplie chacune de ces colonnes
par la colonne des rponses
ligne par ligne et on fait la
somme.
La seule diffrence est quil faut
diviser le rsultat obtenu par 8
(au lieu de 4 avec un essai 22)
Exercice 3 : le calcul avec EXCEL conduit :

EA= 4,41 EB= 0,89 EC= 3,89 EAB= 1,86 EAC= 0,36 EBC= - 0,81 EABC= 0,16
yC = 7,94
40
Plan 23 - matrice des effets calcul matriciel

n
AB
AC
BC
AB
C
rp
-1
-1
-1
+1
+1
+1
-1
+1
-1
-1
-1
-1
+1
+1
4,7
+1
+1
+1
+1
+1
+1
+1
18,7
matrice X
matrice Y
matrice E
8 quations avec 8 inconnues : EA , EB , EC , EAB , EAC , EBC , EABC , yC

0
4,7
= -EA EB EC +EAB +EAC +EBC EABC +yC

= +EA EB EC -EAB -EAC +EBC +EABC + yC
18,7
= +EA +EB +EC +EAB +EAC +EBC +EABC + yC
_______________________________________________________________
= EAxA +EBxB +ECxC +EABxAxB +EACxAxC +EBCxBxC +EABCxAxBxC + yC
En criture matricielle :
Y = X.E
donc
E = X-1 . Y
41
1-3 : Le plan 2n
1-3-1 : Conditions exprimentales lments calculer
Ils constituent la gnralisation des plans 22 et 23.
Les conditions exprimentales sont prises aux extrmits du domaine.
Ces conditions deviennent rapidement nombreuses (exprimentation
lourde) car chaque fois que n augmente de 1 unit, le nombre de
conditions est multipli par 2.
Le nombre dlments calculer dpend de n, il y a :
- yC rponse calcule au centre du domaine. On notera quaucun essai nest prvu
dans ce type de plan pour cette condition.
-
n effets principaux
C2n effets dinteraction du 2e ordre

C4n effets dinteraction du 4e ordre
- C3 effets dinteraction du 3e ordre

n
- etc
42
Le plan 2n (lments calculer)

En pratique ces valeurs sont obtenues assez facilement avec la
matrice des effets. Il convient simplement de numroter
convenablement les conditions (n essai), dutiliser les facteurs centrs
rduits (-1, +1) et de construire la matrice progressivement.
les facteurs :
A : suite de 1 et +1 alterns ,
B : 2 (-1) puis 2 (+1) puis
C : 4 (-1) puis 4 (+1) puis ,
D : 8 (-1) puis 8 (+1) puis
E : 16 (-1) puis 16 (+1) puis ,
etc
les colonnes dinteraction sont obtenues en multipliant les colonnes
des facteurs; par exemple linteraction ABCD sobtient en multipliant
ligne par ligne A par B par C par D.
la colonne M ne contient que des +1
notons que lordre dans lequel sont tablies les colonnes na pas dincidence sur le calcul
(par exemple on peut placer BC gauche de AB ou linverse)
en revanche les numros de la colonne n essai dfinissent la succession des conditions
exprimentales et il est primordial de mettre la valeur mesure correspondant cette
condition dans la colonne rponse.
43
1-3-2 : Plan 24
Exercice 4 : lors de loptimisation des conditions exprimentales dune raction de
prcipitation, on a retenu comme facteurs tudier susceptibles dagir sur le poids
de prcipit pes dans des conditions identiques :
facteurs
niveaux
A : temprature de la raction
60C 70C
B : concentration dun ractif
1 g.L-1 - 2 g.L-1
C : temps de contact
30 min 45 min
D : dbit de lavage du prcipit
1 l.min-1 0,5 l.min-1
Soit 16 conditions exprimentales : il est dcid de ne pas faire de rptitions.
les rsultats des 16 expriences (poids de prcipit) sont donns ci-dessous :
Condition
Poids
Condition
Poids
A0B0C0D0
60,6
A0B0C0D1
59,6
A1B0C0D0
61,0
A1B0C0D1
61,1
A0B1C0D0
60,3
A0B1C0D1
60,7
A1B1C0D0
61,7
A1B1C0D1
61,3
A0B0C1D0
62,0
A0B0C1D1
61,6
A1B0C1D0
61,5
A1B0C1D1
61,9
A0B1C1D0
61,7
A0B1C1D1
62,3
A1B1C1D0
62,4
A1B1C1D1
62,8
44
Plan 24 exemple 4 (suite)

Dans la matrice des effets il y a 16 colonnes :
- 4 effets principaux
-
C24 soit 6 interactions du 2e ordre
3
C
- 4 soit 4 interactions du 3e ordre
C44 soit 1 interaction du 4e ordre
- 1 colonne M de +1
45
Exemple 4 (suite) Calcul des effets

Le calcul des effets (ne pas oublier de diviser par 16 puisquil y a 16
essais) conduit :
EA=
0,306
EAB=
0,093
EABC=
0,081
EB=
0,244
EAC=
-0,181
EABD=
-0,181
E C=
0,619
EAD=
0,056
EACD=
0,019
ED=
0,006
EBC=
0,031
EBCD=
0,006
EBD=
0,119
ECD=
0,119
EABCD=
yC
0,056
61,406
A lexamen de ces effets, on constate quils sont faibles par rapport au poids
moyen calcul 61,4 ( maximum 0,6 pour le facteur C) et on peut se demander sils
ne sont pas de lordre de grandeur de ceux qui se produisent par suite de la
dispersion des valeurs exprimentales. Nous allons bientt examiner cet aspect du
problme.
Un rsultat est clair : leffet de D (0,006) est pratiquement nul : le changement du
mode de lavage ne joue pas sur le poids de prcipit.
On peut donc rexaminer les rsultats en ne tenant pas compte du facteur D : on
est ramen ltude dun plan 23 (A, B, C) chaque condition exprimentale ayant t
46
rpte 2 fois.
1-3-3 : Calcul des effets dun plan 2n dans le cas o il y a des

rptitions
Ce cas concerne :
les plans factoriels pour lesquels au dpart il a t prvu que
chaque condition exprimentale serait rpte 2 fois, 3 fois, etc.
Le but est damliorer la prcision de la dtermination des effets.
Cette pratique est trs courante en BIOLOGIE parce que la
dispersion des mesures est souvent grande. En revanche, elle est
rare dans les essais industriels o la rptabilit des dterminations
est gnralement bonne.
les plans factoriels pour lesquels aprs analyse, un facteur se

rvle sans effet ainsi que nous venons de le voir.
Le calcul des effets utilise encore la matrice des effets.
Avec un tableur type EXCEL on peut oprer de 2 faons.
47
Calcul des effets dun plan 2n dans le cas o il y a des rptitions
1re faon
On calcule les moyennes des rponses pour chaque condition

exprimentale et on effectue le calcul classique des effets avec les
moyennes.
Par exemple pour un plan 22 "tripliqu"
n
essai
AB
rp 1
-1
-1
+1
+1
y1
y1'
y1"
y1
+1
-1
-1
+1
y2
y'2
y"2
y2
-1
+1
-1
+1
y3
y3'
y"3
y3
+1
+1
+1
+1
y4
y'4
y"4
y4
EA
1
( y1 y2
4
y3
y4 )
E AB
1
( y1 y2
4
y3
y4 )
EB
1
( y1 y2
4
rp 2
y3
rp 3
moyenne
y4 )
48
2me faon
On peut aussi "copier" la matrice des effets autant de fois qu'il y a de rptitions et
on effectue le calcul des effets partir des rponses individuelles en divisant par le
nombre d'expriences ralises. Par exemple pour un plan 22 "tripliqu" :
EA
n essai
AB
rponse
-1
-1
+1
+1
+1
-1
-1
+1
y1
y2
-1
+1
-1
+1
+1
+1
+1
+1
y3
y4
n essai
AB
rponse
-1
-1
+1
+1
+1
-1
-1
+1
-1
+1
-1
+1
+1
+1
+1
+1
y1'
y'2
y3'
y'4
n essai
AB
rponse
-1
-1
+1
+1
+1
-1
-1
+1
-1
+1
-1
+1
+1
+1
+1
+1
y1"
y"2
y"3
y"4
1
( y1
12
y2
y3
y4
y1'
y'2
y'3
y'4
y1"
idem pour EB, EAB, yC
y"2
y"3
y"4 )
49
2me faon (suite)
Cette faon de calculer montre immdiatement que dans un essai

2n comportant un facteur effet nul et ramen un plan 2n-1
comportant 2 rptitions, il n'y a pas besoin de refaire les calculs. Il
suffit de supprimer dans la matrice des effets tout ce qui se
rapporte au facteur effet nul.
Dans l'exemple 4, on supprimera donc les colonnes D, AD, BD, CD,
ABD, ACD, BCD et ABCD.
Les autres colonnes restent les mmes et les effets sont donc
identiques ceux que l'on avait calculs, soit :
EA=
0,306
EAB=
0,093
EABC=
0,081
EB=
0,244
EAC=
-0,181
yC
61,406
EC=
0,619
EBC=
0,031
Alors quel est l'intrt de ne pas tenir compte de D pour avoir des
rptitions ?
Il rside dans un autre aspect du problme, celui de la signification
des effets : c'est ce que nous allons maintenant examiner.
50
2- ANALYSE DES RESULTATS : QUELS EFFETS

(PRINCIPAUX, INTERACTIONS) SONT
SIGNIFICATIFS ?
Les exemples prcdents ont montr qu'aucun effet calcul, mme

parmi les interactions d'ordres levs, n'est rigoureusement gal 0.
Cette constatation n'est pas surprenante puisque les effets sont calculs
partir des rponses mesures, entaches d'erreur alatoire.
Un effet, positif ou ngatif, est d'autant plus crdible que sa valeur
absolue est grande.
51
A partir de quelle VALEUR SEUIL, peut-on dire qu'un effet est

SIGNIFICATIF, autrement dit qu'il a certainement une existence
relle ?
Soit
l'cart-type(*) d'un effet principal ou d'interaction de

grandeur E.
E
si |E | est trs suprieur

considr comme certaine.
, au moins 3 fois, l'existence de l'effet sera
si |E | est trs nettement infrieure E , l'effet calcul a plus de chances de

rsulter de la dispersion des mesures de rponses que de l'existence relle de
l'effet : la dcision sera que l'effet n'existe pas.
si |E | et E sont du mme ordre de grandeur, c'est le cas critique pour lequel il

faudra avoir recours aux tests statistiques pour dcider de l'existence ou non de
l'effet.
pour des GRANDEURS CALCULEES (c'est le cas des effets) il faut

prfrer le terme d'ERREUR TYPE ou d'ERREUR STANDARD.
(*)
52
Base thorique : relation entre variabilit des effets et variabilit

des rponses individuelles.
Dans un essai factoriel, n'importe quel effet Ei se calcule partir des n

1
rponses individuelles par Ei
(+ ou selon les effets)
( y1 y2 ......... yn )
n
Comme les mesures y1, y2, , yn sont indpendantes, les variances
1 2
2
2
2
s'ajoutent
(
......
Ei
y1
y2
yn )
2
n
( 2y1 , 2y2 ,..., 2yn variances des mesures, 2Ei variance de l'effet Ei )
Dans la suite, nous supposerons que les rponses individuelles sont
distribues normalement et ont toutes le mme cart-type y dans le
2
2
2
...
domaine exprimental : y1
y2
yn
2
1
yn
2
2
2
2
(
......
)
Ei
yn
yn
yn
n
n 2
n fois
L'erreur type
est la mme pour tous les effets
y
E
53
Erreur-type d'un effet
y
E
Cette formule est donc valable pour les effets principaux, les
interactions et la rponse y C au centre du domaine. La connaissance
de y permet donc d'estimer E .
Dans la pratique exprimentale, plusieurs cas peuvent se prsenter.

1. l'cart-type y est connu par des expriences antrieures de mme
type que celles du plan et suffisamment nombreuses pour tre fiables.
C'est le meilleur des cas.
2. l'cart-type y n'est pas connu mais l'exprimentateur a prvu dans
le plan quelques expriences complmentaires pour l'estimer. Un
cas particulier est celui o le plan a t conu pour comporter des
rptitions.
3. l'cart-type y n'est pas connu et il n'y a eu ni rptitions du plan, ni
essais complmentaires. On peut encore estimer E , l'erreur-type des
effets, en utilisant les interactions d'ordres levs. C'est la mthode la
moins satisfaisante.
54
2-1 : Dtermination des effets significatifs quand

y connu par expriences antrieures
Reprenons l'exercice 3 (louche d'une solution)
facteurs
niveaux
A = re
20C 40C
B = vitesse agitation
100 t.min-1 - 300 t.min-1
C = concentration additif
0,1 % - 0,5 %
L'exprimentateur avait constat depuis longtemps la prsence de ce
louche lors des prparations successives dans les conditions habituelles
(30C ; 200 t.min-1 ; 0,3 %). A chaque prparation, il mesurait l'opacit
pour s'assurer qu'elle ne dpassait pas une limite fixe.
En tudiant la distribution de 50 mesures de louche dans ces conditions, il
trouve que les valeurs semblent se rpartir selon une loi Normale.
- de moyenne 7,85
- d'cart-type y = 2,45
55
- cart-type sur 50 valeurs
= 2,45
n = 23 = 8 rponses
y
> Erreur-type d'un effet
2, 45
8
0,866 0,9
Pour savoir si la dispersion des mesures peut expliquer ou non la

diffrence E 0 d'un effet on calcule :
E
z0
E
que l'on compare la valeur seuil de z sur la table de la loi Normale

rduite, le risque tant choisi.
si z 0 2 on prend un risque de 5 % en affirmant que l'effet existe
si z 0 2, 6 --------------------------- 1 % -----------------------------------On peut aussi exprimer le rsultat du test en degr de signification
56
Exemple 3 (tude du louche)

EA= 4,41 EB= 0,89 EC= 3,89 EAB= 1,86 EAC= 0,36 EBC= - 0,81
EABC= 0,16 yC = 7,94
Dans cette tude, seuls 3 effets peuvent tre considrs comme

significatifs au risque 5 % : EA= 4,41 EC= 3,89 EAB= 1,86
- effet principal de la temprature (A) :
z0
4, 41
0,866
5, 09
- effet principal de l'additif (C) :
z0
3,89
0,866
4, 49
z0
1,86
0,866
2,15
- effet de l'interaction
re X
agitation (AB) :
CONCLUSION
L'augmentation de la concentration d'additif augmente l'opacit.
L'augmentation de la temprature provoque aussi une augmentation du
louche mais celle ci dpend de la vitesse d'agitation.
57
Exemple 3
A(
re)
-1
B
(agit)
-1
y1=0
-1
y2=4,7
-1
+1
y3=0
+1
+1
y4=11,5
-1
-1
y5=9
+1
-1
y6=14,5
-1
+1
y7=5,1
+1
Effet temprature :
rponse
+1
+1
PRESENTATION DES RESULTATS
y8=18,7
- effet moyen
EA
1
( y1
8
y2
y3
y4
y5
y6
y7
y8 )
4, 41
y
E
2, 45
8
0, 9
- effet niveau BAS de B (100 t.min-1)

EA
1
( y1
4
y2
y5
y6 )
2, 55
2, 5
2, 45
y
E
1, 23 1, 2
- effet niveau HAUT de B (300 t.min-1)

EA
1
( y3
4
y4
effet de la temprature
sur l'opacit
y7
y8 )
6, 275
6, 3
y
E
2, 45
4
1, 23 1, 2
RCAPITULATIF DES VALEURS D'EFFET
6,3
additif : 3,9 0,9 units d'opacit

temprature :
4,4
- 100 t.min-1 : 2,5 1,2 units

- 300 t.min-1 : 6,3 1,2 units
2,5
100
200
300
58
vitesse agitation
(t.min-1
REMARQUE
Bien que la variabilit des rponses ne soit pas value en

mme temps que l'exprience factorielle, cette technique est
souvent utilise dans le domaine de la Chimie et des essais
industriels et elle donne des rsultats satisfaisants.
Cela tient au fait que, dans ces secteurs d'exprimentation, il y a

souvent une bonne stabilit de la dispersion dans le temps.
Elle prsente en revanche des risques d'erreur d'analyse dans les

sciences du vivant (Biologie) cause de l'htrognit du matriel
exprimental et de son inconstance dans le temps ; il est meilleur,
en gnral, d'estimer la variabilit en mme temps que l'exprience
factorielle.
59
Rappel : pour estimer lerreur-type d'un effet
y
E

rptitions.
60
2-2 : Dtermination des effets significatifs au

moyen dexpriences complmentaires
2-2-1 : Quelques essais complmentaires
On prvoit n rptitions (n essais, au minimum 5, en un mme
point, de prfrence au centre du domaine) qui permettent
destimer lcart type sy dune rponse y puis de calculer sE ,
lerreur type dun effet, grce la relation thorique prcdente.

Chaque effet (principal et interaction) est alors test par un test t
de Student n-1 degrs de libert :
tC=
E
sE
compar t Seuil (table de student au risque 0,05)
Lorsque le degr de signification du test p est < 0,05 ,

on considre leffet comme ayant une existence relle : le
facteur agit sur la rponse.
61
2-2-1 : Quelques essais complmentaires (suite)

Exercice 2 (question 2)
Au centre du domaine (70C, 12,5 g.L-1), il a t effectu 6 essais complmentaires,

on a obtenu les rendements (en %) : 77,3 79,1 77,8 77,0 77,7 79,1
- cart-type estim 5 d.d.l. sy = 0,899
sE
n = 22 = 4 rponses
sy
n
0,899
4
0,449
Pour savoir si la dispersion des mesures peut expliquer ou non la

diffrence E 0 d'un effet on calcule : t 0
E
sE
que l'on compare la valeur seuil de t sur la table de STUDENT, le risque

tant choisi.
si t 0 t on prend un risque de 5 % en affirmant que l'effet existe
On peut aussi exprimer le rsultat du test en degr de signification
62
tseuil = 2,57 (5 d.d.l)

Dans cette tude, les 3 effets peuvent tre considrs comme significatifs
au risque 5 %
t0
6, 25
13,9
0, 45
- effet principal de la concentration (B) :
t0
11, 25
0, 45
25,0
t0
1, 25
0, 45
2,78
trs significatif
trs significatif
- effet de l'interaction
significatif
re X
conc (AB) :
temprature
: 11,25 0,45
concentration
: 6,25 0,45
interaction
re X
conc : 1,25 0,45

63
2-2 : Dtermination des effets significatifs au

moyen dexpriences complmentaires
2-2-2 : Rptition du plan factoriel
On a n rponses pour chaque condition exprimentale.
On peut calculer :
la dispersion (variance) dans chaque groupe

la variance s2y commune
qui permet destimer lcart type sy dune rponse y puis de
calculer sE ,
Chaque effet (principal et interaction) est alors test comme
prcdemment par un test t :
64
2-2-2 : Rptition du plan factoriel (suite)

Exercice 4 (question 3)
Nous avons vu (question 2) quon pouvait considrer quil sagit dune
exprience 3 facteurs (temprature, concentration, temps), chaque
condition tant rpte 2 fois.
On estime la variance sur chacun des 8 groupes (8 conditions), chacune 1
d.d.l. et lon en dduit lestimation de la variance commune :
s2y = 0,1356 8 d.d.l.

- cart-type estim 8 d.d.l. sy = 0,368
rponses
sE
N =2 x 23 = 16
sy
n
0,368
16
0,092
65
tseuil = 2,31 (8 d.d.l)

Dans cet exemple, seuls les 3 effets principaux sont significatifs au risque
5%
significatif
t0
0,306
0,092
3,33
- effet principal de la concentration (B) :
t0
0, 244
0,092
2,65
- effet principal du temps de contact (C) :
t0
0,619
0,092
6,72
significatif
trs significatif
laugmentation de 5C de la temprature augmente le rendement de : 0,31 0,09

laugmentation de 0,5 g/L de la concentration augmente le rendement de : 0,24 0,09
laugmentation de 7,5 min du temps de contact augmente le rendement de : 0,62 0,09
Ces facteurs semblent agir indpendamment
66
REMARQUE : Il est aussi possible pour tester les effets dutiliser lANALYSE
DE VARIANCE ( 3 facteurs croiss ici). On obtient bien sur les mmes
degrs de signification. Calcul avec SigmaStat :
67
Rappel : pour estimer lerreur-type d'un effet
y
E

rptitions.
68
2-3 : Dtermination des effets significatifs

sans essais complmentaires
2-3-1 : laide des interactions dordres levs
Il faut supposer que les interactions dordre lev (3 et plus) nont
pas deffet et que les valeurs calcules ne diffrent de 0 que par suite de
la dispersion exprimentale des mesures de rponses. Ces valeurs
constituent donc des mesures dcarts 0 alatoires et permettent donc
destimer lerreur type sE , valable pour tous les effets.
On teste la signification des effets intressants (principaux et de
2me ordre) par une srie de tests t de Student , comme
prcdemment.
La mthode nest fiable que sil y a suffisamment dinteractions
dordres suprieurs dans lestimation de sE. Le plan doit donc
comporter au moins 4 facteurs.
Exemple : exercice n4 , question 4.
69
exercice n4 , question 4.
Effets dont on teste la signification (jusqu interaction ordre 2) :

A, B, C, D, AB, AC,..CD
Effets supposs nuls* et servant calculer la dispersion (interaction

ordre 3 et 4) :
ABC, ABD,..ABCD
* remarque : moyenne calcule 0,004
estimation de
= moyenne des carrs des carts la moyenne 0
(Ei 0)2
s
2
E
E 2 ABC E 2 ABD ... E 2 ABCD

5
0,086
SE = 0,0927 (5 d.d.l.)
REMARQUE : SE a pratiquement la mme valeur que celle obtenue en ngligeant

D (question 3) mais il ny a ici que 5 d.d.l. au lieu de 8, les degrs de
signification sont plus levs et certaines conclusions pourraient basculer
Ainsi, on aboutit aux mmes conclusions (A, B et C significatifs) mais de
justesse pour B.
2-3 : Dtermination des effets significatifs

sans essais complmentaires
2-3-2 : critre graphique de normalit
Les effets inactifs sont supposs tre distribus normalement avec
comme moyenne 0 et comme cart type E. Ils doivent donc conduire
des points sensiblement aligns dans un graphe de probabilit normale.
Les effets significatifs (non nuls) seront situs en dehors de cette droite.
Ils se comporteront comme des valeurs aberrantes
Exemple : exercice n5 , question 4.
71
Critre graphique de normalit (principe)

1.0
1.0
0.8
Distribution normale
cumule
0.8
Distribution
normale
0.6
F
(,
0.4
Distribution normale
cumule
Distribution
Normale centre rduite
0.6
F
(0, 1)
0.4
0.2
0.2
0
0
X suit une loi Normale (,
Z suit une loi Normale (0,

pente : 1/
Relation linaire :
Zi
Xi
m
0
Critre graphique de normalit (principe)
Pour tester la normalit d'une srie de valeurs X on calcule pour

chacune l'quivalent de la probabilit relative cumule :
- La Frquence Relative Cumule (FRC)
on lui fait correspondre par la table de la loi Normale la valeur Z
correspondante :
On reprsente Z=f(X), si les points sont sensiblements aligns,
l'hypothse de normalit est acceptable
Normale
Non-normale
Critre graphique de normalit (calculs)

Ranger les donnes xi par valeurs croissantes ; noter 1 pour la plus
petite, 2 pour la deuxime, ...., et N pour la plus grande. Ces nombres
sont appels les rangs (1, 2, ..., ri, ....N).
On admettra la formule suivante :
FRCi
ri
N
8
1
4
La table de la loi Normale permet d'obtenir la valeur zi correspondant

FRCi (voir exemples dans fichier Excel)
application aux effets : exercice n5 , question 4.
RAPPEL
Mthodologie dans ltude d un

phnomne
Lors de l tude d un phnomne, plusieurs
questions se posent, auxquelles rpondent
diffrents types de plans. On peut
distinguer 3 grandes tapes dans
l acquisition des connaissances :
Recherche des facteurs influents trait !

Modlisation
Optimisation
75
RAPPEL
la modlisation
Quand les facteurs influents ont t identifis et
leur importance quantifie, on recherche ensuite
l quation permettant de dcrire les variations de
la rponse tudie en fonction de celles des
facteurs influents ; cette seconde tape constitue
la modlisation.
Modles utiliss : linaires polynomiaux du 1er degr ou du 2e degr :
= yC + a1X1 + a2X2 + a12X1X2.
= yC + a1X1 + a2X2 + a12X1X2 + a11x1 + a22x2..
Nous nous limiterons aux polynmes du 1er degr

76
3 - LE MODELE LINEAIRE (1er degr)

La mthode prcdente de calcul des effets utilise de faon
sous-jacente un modle linaire : une quation permet de reprsenter
la rponse Y en fonction des facteurs XA , XB
Ce modle permet de quantifier les effets EA , EB , EAB .. et de

dtecter ceux qui sont significatifs.
Cette quation a dautres objectifs :
permettre de prvoir la rponse dans des conditions
exprimentales o aucune mesure na t effectue ( lintrieur du

domaine).
servir de point de dpart dans une tude doptimisation.
77
3-1 : lquation du modle linaire (plans 2n)

Dans le modle linaire , la rponse prdite, note
somme de plusieurs termes :
est la
la moyenne de lensemble des rponses du plan yc

pour un facteur, le terme est une fonction du 1er degr par
rapport au facteur centr rduit X , le coefficient de proportionnalit

tant gal leffet principal de ce facteur (effet moyen).
pour une interaction , le terme est constitu par les produits des
facteurs centrs rduits intervenant dans linteraction et leffet moyen
de cette interaction.
y = y + EA XA + EBXB + EABXA XB ...

78
Cas dun plan 22 avec interaction

Exemple : exercice n2 pour lequel EA , EB et EAB sont significatifs :
y = y + EA XA + EBXB + EABXA XB
Les effets calculs ont pour valeurs
EA = 6,25
EB = 11,25
EAB = 1,25
avec
y=76,25
Numriquement , pour des rendements y exprims en % , on crit :
= 76,25 + 6,25 XA + 11,25 XB + 1,25 XA XB

Cette quation permet de prdire les
valeurs des rendements pour des
conditions exprimentales situes
lintrieur du domaine explor par le
plan.
79
Prdiction dune rponse
Exemple : exercice n2
= 76,25 + 6,25 XA + 11,25 XB + 1,25 XA XB
Quelle rponse peut-on prdire pour la condition exprimentale
suivante : A = 76C, CB = 11,5g.L-1 ?
A la temprature A = 76C correspond la valeur du facteur centr

rduit (60< <80):
76-70
XA=
=+0,6
10
A la concentration CB = 11,5g.L-1 correspond la valeur du facteur
centr rduit (10< C<15):
11,5-12,5
XB =
=-0,4
2,5
La rponse prdite scrit :
= 76,25 + (6,25*0,6) + (11,25*-0,4) + (1,25*0,6*-0,4)
= 75,20 %
80
Gnralisation : cas dun plan 2n
Mme pour un nombre n de facteurs levs, le nombre deffets

significatifs se limite souvent quelques facteurs et
interactions de 2e ordre : lquation du modle reste relativement
simple
Exemple : exercice n5 (question 5)
Plan 25
Nous avons mis en vidence 3 facteurs significatifs : A, D, F

et 2 interactions significatives : AD, DF
EA = 10,25
ED = 5,125
EF = -3,5
EAD = 6,125
EDF = -5,125
yc = 116
do lquation :
y = y + EA XA + EDXD + EFXF +EADXAXD EDFXDXF

soit :
= 116 +10,25*XA + 5,125*XD - 3, 5*XF + 6,125*XAXD - 5,125*XDXF
81
Prdiction
exercice n5 (question 5, suite)
70-60
=+0,5
20
A -> 70 -> valeur du facteur centr rduit:
XA=
D -> 20 -> valeur du facteur centr rduit:
XD =
F -> 0,40 -> valeur du facteur centr rduit:
XF =
20-15
=+1
5
0,40-0,40
=0
0,20
= 116 +10,25*XA + 5,125*XD - 3, 5*XF + 6,125*XAXD - 5,125*XDXF
soit :
= 129.3
82
3-2 : Utilisation de la rgression linaire multiple

La rgression linaire multiple a pour objet dexpliquer une
variable (ici Y) par plusieurs variables explicatives (ici les
facteurs et les interactions) au moyen dune relation linaire :
=a+b1X1+b2X2+...+bnXn
Elle convient donc parfaitement bien la modlisation des plans

factoriels 2n comportant des facteurs quantitatifs :
- les variables explicatives sont indpendantes entre elles
(par construction du plan)
- les coefficients de lquation (effets estims) galement
83
Rgression linaire multiple (en pratique)

En pratique, dans la matrice des effets, on choisit comme
variables explicatives les colonnes correspondant aux
facteurs et aux interactions dordre 2.
On suppose donc que les interactions dordre lev (3 et plus) nont pas
deffet (Cf 2-3-1).
Rappelons que lon peut ainsi estimer lerreur type sE , sur les
effets et tester les effets principaux et les interactions dordre 2
NB : Les rsultats peuvent en plus comprendre ltude des
rsidus, utiles pour tester la validit du modle choisi (voir
plus loin)
84
Rgression linaire multiple (exemple)

Exemple : exercice n4 (question 5)
Lon peut utiliser lutilitaire danalyse dExcel (module rgression

linaire).
On limite le calcul aux 4 facteurs A, B, C, D et aux 6 interactions
dordre 2.
On retrouve les valeurs des effets (coefficients), de lerreur
type et le degr de signification (probabilit) des effets, dj
obtenus prcdemment (beaucoup plus laborieusement !)
85
3-3 : validit de lquation de prdiction

3-3-1 : test du modle
Dans les plans factoriels 2n chaque facteur nest expriment

quen 2 points , aux extrmits 1 et +1 du domaine.
Cela explique le choix empirique dune quation du 1er degr en

fonction des facteurs centrs rduits X : par 2 points , il passe une
droite et une seule ; mais il faut aussi ajouter quil peut y passer
une infinit de courbes dquations diverses
rponse y
Il est donc important de sassurer de la
modle vrai
(inconnu)
mesure au
niveau haut
modle linaire
ajust
mesure au
niveau bas
-1
0
facteur A
linarit de lquation dans tout le domaine

en ralisant des expriences
complmentaires avec un 3me point
lintrieur du domaine. On choisit
gnralement le centre (X = 0) situ gale
distance des extrmits exprimentes.
86
Quand on dispose de rptitions au centre du domaine exprimental,

il est possible de juger la linarit de lquation de prdiction en
comparant statistiquement
la moyenne y0 de ces rptitions.
la rponse prdite au centre par lquation linaire , gale la

moyenne y des n rponses du plan factoriel 2n.
Ces 2 moyennes doivent tre en thorie gales et en pratique peu diffrer

lorsque le modle linaire est valide.
Et, Lorsquon obtient des valeurs trs diffrentes , scartant de plusieurs
fois lcart type , cela signifie que le modle linaire nest pas valable et
quil faut envisager un modle empirique plus complexe , o les facteurs
centrs rduits interviennent au 2me degr par exemple.
Notons quil existe des tests statistiques dcart la linarit du modle
Exemple : exercice n2 , 4me question.
87

Erreur-type : 0,45
moyenne calcule : yc = 76,25 0,45 (m SE)
6 essais au centre ont t effectus pour lesquels la
rponse moyenne des mesures est
moyenne mesure : y0 = 78 0,37
Il y a dsaccord entre la vraie moyenne mesure et son valuation par
calcul. ; un test t permet de le confirmer :
d = 78 76.25 = 1.75
sd=(0,37) + (0,45)
Sd = 0,58 (5+5=10 ddl)
t = d/ Sd = 3,02 (seuil = 2,23)
Le modle du 1er degr nest pas valide ici : toutes les prvisions de
rponses sont fausses : il aurait fallu valider le modle avant !
88
3-3 : validit de lquation de prdiction

3-3-2 : tude des rsidus
rsidu = rponse mesure rponse prdite
ri = yi i
pour lessai n i
Exemple : exercice n5
= 116 +10,25*XA + 5,125*XD - 3, 5*XF + 6,125*XAXD - 5,125*XDXF
n essai
mesur
prdit
rsidu
109
105,125
3,875
113
113,375
-0,375
103
105,125
-2,125
113
113,375
-0,375
103
105,125
-2,125
89
La notion de rsidu na pas de sens si lquation du modle tient

compte de tous les effets calculs : les rsidus sont videmment tous
nuls (pour un plan sans rptition).
Si lon ne tient compte que des effets significatifs, les rsidus ont
des valeurs non nulles qui doivent tre considres comme des
termes derreur
rsidu ---- partie de la mesure non explicable par le modle
causes possibles :
- variations des facteurs non contrls pendant lexprience
- imprcision de la mthode de mesure
- modle inadapt
- etc
90
Par construction les rsidus ont toujours comme moyenne 0 et

comme cart-type Sy, lcart-type des rponses individuelles
Les suppositions statistiques du modle ncessitent que les rsidus

soient distribus de faon alatoire, suivant une loi normale.
Mthodes de vrification de la Normalit et du caractre alatoire :

- graphe de probabilit normale
- ltude des rsidus rduits (rri = ri / Sy doit tre
compris entre -2 et +2)
- etc
91
3-4 : Modlisation en reprsentation

qualitative
3-4-1 : Ecriture du modle
Pour un facteur qualitatif*, la dfinition de leffet moyen
rponse
EA = rp niveau haut moy gnrale des rponses
Facteur A
est artificielle (* exemple : prsence ou non dun catalyseur)

Effet
Moyen
EA
Effet
Global
Seule la variation de rponse entre le

niveau bas et le niveau haut prsente
de lintrt : cest leffet global 2 EA
On peut donc distinguer un effet
moyen pour chaque niveau de facteur :
- niveau haut :+EA= rp niveau haut
- niveau bas : - EA = rp niveau bas
-1
+1
xA
y
y
Dans le modle ce facteur sera

reprsent par : [- EA +EA ] [A ]
92
[- EA +EA ] [A ]
Facteur :
effet niveau bas -
effet niveau haut
ce symbole est seulement

prsent pour indiquer que
les valeurs deffets se
rfrent ce facteur
exemple : modle avec 2 facteurs A et B significatifs sans interaction

= y + [- EA +EA ] [A ] + [- EB +EB ] [B ]
lavantage dun tel modle est que tous les effets des facteurs significatifs
chaque niveau sont reprsents numriquement : on peut donc calculer
facilement la rponse prdite pour un tat donn
Interaction : pour une interaction de 2e ordre AB il y a 4 tats possibles et on
crira le terme correspondant sous forme matricielle :
facteur A
niveau bas
niveau haut
EAB
EAB
EAB
AB
EAB
niveau bas niveau haut

facteur B
93
exemple : modle complet 22 avec interaction
= y + [- EA +EA ] [A ] + [- EB +EB ] [B ]+
exemple numrique :
y = 58,9
EA = - 25,0
EAB
EAB
EAB
AB
EAB
EB = +13,6
EAB = +8,2
Prdire la rponse pour A au niveau haut et B au niveau bas

Le modle scrit :
= 58,9 + [+25 -25 ] [A ] + [- 13,6 +13,6 ] [B ]+

Rponse prdite :
8,2
8,2
8,2
AB
8,2
= 58,9 25 13,6 -8,2 = 12,1

94
-Ce type de modlisation est gnralisable plus de 2 facteurs qualitatifs.

On ny fait figurer que les effets et les interactions dordre 2 significatifs
- Il peut sappliquer aussi aux facteurs quantitatifs quand on ne sintresse

quaux rponses prdites aux points expriments.
Exemple : exercice n5 , 7me question
a)-
Plan 25 : nous avons mis en vidence 3 facteurs significatifs : A, D, F

et 2 interactions significatives : AD, DF
EA = 10,25
ED = 5,125
EF = -3,5
EAD = 6,125
EDF = -5,125
yc = 116
= 116 + [-10,25 +10,25 ] [A ] + [- 5,125 +5,125 ] [D ]+ [+3,5 -3,5 ] [F ]

+
6,125
6,125
6,125
AD
6,125
5,125
5,125
5,125
DF
5,125
95
3-4 : Modlisation en reprsentation

qualitative
3-4-2 : Application : recherche des modalits
conduisant une rponse optimale
Exemple : exercice n5 , 7me question
EA = 10,25
ED = 5,125
EF = -3,5
EAD = 6,125
EDF = -5,125
yc = 116
b)-
La rponse maximale sera obtenue avec les modalits suivantes :

- A et D : niveau haut (EA et ED positifs)
- F : niveau bas (EF ngatif)

Rponse prdite :
= 116 +10,25 +5,125 +3,5+6,125+5,125 = 146,125
On retrouve la rponse prdite avec le modle quantitatif linaire

On pouvait deviner ces modalits optimales en reprant les rponses
mesures les plus leves : essais n10, 12, 14 et 16
96
Conclusion sur les plans 2n

Ces plans sont efficaces, simples analyser et interprter. Ils ont
galement des vertus pdagogiques en amenant lexprimentateur
sortir de la stratgie : un seul facteur variable tudi la fois
Cependant :
Quand le nombre de facteurs augmente : exprimentations

coteuses en temps et en argent - plans fractionnaires
Certaines combinaisons de facteurs peuvent tre irralisables :

par exemple un compos peut prcipiter lorsquon utilise un pH et
une temprature incompatibles.
Deux niveaux par facteur peuvent tre insuffisants : par
exemple il faut plus de 2 concentrations pour faire une courbe

dtalonnage- plans avec plus de 2 niveaux
97

1 PFCdiapo

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

1 PFCdiapo

Încărcat de

Drepturi de autor:

Formate disponibile

LES PLANS FACTORIELS

Laboratoire de Biophysique et Mathmatiques

Facult de Pharmacie de Tours

LES PLANS EXPERIMENTAUX

Une exprience est une intervention

LES PLANS EXPERIMENTAUX

Pourquoi un plan exprimental ?

Ncessit d'une recherche

LES PLANS EXPERIMENTAUX

Notion de plan efficace

Un plan d expriences efficace se

LES PLANS EXPERIMENTAUX

Un facteur (quantitatif ou qualitatif) est un

LES PLANS EXPERIMENTAUX

Mthodologie dans ltude d un

Recherche des facteurs influents

LES PLANS EXPERIMENTAUX

la recherche des facteurs

Parmi tous les facteurs susceptibles d influer sur le

- lesquels ont une influence significative ?

LES PLANS EXPERIMENTAUX

Les plans factoriels suffisent parfois. Il se peut

LES PLANS EXPERIMENTAUX

Il existe plusieurs mthodes pour ce faire ; citons,

l tude des courbes iso rponses

LES PLANS EXPERIMENTAUX

La recherche des facteurs

Quelles rponses choisir ?

LES PLANS EXPERIMENTAUX

Quels facteurs tudier ?

Autres facteurs considrer

LES PLANS EXPERIMENTAUX

Les facteurs non contrlables, dont les niveaux

Limites du domaine exprimental

LES PLANS FACTORIELS

n facteurs (A,B,C,) sont tudis chacun 2

22 : 2 facteurs 2 niveaux dfinissent 4 conditions

4 essais sil nest pas prvu de rptitions

23 : 3 facteurs 2 niveaux dfinissent 8 conditions

8 essais sil nest pas prvu de rptitions, 16 si le plan est dupliqu

26 : 6 facteurs 2 niveaux ,soit 64 conditions exprimentales soit,

64 essais (pas de rptition) , 128 ( plan dupliqu ) etc..

Ces Plans 2 sont ceux quil faut utiliser pour

1- DEFINITION DES EFFETS PRINCIPAUX ET DES

Graphe du DOMAINE EXPERIMENTAL (hachur)

Avec 4 conditions exprimentales, le maximum defficacit dans

1-1-1 : la matrice dexprience

La colonne nessai, repre de la condition exprimentale (1=A0B0,

cela signifie que 70C correspond xA=0 et quentre xA et

65C correspond donc xA=-0,5 et 78C xA=+0,8

Pour la concentration, xB=-1 pour 10 g.L-1 et xB=+1 pour 15 g.L-1

On notera que le centre du domaine exprimental correspond au

1-1-2 : effet global et effet moyen dun facteur.

Par suite de lorganisation des expriences

un effet peut svaluer de 2 faons :

effet global = y2-y1 =70 60 = 10%

effet global = y4-y3 =90 80 = 10%

effet global = y3-y1 =80 60 = 20%

effet global = y4-y2 =90 70 = 20%

Leffet moyen not E est la moiti de leffet global

Pour visualiser les rsultats on peut

1-1-3 : interaction entre 2 facteurs. valuation

EVALUATION DE LINTERACTION (EAB)