{"id":16,"date":"2023-10-11T08:13:39","date_gmt":"2023-10-11T06:13:39","guid":{"rendered":"https:\/\/mmpve.mtf.stuba.sk\/?page_id=16"},"modified":"2025-10-12T09:23:48","modified_gmt":"2025-10-12T07:23:48","slug":"register-pojmov","status":"publish","type":"page","link":"https:\/\/mmpve.mtf.stuba.sk\/?page_id=16","title":{"rendered":"Register pojmov"},"content":{"rendered":"<p><span style=\"color: #003366;\"><strong>A<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Adekv\u00e1tnos\u0165 regresn\u00e9ho modelu (Model Adequacy Checking)<\/strong><\/span>: Adekv\u00e1tnos\u0165 regresn\u00e9ho modelu sa vz\u0165ahuje na kontrolu dvoch hlavn\u00fdch podmienok:<\/li>\n<\/ul>\n<ol>\n<li><strong>\u0160truktur\u00e1lna primeranos\u0165<\/strong>: Pos\u00fadenie, \u010di model poskytuje primeran\u00fa aproxim\u00e1ciu skuto\u010dn\u00e9mu syst\u00e9mu &#8211; test Lack of Fit (LOF) a test krivosti (Curvature test).<\/li>\n<li><strong>Overenie predpokladov<\/strong>: Overenie, \u010di neboli poru\u0161en\u00e9 predpoklady met\u00f3dy najmen\u0161\u00edch \u0161tvorcov MN\u0160. Prim\u00e1rnym n\u00e1strojom je anal\u00fdza rez\u00eddu\u00ed. Ak je model adekv\u00e1tny, rezidu\u00e1 by mali by\u0165 bez \u0161trukt\u00fary (nez\u00e1vislos\u0165 rezidu\u00ed). Kontrolou grafov rezidu\u00ed sa zis\u0165uje, \u010di rezidu\u00e1 nes\u00favisia so \u017eiadnou inou premennou, vr\u00e1tane predpovedanej odozvy:<\/li>\n<\/ol>\n<ul>\n<li><em>Normalitu rezidu\u00ed<\/em> kontrolujeme na grafe norm\u00e1lnej pravdepodobnosti rezidu\u00ed (Normal probability plot of residuals). Hrub\u00e9 alebo tenk\u00e9 chvosty rozdelenia ch\u00fdb s\u00fa d\u00f4le\u017eitej\u0161ie ako mierne odch\u00fdlky od normality.<\/li>\n<li><em>Kon\u0161tantn\u00fd rozptyl<\/em>: Testujeme, \u010di maj\u00fa rez\u00eddu\u00e1 kon\u0161tantn\u00fd rozptyl. Ak je model spr\u00e1vny, graf rezidu\u00ed oproti prisp\u00f4soben\u00fdm hodnot\u00e1m (Plot of residuals versus fitted values) by nemal odhali\u0165 \u017eiadny zjavn\u00fd vzor. Heteroskedasticita &#8211; nekon\u0161tantn\u00fd rozptyl (napr. vizu\u00e1lne vidite\u013en\u00fd zakriven\u00fd tvar na grafe) m\u00f4\u017ee nazna\u010dova\u0165 interakciu medzi blokmi a meraniami (treatments) a m\u00f4\u017ee vy\u017eadova\u0165 transform\u00e1ciu d\u00e1t.<\/li>\n<li><em>Vplyvn\u00e9 body (influential observations) a od\u013eahl\u00e9 hodnoty (outliers) <\/em>kontrolujeme pomocou diagnostick\u00fdch \u0161tatist\u00edk ako R-student alebo pomocou Cookovej vzdialenosti .<\/li>\n<li><em>Predik\u010dn\u00fa schopnos\u0165<\/em> indikuje PRESS \u0161tatistika (Prediction Error Sum of Squares) alebo s&nbsp;\u0148ou s\u00favisiaca hodnota .<\/li>\n<\/ul>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Aliasing<\/strong><\/span>: Vlastnos\u0165 frak\u010dn\u00fdch faktori\u00e1lnych dizajnov , kde dva alebo viac vplyvov (napr. hlavn\u00fd vplyv a interakcia) nie je mo\u017en\u00e9 od seba odl\u00ed\u0161i\u0165. Odhady t\u00fdchto efektov (vplyvov) s\u00fa zmie\u0161an\u00e9, \u010do znamen\u00e1, \u017ee odhadnut\u00fd efekt je v&nbsp;skuto\u010dnosti s\u00fa\u010dtom alebo rozdielom aliasovan\u00fdch efektov.<\/li>\n<li><span style=\"color: #003366;\"><strong>Anal\u00fdza kovariancie (Analysis of Covariance &#8211; ANCOVA)<\/strong><\/span>: \u0160tatistick\u00e1 met\u00f3da, ktor\u00e1 kombinuje anal\u00fdzu variancie a regresn\u00fa anal\u00fdzu. Pou\u017e\u00edva sa na zv\u00fd\u0161enie presnosti experimentu kompenz\u00e1ciou vplyvu nekontrolovate\u013enej, ale merate\u013enej ru\u0161ivej premennej (kovari\u00e1tu), ktor\u00e1 je line\u00e1rne spojen\u00e1 s&nbsp;odozvou.<\/li>\n<li><span style=\"color: #003366;\"><strong>Anal\u00fdza variancie (Analysis of Variance &#8211; ANOVA)<\/strong><\/span>: Z\u00e1kladn\u00e1 \u0161tatistick\u00e1 met\u00f3da, ktor\u00e1 testuje rovnos\u0165 viacer\u00fdch priemerov prostredn\u00edctvom rozdelenia celkovej variability v&nbsp;d\u00e1tach na zlo\u017eky priraden\u00e9 faktorom experimentu (napr. SS_Treatments) a na zlo\u017eku n\u00e1hodnej chyby (SSE)<\/li>\n<li><span style=\"color: #003366;\"><strong>Axi\u00e1lne body (Axial points)<\/strong><\/span>: Axi\u00e1lne (hviezdicov\u00e9) body umiestnen\u00e9 pozd\u013a\u017e komponentov\u00fdch os\u00ed pri met\u00f3de odozvovej plochy (RSM), \u010dasto sa pou\u017e\u00edvaj\u00fa na\u00a0roz\u0161\u00edrenie simplexov\u00fdch dizajnov.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>B<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Blokovanie (Blocking)<\/strong><\/span>: Technika na zv\u00fd\u0161enie presnosti experimentu odstr\u00e1nen\u00edm variability sp\u00f4sobenej ru\u0161iv\u00fdmi faktormi. Experiment\u00e1lne behy s\u00fa rozdelen\u00e9 do\u00a0homog\u00e9nnych skup\u00edn (blokov), \u010d\u00edm sa variabilita medzi blokmi oddel\u00ed od\u00a0experiment\u00e1lnej chyby.<\/li>\n<li><span style=\"color: #003366;\"><strong>Box-Cox met\u00f3da (Box-Cox Method)<\/strong><\/span>: \u0160tatistick\u00e1 met\u00f3da na ur\u010denie najvhodnej\u0161ej transform\u00e1cie mocninov\u00e9ho typu (), ktor\u00e1 pom\u00e1ha stabilizova\u0165 rozptyl a pribl\u00ed\u017ei\u0165 rozdelenie rez\u00eddu\u00ed k&nbsp;norm\u00e1lnemu rozdeleniu. H\u013ead\u00e1 hodnotu , ktor\u00e1 minimalizuje s\u00fa\u010det \u0161tvorcov ch\u00fdb.<\/li>\n<li><span style=\"color: #003366;\"><strong>Box-Behnkenov dizajn (Box-Behnken Design)<\/strong><\/span>: Efekt\u00edvny troj\u00farov\u0148ov\u00fd \u00a0(sf\u00e9rick\u00fd) dizajn pri\u00a0 modeloch druh\u00e9ho r\u00e1du, ktor\u00fd nevy\u017eaduje behy v&nbsp;rohoch experiment\u00e1lneho priestoru (faktorov\u00fdch bodoch). Je alternat\u00edvou k&nbsp;centr\u00e1lnemu kompozitn\u00e9mu dizajnu. Absencia rohov\u00fdch bodov m\u00f4\u017ee by\u0165 v\u00fdhodn\u00e1, ak kombin\u00e1cie na rohoch predstavuj\u00fa nastavenia \u00farovn\u00ed faktorov, ktor\u00e9 s\u00fa pr\u00edli\u0161 drah\u00e9 alebo nemo\u017en\u00e9 testova\u0165 kv\u00f4li fyzik\u00e1lnym obmedzeniam procesu. Je efekt\u00edvny vzh\u013eadom na po\u010det behov. Tento dizajn je \u0161peci\u00e1lne navrhnut\u00fd pre kvantitat\u00edvne faktory.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>C<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Centr\u00e1lne body (Center Points)<\/strong><\/span>: Replikovan\u00e9 behy v&nbsp;strede (v\u0161etky kvantit\u00edvne faktory na \u00farovni 0) faktori\u00e1lneho dizajnu umo\u017e\u0148uj\u00fa z\u00edska\u0165 odhad \u010distej chyby a testova\u0165 pr\u00edtomnos\u0165 kvadratick\u00e9ho zakrivenia v&nbsp;odozve.<\/li>\n<li><span style=\"color: #003366;\"><strong>Centr\u00e1lny kompozitn\u00fd dizajn (Central Composite Design &#8211; CCD)<\/strong><\/span>: Najbe\u017enej\u0161\u00ed dizajn pri fitovan\u00ed modelmi druh\u00e9ho r\u00e1du (RSM), t. j. ke\u010f potrebujeme modelova\u0165 kvadratick\u00fa z\u00e1vislos\u0165. Sklad\u00e1 sa z&nbsp;faktori\u00e1lnych bodov (\u010dasto z&nbsp;\u00a0alebo ), axi\u00e1lnych (hviezdicov\u00fdch) bodov a centr\u00e1lnych bodov.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>D<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Defini\u010dn\u00fd vz\u0165ah (Defining Relation)<\/strong><\/span>: S\u00fabor v\u0161etk\u00fdch efektov, ktor\u00e9 s\u00fa v&nbsp;dizajne frak\u010dn\u00e9ho faktorov\u00e9ho dizajnu rovn\u00e9 st\u013apcu identity (I). Tento vz\u0165ah ur\u010duje cel\u00fa alias \u0161trukt\u00faru dizajnu.<\/li>\n<li><span style=\"color: #003366;\"><strong>Dizajn 2\u1d4f (2\u1d4f Factorial Design)<\/strong><\/span>: Typ faktorov\u00e9ho dizajnu, kde sa sk\u00fama <em>k<\/em> faktorov, ka\u017ed\u00fd na dvoch \u00farovniach (n\u00edzka\/vysok\u00e1). S\u00fa ve\u013emi efekt\u00edvne na skr\u00edning faktorov a odhad interakci\u00ed.<\/li>\n<li><span style=\"color: #003366;\"><strong>Dizajn 3\u1d4f (3\u1d4f Factorial Design)<\/strong><\/span>: Faktori\u00e1lny dizajn, kde sa sk\u00fama <em>k<\/em> faktorov, ka\u017ed\u00fd na troch \u00farovniach (n\u00edzka, stredn\u00e1, vysok\u00e1). Umo\u017e\u0148uje modelova\u0165 kvadratick\u00e9 efekty, ale \u010dasto nie je nato\u013eko efekt\u00edvny, ako in\u00e9 dizajny ur\u010den\u00e9 na tento \u00fa\u010del.<\/li>\n<li><span style=\"color: #003366;\"><strong>D-optimalita (D-optimality)<\/strong><\/span>: Krit\u00e9rium na kon\u0161trukciu experiment\u00e1lnych dizajnov, ktor\u00e9 minimalizuje objem spolo\u010dnej konfiden\u010dnej oblasti pre regresn\u00e9 koeficienty. To sa dosahuje maximaliz\u00e1ciou determinantu matice <strong>X&#8217;X<\/strong>.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>E<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Efekt faktora (Factor Effect)<\/strong><\/span>: Zmena v&nbsp;priemernej odozve sp\u00f4soben\u00e1 zmenou \u00farovne faktora. Zvy\u010dajne sa odhaduje ako rozdiel medzi priemern\u00fdmi odozvami na\u00a0vysokej a n\u00edzkej \u00farovni faktora.<\/li>\n<li><span style=\"color: #003366;\"><strong>Empirick\u00fd model (Empirical Model)<\/strong><\/span>: Matematick\u00fd model odvoden\u00fd z&nbsp;experiment\u00e1lnych d\u00e1t, ktor\u00fd popisuje vz\u0165ah medzi odozvou a faktormi. Typicky ide o\u00a0polynomick\u00e9 modely. Je protikladom mechanistick\u00e9ho modelu, ktor\u00fd je zalo\u017een\u00fd na\u00a0fyzik\u00e1lnych princ\u00edpoch.<\/li>\n<li><span style=\"color: #003366;\"><strong>Estim\u00e1tor (odhad)<\/strong><\/span>: Funkcia pozorovan\u00ed na vzorke, ktor\u00e1 sa pou\u017e\u00edva na odhad nezn\u00e1mych parametrov.<\/li>\n<li><span style=\"color: #003366;\"><strong>Experiment (Experiment)<\/strong><\/span>: Proces, pri ktorom sa z\u00e1merne a systematicky menia vstupn\u00e9 premenn\u00e9 (faktory) s&nbsp;cie\u013eom pozorova\u0165 a identifikova\u0165 zmeny na v\u00fdstupnej premennej (odozve) a pochopi\u0165 vz\u0165ahy pr\u00ed\u010diny a n\u00e1sledku.<\/li>\n<li><span style=\"color: #003366;\"><strong>Experiment\u00e1lna chyba (Experimental Error)<\/strong><\/span>: Prirodzen\u00e1 a n\u00e1hodn\u00e1 variabilita v\u00a0odozve, ktor\u00e1 vznik\u00e1 z&nbsp;nekontrolovan\u00fdch zdrojov. Jej ve\u013ekos\u0165 sa odhaduje pomocou replik\u00e1ci\u00ed.<\/li>\n<li><span style=\"color: #003366;\"><strong>Extr\u00e9m<\/strong> <strong>&#8211; extr\u00e9mna hodnota (extreme sample point<\/strong><strong>)<\/strong><\/span>: Pojem pou\u017e\u00edvan\u00fd v&nbsp;kontexte vizu\u00e1lneho sumarizovania d\u00e1t, napr. pri popise box plotov maximum a minimum, ktor\u00e9 definuj\u00fa konce f\u00fazov v&nbsp;\u0161katu\u013eov\u00fdch grafov.<\/li>\n<li><span style=\"color: #003366;\"><strong>EVOP (Evolutionary Operation)<\/strong><\/span>: Met\u00f3da postupnej optimaliz\u00e1cie prebiehaj\u00faceho v\u00fdrobn\u00e9ho procesu. Zah\u0155\u0148a systematick\u00e9 zav\u00e1dzanie mal\u00fdch zmien v&nbsp;\u00farovniach faktorov s&nbsp;cie\u013eom postupne sa pos\u00fava\u0165 k&nbsp;optim\u00e1lnym podmienkam bez naru\u0161enia v\u00fdroby.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>F<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Faktor (Factor)<\/strong><\/span>: Vstupn\u00e1 premenn\u00e1 v&nbsp;experimente, ktorej vplyv na odozvu sa sk\u00fama. Faktor m\u00f4\u017ee by\u0165 <strong>kvalitat\u00edvny<\/strong> (napr. typ materi\u00e1lu) alebo <strong>kvantitat\u00edvny<\/strong> (napr. teplota, \u010das&#8230;).<\/li>\n<li><span style=\"color: #003366;\"><strong>Faktorov\u00fd\/faktori\u00e1lny dizajn (Factorial Design)<\/strong><\/span>: Experiment\u00e1lny pl\u00e1n, v&nbsp;ktorom s\u00fa testovan\u00e9 v\u0161etky mo\u017en\u00e9 kombin\u00e1cie \u00farovn\u00ed v\u0161etk\u00fdch sk\u00faman\u00fdch faktorov. Jeho hlavnou v\u00fdhodou je schopnos\u0165 odhadova\u0165 interakcie medzi faktormi.<\/li>\n<li><span style=\"color: #003366;\"><strong>Fixn\u00fd faktor (Fixed Factor)<\/strong><\/span>: Faktor, ktor\u00e9ho \u00farovne s\u00fa v&nbsp;experimente \u0161pecificky zvolen\u00e9 experiment\u00e1torom a z\u00e1very sa vz\u0165ahuj\u00fa iba na tieto konkr\u00e9tne \u00farovne.<\/li>\n<li><span style=\"color: #003366;\"><strong>Fold over (preklopenie)<\/strong><\/span>: Technika na roz\u0161\u00edrenie frak\u010dn\u00e9ho faktori\u00e1lneho dizajnu (zvy\u010dajne s&nbsp;n\u00edzkym rozl\u00ed\u0161en\u00edm) pridan\u00edm \u010fal\u0161\u00edch behov s&nbsp;opa\u010dn\u00fdmi znamienkami pre\u00a0jeden alebo v\u0161etky faktory. Pou\u017e\u00edva sa na dealiasovanie (oddelenie) hlavn\u00fdch vplyvov od dvojfaktorov\u00fdch interakci\u00ed.<\/li>\n<li><span style=\"color: #003366;\"><strong>Frak\u010dn\u00fd\/\u010diasto\u010dn\u00fd faktorov\u00fd dizajn (Fractional Factorial Design)<\/strong><\/span>: Dizajn, ktor\u00fd vyu\u017e\u00edva iba vybran\u00fa podmno\u017einu behov z&nbsp;pln\u00e9ho faktori\u00e1lneho dizajnu. Je ekonomick\u00fd, ale za cenu toho, \u017ee niektor\u00e9 vplyvy s\u00fa vz\u00e1jomne aliasovan\u00e9.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>G<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Generalizovan\u00fd line\u00e1rny model (Generalized Linear Model &#8211; GLM)<\/strong><\/span>: Roz\u0161\u00edrenie tradi\u010dn\u00fdch line\u00e1rnych modelov pre odozvy, ktor\u00e9 nesp\u013a\u0148aj\u00fa predpoklad normality (napr. binomick\u00e9 alebo Poissonove d\u00e1ta). Ide o rodinu modelov, ktor\u00fa vyvinuli Nelder a Wedderburn (1972) a ktor\u00e1 v&nbsp;podstate zjednocuje line\u00e1rne a neline\u00e1rne regresn\u00e9 modely s&nbsp;odozvov\u00fdmi rozdeleniami, ktor\u00e9 s\u00fa \u010dlenom exponenci\u00e1lnej rodiny. GLM je d\u00f4le\u017eit\u00fd typ neline\u00e1rneho modelu, ktor\u00fd sa \u010dasto vyskytuje v&nbsp;priemyselnom experimentovan\u00ed. GLM predstavuje <strong>alternat\u00edvu k&nbsp;transform\u00e1cii d\u00e1t<\/strong> nasledovanej \u0161tandardnou met\u00f3dou najmen\u0161\u00edch \u0161tvorcov. Pri GLM sa fitovanie modelu vykon\u00e1va <strong>met\u00f3dou maxim\u00e1lnej vierohodnosti<\/strong> (<em>maximum likelihood<\/em>).<\/li>\n<li><span style=\"color: #003366;\"><strong>Gener\u00e1tor (Generator)<\/strong><\/span>: Efekt (zvy\u010dajne interakcia vysok\u00e9ho r\u00e1du) pou\u017eit\u00fd na vytvorenie frak\u010dn\u00e9ho faktori\u00e1lneho dizajnu. Ur\u010duje, ktor\u00e9 st\u013apce sa pou\u017eij\u00fa na definovanie \u00farovn\u00ed nov\u00fdch faktorov a definuje alias \u0161trukt\u00faru.<\/li>\n<li><span style=\"color: #003366;\"><strong>G-optimalita (G-optimality)<\/strong><\/span>: Krit\u00e9rium pre v\u00fdber dizajnu, ktor\u00e9 minimalizuje maxim\u00e1lnu predik\u010dn\u00fa varianciu v&nbsp;r\u00e1mci experiment\u00e1lneho regi\u00f3nu. Tieto dizajny s\u00fa vhodn\u00e9, ak je cie\u013eom presn\u00e1 predikcia v&nbsp;celom priestore.<\/li>\n<li><span style=\"color: #003366;\"><strong>Graeco-latinsk\u00fd \u0161tvorec (Graeco-Latin Square Design)<\/strong><\/span>: Dizajn pou\u017e\u00edvan\u00fd na\u00a0systematick\u00e9 riadenie (blokovanie) troch ru\u0161iv\u00fdch faktorov. Ka\u017ed\u00e1 \u00farove\u0148 sledovan\u00e9ho faktora sa vyskytuje pr\u00e1ve raz v&nbsp;ka\u017edom riadku, st\u013apci a s&nbsp;ka\u017ed\u00fdm gr\u00e9ckym p\u00edsmenom.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>H<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Hierarchick\u00fd princ\u00edp (Hierarchy principle)<\/strong><\/span>: Pravidlo pri tvorbe modelu, pod\u013ea ktor\u00e9ho ak model obsahuje interakciu vy\u0161\u0161ieho r\u00e1du (napr. AB), mal by obsahova\u0165 aj v\u0161etky efekty ni\u017e\u0161ieho r\u00e1du, ktor\u00e9 ju tvoria (t. j. A a B).<\/li>\n<li><span style=\"color: #003366;\"><strong>Hlavn\u00fd vplyv (Main Effect)<\/strong><\/span>: Hlavn\u00fd efekt faktora A je rozdiel medzi priemernou odozvou na vysokej \u00farovni A a priemernou odozvou na n\u00edzkej \u00farovni, t. j. definuje ako sa zmen\u00ed odozva pri prechode z&nbsp;n\u00edzkej na\u00a0vysok\u00fa \u00farove\u0148 dan\u00e9ho faktora. V&nbsp;pr\u00edpade dvoj\u00farov\u0148ov\u00e9ho faktorov\u00e9ho dizajnu vyjadruje priemern\u00fd vplyv jedn\u00e9ho faktora na odozvu, spriemerovan\u00fd cez \u00farovne ostatn\u00fdch faktorov. Ak je interakcia ve\u013ek\u00e1, zodpovedaj\u00face hlavn\u00e9 efekty maj\u00fa len mal\u00fd praktick\u00fd v\u00fdznam. V\u00fdznamn\u00e1 interakcia \u010dasto m\u00f4\u017ee maskova\u0165 v\u00fdznam hlavn\u00fdch efektov. Ak je pr\u00edtomn\u00e1 v\u00fdznamn\u00e1 interakcia, experiment\u00e1tor mus\u00ed obvykle sk\u00fama\u0165 \u00farovne jedn\u00e9ho faktora pri fixn\u00fdch \u00farovniach druh\u00e9ho faktora, aby dospel k&nbsp;z\u00e1verom o hlavnom efekte.<\/li>\n<li><span style=\"color: #003366;\"><strong>Hypot\u00e9za (Hypothesis)<\/strong><\/span>: Tvrdenie o parametroch z\u00e1kladn\u00e9ho s\u00faboru, pravdepodobnostn\u00e9ho rozdelenia alebo modelu, ktor\u00e9 sa overuje pomocou \u0161tatistick\u00fdch testov.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>I<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Interakcia (Interaction)<\/strong><\/span>: Nast\u00e1va, ke\u010f vplyv jedn\u00e9ho faktora na odozvu z\u00e1vis\u00ed od \u00farovne in\u00e9ho faktora. Pr\u00edtomnos\u0165 v\u00fdznamnej interakcie znamen\u00e1, \u017ee hlavn\u00e9 vplyvy nemo\u017eno interpretova\u0165 samostatne.<\/li>\n<li><span style=\"color: #003366;\"><strong>I-optimalita (I-optimality)<\/strong><\/span>: Krit\u00e9rium pre v\u00fdber dizajnu, ktor\u00e9 minimalizuje priemern\u00fa predik\u010dn\u00fa variabilitu v&nbsp;r\u00e1mci experiment\u00e1lneho regi\u00f3nu. Tieto dizajny s\u00fa vhodn\u00e9, ak je d\u00f4le\u017eit\u00e1 celkov\u00e1 kvalita predikcie v&nbsp;celom priestore.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>J<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Jedna replik\u00e1cia (Single Replicate \/ Unreplicated Design)<\/strong><\/span>: Experiment\u00e1lny dizajn, v&nbsp;ktorom sa ka\u017ed\u00e1 kombin\u00e1cia faktorov vykon\u00e1 iba raz. Ch\u00fdba priamy odhad chyby, preto sa na anal\u00fdzu pou\u017e\u00edvaj\u00fa \u0161peci\u00e1lne met\u00f3dy, ako je norm\u00e1lov\u00fd graf efektov alebo Lenthova met\u00f3da pri Pareto grafe.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>K<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Kombinovan\u00e9 pole (Combined Array Design)<\/strong><\/span>: Efekt\u00edvnej\u0161ia alternat\u00edva ku kr\u00ed\u017een\u00fdm poliam pri robustnom dizajne. V\u0161etky faktory (kontrolovate\u013en\u00e9 aj \u0161umov\u00e9) s\u00fa umiestnen\u00e9 v&nbsp;jednom experiment\u00e1lnom pl\u00e1ne, \u010do umo\u017e\u0148uje priame modelovanie interakci\u00ed medzi nimi.<\/li>\n<li><span style=\"color: #003366;\"><strong>Kontrast (Contrast)<\/strong><\/span>: Line\u00e1rna kombin\u00e1cia priemerov alebo s\u00fa\u010dtov odoziev, ktorej koeficienty sa s\u010d\u00edtaj\u00fa do nuly. Pou\u017e\u00edva sa na odhadovanie vplyvov a testovanie \u0161pecifick\u00fdch hypot\u00e9z.<\/li>\n<li><span style=\"color: #003366;\"><strong>Kovari\u00e1t (Covariate)<\/strong><\/span>: Nekontrolovate\u013en\u00e1, ale merate\u013en\u00e1 premenn\u00e1, ktor\u00e1 ovplyv\u0148uje odozvu. Jej vplyv sa odstra\u0148uje pomocou anal\u00fdzy kovariancie.<\/li>\n<li><span style=\"color: #003366;\"><strong>Kr\u00ed\u017een\u00e9 pole (Crossed Array Design)<\/strong><\/span>: Experiment\u00e1lny dizajn pou\u017e\u00edvan\u00fd v\u00a0Taguchiho met\u00f3dach, ktor\u00fd sa sklad\u00e1 z&nbsp;dvoch oddelen\u00fdch pol\u00ed \u2013 vn\u00fatorn\u00e9ho (pre\u00a0kontrolovate\u013en\u00e9 faktory) a vonkaj\u0161ieho (pre \u0161umov\u00e9 faktory). Ka\u017ed\u00e1 kombin\u00e1cia z&nbsp;vn\u00fatorn\u00e9ho po\u013ea sa testuje so v\u0161etk\u00fdmi kombin\u00e1ciami z&nbsp;vonkaj\u0161ieho po\u013ea.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>L<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Latinsk\u00fd \u0161tvorec (Latin Square Design)<\/strong><\/span>: Dizajn pou\u017e\u00edvan\u00fd na systematick\u00e9 riadenie (blokovanie) dvoch ru\u0161iv\u00fdch faktorov (riadkov a st\u013apcov).<\/li>\n<li><span style=\"color: #003366;\"><strong>Lenthova met\u00f3da (Lenth&#8217;s&nbsp;Method)<\/strong><\/span>: Lenthova met\u00f3da je \u0161tatistick\u00fd postup ur\u010den\u00fd na anal\u00fdzu nereplikovan\u00fdch faktorov\u00fdch dizajnov, ktor\u00fd odhaduje variabilitu kontrastov (pomocou pseudo\u0161tandardnej chyby PSE) s&nbsp;cie\u013eom ur\u010di\u0165, ktor\u00e9 efekty s\u00fa v\u00fdznamn\u00e9. Pou\u017e\u00edva sa v&nbsp;pr\u00edpadoch, kde nie je k&nbsp;dispoz\u00edcii intern\u00fd odhad chyby, a pom\u00e1ha pos\u00fadi\u0165 \u0161tatistick\u00fa v\u00fdznamnos\u0165 faktorov\u00fdch efektov.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>\u00a0<\/strong><strong>M<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Met\u00f3da najstrm\u0161ieho vzostupu (Method of Steepest Ascent)<\/strong><\/span>: Sekven\u010dn\u00e1 met\u00f3da pou\u017e\u00edvan\u00e1 v&nbsp;RSM na r\u00fdchle presunutie sa z&nbsp;aktu\u00e1lneho opera\u010dn\u00e9ho bodu smerom k\u00a0oblasti optim\u00e1lnej odozvy. Smer je ur\u010den\u00fd koeficientmi modelu prv\u00e9ho r\u00e1du.<\/li>\n<li><span style=\"color: #003366;\"><strong>Metodol\u00f3gia odozvovej plochy (Response Surface Methodology &#8211; RSM)<\/strong><\/span>: S\u00fabor matematick\u00fdch a \u0161tatistick\u00fdch techn\u00edk na modelovanie a anal\u00fdzu probl\u00e9mov, kde je odozva ovplyvnen\u00e1 viacer\u00fdmi premenn\u00fdmi, s&nbsp;cie\u013eom optimalizova\u0165 t\u00fato odozvu.<\/li>\n<li><span style=\"color: #003366;\"><strong>Minim\u00e1lna aber\u00e1cia (Minimum Aberration)<\/strong><\/span>: Krit\u00e9rium pre v\u00fdber najlep\u0161ieho frak\u010dn\u00e9ho faktorov\u00e9ho dizajnu. Dizajn s&nbsp;minim\u00e1lnou aber\u00e1ciou minimalizuje po\u010det slov najkrat\u0161ej d\u013a\u017eky vo svojom definuj\u00facom vz\u0165ahu, \u010d\u00edm sa minimalizuje aliasing medzi d\u00f4le\u017eit\u00fdmi efektmi.<\/li>\n<li><span style=\"color: #003366;\"><strong>Mie\u0161an\u00fd model (Mixed Model)<\/strong><\/span>: \u0160tatistick\u00fd model, ktor\u00fd obsahuje fixn\u00e9 aj n\u00e1hodn\u00e9 faktory.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>N<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>N\u00e1hodn\u00fd faktor (Random Factor)<\/strong><\/span>: Faktor, ktor\u00e9ho \u00farovne s\u00fa n\u00e1hodne vybran\u00e9 z\u00a0v\u00e4\u010d\u0161ej popul\u00e1cie \u00farovn\u00ed. Z\u00e1very sa zov\u0161eobec\u0148uj\u00fa na cel\u00fa popul\u00e1ciu \u00farovn\u00ed, nielen na tie, ktor\u00e9 boli testovan\u00e9.<\/li>\n<li><span style=\"color: #003366;\"><strong>Nested dizajn (Vnoren\u00e9 usporiadanie)<\/strong><\/span>: Experiment\u00e1lny dizajn, kde \u00farovne jedn\u00e9ho faktora (B) s\u00fa jedine\u010dn\u00e9 v&nbsp;r\u00e1mci ka\u017edej \u00farovne in\u00e9ho faktora (A). Faktor B je &#8222;vnoren\u00fd&#8220; pod faktorom A. Interakcia medzi vnoren\u00fdmi a hlavn\u00fdmi faktormi sa ned\u00e1 odhadn\u00fa\u0165.<\/li>\n<li><span style=\"color: #003366;\"><strong>Norm\u00e1lov\u00fd pravdepodobnostn\u00fd graf (Normal Probability Plot)<\/strong><\/span>: Grafick\u00fd n\u00e1stroj na pos\u00fadenie, \u010di d\u00e1ta (zvy\u010dajne rez\u00eddu\u00e1 alebo efekty) poch\u00e1dzaj\u00fa z&nbsp;norm\u00e1lneho rozdelenia. Body by mali le\u017ea\u0165 pribli\u017ene na priamke.<\/li>\n<li><span style=\"color: #003366;\"><strong>Nulov\u00e1 hypot\u00e9za (Null Hypothesis)<\/strong><\/span>: Tvrdenie, ktor\u00e9 v&nbsp;experimente testujeme, zvy\u010dajne o neexistencii rozdielu alebo efektu.<\/li>\n<li><span style=\"color: #003366;\"><strong>Ru\u0161iv\u00fd faktor (Nuisance Factor)<\/strong><\/span>: Faktor, ktor\u00fd pravdepodobne ovplyv\u0148uje odozvu, ale nie je predmetom prim\u00e1rneho z\u00e1ujmu. Jeho vplyv sa sna\u017e\u00edme eliminova\u0165 alebo kontrolova\u0165 pomocou blokovania, randomiz\u00e1cie alebo anal\u00fdzy kovariancie.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>O<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Odozva (Response)<\/strong><\/span>: Meran\u00e1 v\u00fdstupn\u00e1 premenn\u00e1 experimentu, ktor\u00e1 je predmetom sk\u00famania.<\/li>\n<li><span style=\"color: #003366;\"><strong>Ortogon\u00e1lne kontrasty (Orthogonal Contrasts)<\/strong><\/span>: Sada kontrastov, ktor\u00fdch koeficienty s\u00fa zvolen\u00e9 tak, aby boli navz\u00e1jom nez\u00e1visl\u00e9. Umo\u017e\u0148uj\u00fa rozdeli\u0165 s\u00fa\u010det \u0161tvorcov pre faktory na nez\u00e1visl\u00e9 jedno-stup\u0148ov\u00e9 zlo\u017eky.<\/li>\n<li><span style=\"color: #003366;\"><strong>Ortogon\u00e1lny dizajn (Orthogonal Design)<\/strong><\/span>: Dizajn, v&nbsp;ktorom s\u00fa odhady v\u0161etk\u00fdch efektov (v&nbsp;danom modeli) navz\u00e1jom nekorelovan\u00e9 (nez\u00e1visl\u00e9). To zjednodu\u0161uje v\u00fdpo\u010det a interpret\u00e1ciu. Dizajny 2\u1d4f s\u00fa ortogon\u00e1lne.<\/li>\n<li><span style=\"color: #003366;\"><strong>Outlier (Od\u013eahl\u00e1 hodnota)<\/strong><\/span>: Pozorovanie, ktor\u00e9 sa v\u00fdrazne l\u00ed\u0161i od ostatn\u00fdch d\u00e1t. Je potenci\u00e1lne vysoko vplyvn\u00fd (highly influential) pri regresnej anal\u00fdze. \u00a0Od\u013eahl\u00e1 hodnota m\u00f4\u017ee by\u0165 sp\u00f4soben\u00e1 chybou merania alebo \u0161peci\u00e1lnymi podmienkami a m\u00f4\u017ee v\u00fdrazne skresli\u0165 v\u00fdsledky anal\u00fdzy rozptylu. Pri regresnej diagnostike s\u00fa rezidu\u00e1, ktor\u00e9 le\u017eia mimo intervalu (-2, 2), pova\u017eovan\u00e9 za potenci\u00e1lne neobvykl\u00e9 (potentially unusual). Ak je outlier detekovan\u00fd (napr. pomocou R-student alebo graficky), je potrebn\u00e1 kontrola. M\u00f4\u017ee \u00eds\u0165 o chybu pri zaznamen\u00e1van\u00ed \u00fadajov, ale pokia\u013e nie s\u00fa k&nbsp;dispoz\u00edcii primeran\u00e9 ne\u0161tatistick\u00e9 d\u00f4vody (reasonably nonstatistical grounds), nemal by by\u0165 tento bod odmietnut\u00fd.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>P<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Parci\u00e1lny F-test (Partial F-test)<\/strong><\/span>: Test v&nbsp;regresnej anal\u00fdze, ktor\u00fd hodnot\u00ed v\u00fdznamnos\u0165 pr\u00edspevku podmno\u017einy premenn\u00fdch k&nbsp;modelu, za predpokladu, \u017ee ostatn\u00e9 premenn\u00e9 u\u017e v&nbsp;modeli s\u00fa.<\/li>\n<li><span style=\"color: #003366;\"><strong>P\u00e1rov\u00fd porovn\u00e1vac\u00ed dizajn (Paired Comparison Design)<\/strong><\/span>: \u0160peci\u00e1lny pr\u00edpad randomizovan\u00e9ho blokov\u00e9ho dizajnu na porovnanie dvoch o\u0161etren\u00ed (treatments). Pozorovania s\u00fa usporiadan\u00e9 do p\u00e1rov (blokov) s&nbsp;cie\u013eom eliminova\u0165 variabilitu medzi p\u00e1rmi. Pr\u00edkladom je p\u00e1rov\u00fd t-test.<\/li>\n<li><span style=\"color: #003366;\"><strong>Plackett-Burmanov dizajn (Plackett-Burman Design)<\/strong><\/span>: Typ dvoj\u00farov\u0148ov\u00e9ho frak\u010dn\u00e9ho faktorov\u00e9ho dizajnu na skr\u00edning ve\u013ek\u00e9ho po\u010dtu faktorov. M\u00e1 zlo\u017eitej\u0161iu, \u010diasto\u010dn\u00fa alias \u0161trukt\u00faru. Plackett-Burmanove dizajny s\u00fa ur\u010den\u00e9 na \u0161t\u00fadium k&nbsp;premenn\u00fdch v&nbsp;N behoch (runs), kde k&nbsp;je maxim\u00e1lne N-1, pri\u010dom N mus\u00ed by\u0165 n\u00e1sobkom \u0161tyroch (napr. N = 12, 20, 24, 28, 36).<\/li>\n<li><span style=\"color: #003366;\"><strong>Princ\u00edp sparsity efektov (Sparsity of Effects Principle)<\/strong><\/span>: Empirick\u00fd princ\u00edp, ktor\u00fd hovor\u00ed, \u017ee v\u00e4\u010d\u0161ina variability v&nbsp;syst\u00e9me je sp\u00f4soben\u00e1 mal\u00fdm po\u010dtom hlavn\u00fdch vplyvov a interakci\u00ed n\u00edzkeho r\u00e1du.<\/li>\n<li><span style=\"color: #003366;\"><strong>P-hodnota (P-value)<\/strong><\/span>: Pravdepodobnos\u0165 z\u00edskania v\u00fdsledku aspo\u0148 tak extr\u00e9mneho, ako bol pozorovan\u00fd, za predpokladu, \u017ee nulov\u00e1 hypot\u00e9za je pravdiv\u00e1. Mal\u00e1 P-hodnota (zvy\u010dajne &lt; 0,05) indukuje zamietnutie nulovej hypot\u00e9ze.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>R<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Randomiz\u00e1cia (Randomization)<\/strong><\/span>: Z\u00e1kladn\u00fd princ\u00edp DOE, pri ktorom sa n\u00e1hodne ur\u010duje poradie experiment\u00e1lnych behov. Chr\u00e1ni pred vplyvom skryt\u00fdch (lurking) faktorov a zabezpe\u010duje spo\u013eahlivos\u0165 z\u00e1verov \u0161tatistick\u00fdch testov.<\/li>\n<li><span style=\"color: #003366;\"><strong>Regresn\u00fd model (Regression Model)<\/strong><\/span>: Matematick\u00e1 rovnica, ktor\u00e1 popisuje vz\u0165ah medzi odozvou a jedn\u00fdm alebo viacer\u00fdmi faktormi. V&nbsp;DOE sa \u010dasto pou\u017e\u00edvaj\u00fa line\u00e1rne a kvadratick\u00e9 regresn\u00e9 modely, resp. regresn\u00e9 modely line\u00e1rneho typu.<\/li>\n<li><span style=\"color: #003366;\"><strong>Replik\u00e1cia (Replication)<\/strong><\/span>: Nez\u00e1visl\u00e9 opakovanie ka\u017edej kombin\u00e1cie faktorov. Umo\u017e\u0148uje odhadn\u00fa\u0165 experiment\u00e1lnu chybu a zvy\u0161uje presnos\u0165 odhadov.<\/li>\n<li><span style=\"color: #003366;\"><strong>Rez\u00eddu\u00e1 (Residuals)<\/strong><\/span>: Rozdiely medzi pozorovan\u00fdmi hodnotami odozvy a hodnotami predikovan\u00fdmi modelom (vyrovnan\u00fdmi hodnotami). Ich anal\u00fdza je k\u013e\u00fa\u010dov\u00e1 pre\u00a0overenie adekv\u00e1tnosti modelu.<\/li>\n<li><span style=\"color: #003366;\"><strong>Robustn\u00fd parametrick\u00fd dizajn (Robust Parameter Design &#8211; RPD)<\/strong><\/span>: Pr\u00edstup, ktor\u00e9ho cie\u013eom je n\u00e1js\u0165 tak\u00e9 nastavenia kontrolovate\u013en\u00fdch faktorov, aby bol produkt alebo proces necitliv\u00fd (robustn\u00fd) vo\u010di variabilite sp\u00f4sobenej nekontrolovate\u013en\u00fdmi (\u0161umov\u00fdmi) faktormi.<\/li>\n<li><span style=\"color: #003366;\"><strong>Rozl\u00ed\u0161enie (Resolution)<\/strong><\/span>: Miera kvality frak\u010dn\u00e9ho faktori\u00e1lneho dizajnu, ktor\u00e1 popisuje, ak\u00e9 typy efektov s\u00fa navz\u00e1jom aliasovan\u00e9. Napr\u00edklad <strong>rozl\u00ed\u0161enie III<\/strong> aliasuje hlavn\u00e9 vplyvy s&nbsp;dvojfaktorov\u00fdmi interakciami, zatia\u013e \u010do <strong>rozl\u00ed\u0161enie IV<\/strong> aliasuje hlavn\u00e9 vplyvy s&nbsp;trojfaktorov\u00fdmi interakciami.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>S<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Sample size (Ve\u013ekos\u0165 vzorky)<\/strong><\/span>: Po\u010det pozorovan\u00ed potrebn\u00fdch na dosiahnutie po\u017eadovanej sily \u0161tatistick\u00e9ho testu (Power).<\/li>\n<li><span style=\"color: #003366;\"><strong>Screeningov\u00fd experiment (Screening Experiment)<\/strong><\/span>: Po\u010diato\u010dn\u00fd experiment, ktor\u00e9ho cie\u013eom je identifikova\u0165 najd\u00f4le\u017eitej\u0161ie faktory z&nbsp;ve\u013ek\u00e9ho po\u010dtu kandid\u00e1tov. \u010casto sa pou\u017e\u00edvaj\u00fa frak\u010dn\u00e9 faktori\u00e1lne dizajny.<\/li>\n<li><span style=\"color: #003366;\"><strong>Split-plot dizajn (Split-Plot Design)<\/strong><\/span>: Dizajn pou\u017e\u00edvan\u00fd v&nbsp;situ\u00e1ci\u00e1ch s&nbsp;obmedzenou randomiz\u00e1ciou, kde je \u0165a\u017ek\u00e9 alebo drah\u00e9 meni\u0165 \u00farovne niektor\u00fdch faktorov. Tieto &#8222;\u0165a\u017eko menite\u013en\u00e9&#8220; faktory tvoria &#8222;whole plots&#8220;, zatia\u013e \u010do &#8222;\u013eahko menite\u013en\u00e9&#8220; faktory tvoria &#8222;subplots&#8220;.<\/li>\n<li><span style=\"color: #003366;\"><strong>\u0160umov\u00fd faktor (Noise Factor)<\/strong><\/span>: Nekontrolovate\u013en\u00fd faktor, ktor\u00fd sp\u00f4sobuje variabilitu meran\u00fdch d\u00e1t. V&nbsp;robustnom dizajne sa experiment\u00e1tor sna\u017e\u00ed minimalizova\u0165 jeho vplyv na odozvu.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>T<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong><b class=\"ng-star-inserted\" data-start-index=\"0\">Taguchiho dizajn<\/b><span class=\"ng-star-inserted\" data-start-index=\"15\"> (Taguchi design)<\/span><\/strong><span class=\"ng-star-inserted\" data-start-index=\"15\"><span style=\"color: #000000;\">:<\/span><\/span><span style=\"color: #333333;\"><span class=\"ng-star-inserted\" data-start-index=\"15\"> Metodol\u00f3gia a pr\u00edstup k&nbsp;experiment\u00e1lnemu dizajnu<\/span><span class=\"ng-star-inserted\" data-start-index=\"125\">\u00a0zameran\u00fd na rie\u0161enie probl\u00e9mu <\/span>Robust Parameter Design (RPD)<span class=\"ng-star-inserted\" data-start-index=\"186\">. Cie\u013eom RPD je zvoli\u0165 \u00farovne riadite\u013en\u00fdch faktorov (controllable factors) tak, aby sa <\/span>priemer v\u00fdstupnej odozvy<span class=\"ng-star-inserted\" data-start-index=\"297\"> nach\u00e1dzal na po\u017eadovanej cie\u013eovej \u00farovni a s\u00fa\u010dasne bola <\/span>minimalizovan\u00e1 variabilita<span class=\"ng-star-inserted\" data-start-index=\"380\"> okolo tejto hodnoty<\/span><span class=\"ng-star-inserted\" data-start-index=\"400\">. Taguchi p\u00f4vodne navrhoval pou\u017eitie <\/span>skr\u00ed\u017een\u00fdch pol\u00ed (crossed array designs)<span class=\"ng-star-inserted\" data-start-index=\"476\"> a \u0161tatistiky pomeru sign\u00e1lu k&nbsp;\u0161umu, av\u0161ak tieto technick\u00e9 met\u00f3dy boli nesk\u00f4r pova\u017eovan\u00e9 za neefekt\u00edvne a kontroverzn\u00e9.<\/span><\/span><\/span><\/li>\n<li><span style=\"color: #003366;\"><strong>Transform\u00e1cia d\u00e1t (Data Transformation)<\/strong><\/span>: Aplik\u00e1cia matematickej funkcie (napr. logaritmus, odmocnina) na odozvu s&nbsp;cie\u013eom stabilizova\u0165 rozptyl, dosiahnu\u0165 normalitu alebo zjednodu\u0161i\u0165 model.<\/li>\n<li><span style=\"color: #003366;\"><strong>Treatment (O\u0161etrenie \u2013 meranie)<\/strong><\/span>: Konkr\u00e9tna kombin\u00e1cia \u00farovn\u00ed faktorov pou\u017eit\u00e1 v\u00a0experiment\u00e1lnom behu.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>U<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>\u00darove\u0148 faktora (Factor Level)<\/strong><\/span>: Konkr\u00e9tna hodnota alebo nastavenie faktora v\u00a0experimente.<\/li>\n<li><span style=\"color: #003366;\"><strong>\u00dapln\u00e9 preklopenie (Full fold over)<\/strong><\/span>: Technika roz\u0161\u00edrenia frak\u010dn\u00e9ho dizajnu, pri ktorej sa prid\u00e1 druh\u00e1 frakcia s&nbsp;opa\u010dn\u00fdmi znamienkami pre <em>v\u0161etky<\/em> faktory. Umo\u017e\u0148uje oddeli\u0165 v\u0161etky hlavn\u00e9 vplyvy od dvojfaktorov\u00fdch interakci\u00ed.<\/li>\n<\/ul>\n<p><span style=\"color: #003366;\"><strong>V<\/strong><\/span><\/p>\n<ul>\n<li><span style=\"color: #003366;\"><strong>Vnoren\u00e9 usporiadanie (Nested Design)<\/strong><\/span>: Vnoren\u00e9 usporiadanie (Nested Design) je tak\u00fd typ multifaktorov\u00e9ho experimentu, v&nbsp;ktorom \u00farovne jedn\u00e9ho faktora (napr. faktor B) s\u00fa podobn\u00e9, ale nie identick\u00e9 pre r\u00f4zne \u00farovne in\u00e9ho faktora (napr. faktor A). V&nbsp;tomto usporiadan\u00ed s\u00fa \u00farovne faktora B vnoren\u00e9 (nested) pod \u00farov\u0148ami faktora A. Preto\u017ee nie ka\u017ed\u00e1 \u00farove\u0148 vnoren\u00e9ho faktora (B) sa vyskytuje s&nbsp;ka\u017edou \u00farov\u0148ou nadraden\u00e9ho faktora (A), nem\u00f4\u017ee existova\u0165 interakcia medzi A a B<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>A Adekv\u00e1tnos\u0165 regresn\u00e9ho modelu (Model Adequacy Checking): Adekv\u00e1tnos\u0165 regresn\u00e9ho modelu sa vz\u0165ahuje na kontrolu dvoch hlavn\u00fdch podmienok: \u0160truktur\u00e1lna primeranos\u0165: Pos\u00fadenie, \u010di model poskytuje primeran\u00fa aproxim\u00e1ciu skuto\u010dn\u00e9mu syst\u00e9mu &#8211; test Lack of Fit (LOF) a test krivosti (Curvature test). Overenie predpokladov: Overenie, \u010di neboli poru\u0161en\u00e9 predpoklady met\u00f3dy najmen\u0161\u00edch \u0161tvorcov MN\u0160. Prim\u00e1rnym n\u00e1strojom je anal\u00fdza rez\u00eddu\u00ed. Ak je model adekv\u00e1tny, rezidu\u00e1 by mali by\u0165 bez \u0161trukt\u00fary (nez\u00e1vislos\u0165 rezidu\u00ed). Kontrolou grafov rezidu\u00ed sa zis\u0165uje, \u010di rezidu\u00e1 nes\u00favisia so \u017eiadnou inou premennou, vr\u00e1tane predpovedanej odozvy: Normalitu rezidu\u00ed kontrolujeme na grafe norm\u00e1lnej pravdepodobnosti rezidu\u00ed (Normal probability plot of residuals). Hrub\u00e9 alebo tenk\u00e9 chvosty rozdelenia ch\u00fdb s\u00fa d\u00f4le\u017eitej\u0161ie ako mierne odch\u00fdlky od normality. Kon\u0161tantn\u00fd rozptyl: Testujeme, \u010di maj\u00fa rez\u00eddu\u00e1 kon\u0161tantn\u00fd rozptyl. Ak je model spr\u00e1vny, graf rezidu\u00ed oproti prisp\u00f4soben\u00fdm hodnot\u00e1m (Plot of residuals versus fitted values) by nemal odhali\u0165 \u017eiadny zjavn\u00fd vzor. Heteroskedasticita &#8211; nekon\u0161tantn\u00fd rozptyl (napr. vizu\u00e1lne vidite\u013en\u00fd zakriven\u00fd tvar na grafe) m\u00f4\u017ee nazna\u010dova\u0165 interakciu medzi blokmi a meraniami (treatments) a m\u00f4\u017ee vy\u017eadova\u0165 transform\u00e1ciu d\u00e1t. Vplyvn\u00e9 body (influential observations) a od\u013eahl\u00e9 hodnoty (outliers) kontrolujeme pomocou diagnostick\u00fdch \u0161tatist\u00edk ako R-student alebo pomocou Cookovej vzdialenosti . Predik\u010dn\u00fa schopnos\u0165 indikuje PRESS \u0161tatistika (Prediction Error Sum of Squares) alebo s&nbsp;\u0148ou s\u00favisiaca hodnota . Aliasing: Vlastnos\u0165 frak\u010dn\u00fdch faktori\u00e1lnych dizajnov , kde dva alebo viac vplyvov (napr. hlavn\u00fd vplyv a interakcia) nie je mo\u017en\u00e9 od seba odl\u00ed\u0161i\u0165. Odhady t\u00fdchto efektov (vplyvov) s\u00fa zmie\u0161an\u00e9, \u010do znamen\u00e1, \u017ee odhadnut\u00fd efekt je v&nbsp;skuto\u010dnosti s\u00fa\u010dtom alebo rozdielom aliasovan\u00fdch efektov. Anal\u00fdza kovariancie (Analysis of Covariance &#8211; ANCOVA): \u0160tatistick\u00e1 met\u00f3da, ktor\u00e1 kombinuje anal\u00fdzu variancie a regresn\u00fa anal\u00fdzu. Pou\u017e\u00edva sa na zv\u00fd\u0161enie presnosti experimentu kompenz\u00e1ciou vplyvu nekontrolovate\u013enej, ale merate\u013enej ru\u0161ivej premennej (kovari\u00e1tu), ktor\u00e1 je line\u00e1rne spojen\u00e1 s&nbsp;odozvou. Anal\u00fdza variancie (Analysis of Variance &#8211; ANOVA): Z\u00e1kladn\u00e1 \u0161tatistick\u00e1 met\u00f3da, ktor\u00e1 testuje rovnos\u0165 viacer\u00fdch priemerov prostredn\u00edctvom rozdelenia celkovej variability v&nbsp;d\u00e1tach na zlo\u017eky priraden\u00e9 faktorom experimentu (napr. SS_Treatments) a na zlo\u017eku n\u00e1hodnej chyby (SSE) Axi\u00e1lne body (Axial points): Axi\u00e1lne (hviezdicov\u00e9) body umiestnen\u00e9 pozd\u013a\u017e komponentov\u00fdch os\u00ed pri met\u00f3de odozvovej plochy (RSM), \u010dasto sa pou\u017e\u00edvaj\u00fa na\u00a0roz\u0161\u00edrenie simplexov\u00fdch dizajnov. B Blokovanie (Blocking): Technika na zv\u00fd\u0161enie presnosti experimentu odstr\u00e1nen\u00edm variability sp\u00f4sobenej ru\u0161iv\u00fdmi faktormi. Experiment\u00e1lne behy s\u00fa rozdelen\u00e9 do\u00a0homog\u00e9nnych skup\u00edn (blokov), \u010d\u00edm sa variabilita medzi blokmi oddel\u00ed od\u00a0experiment\u00e1lnej chyby. Box-Cox met\u00f3da (Box-Cox Method): \u0160tatistick\u00e1 met\u00f3da na ur\u010denie najvhodnej\u0161ej transform\u00e1cie mocninov\u00e9ho typu (), ktor\u00e1 pom\u00e1ha stabilizova\u0165 rozptyl a pribl\u00ed\u017ei\u0165 rozdelenie rez\u00eddu\u00ed k&nbsp;norm\u00e1lnemu rozdeleniu. H\u013ead\u00e1 hodnotu , ktor\u00e1 minimalizuje s\u00fa\u010det \u0161tvorcov ch\u00fdb. Box-Behnkenov dizajn (Box-Behnken Design): Efekt\u00edvny troj\u00farov\u0148ov\u00fd \u00a0(sf\u00e9rick\u00fd) dizajn pri\u00a0 modeloch druh\u00e9ho r\u00e1du, ktor\u00fd nevy\u017eaduje behy v&nbsp;rohoch experiment\u00e1lneho priestoru (faktorov\u00fdch bodoch). Je alternat\u00edvou k&nbsp;centr\u00e1lnemu kompozitn\u00e9mu dizajnu. Absencia rohov\u00fdch bodov m\u00f4\u017ee by\u0165 v\u00fdhodn\u00e1, ak kombin\u00e1cie na rohoch predstavuj\u00fa nastavenia \u00farovn\u00ed faktorov, ktor\u00e9 s\u00fa pr\u00edli\u0161 drah\u00e9 alebo nemo\u017en\u00e9 testova\u0165 kv\u00f4li fyzik\u00e1lnym obmedzeniam procesu. Je efekt\u00edvny vzh\u013eadom na po\u010det behov. Tento dizajn je \u0161peci\u00e1lne navrhnut\u00fd pre kvantitat\u00edvne faktory. C Centr\u00e1lne body (Center Points): Replikovan\u00e9 behy v&nbsp;strede (v\u0161etky kvantit\u00edvne faktory na \u00farovni 0) faktori\u00e1lneho dizajnu umo\u017e\u0148uj\u00fa z\u00edska\u0165 odhad \u010distej chyby a testova\u0165 pr\u00edtomnos\u0165 kvadratick\u00e9ho zakrivenia v&nbsp;odozve. Centr\u00e1lny kompozitn\u00fd dizajn (Central Composite Design &#8211; CCD): Najbe\u017enej\u0161\u00ed dizajn pri fitovan\u00ed modelmi druh\u00e9ho r\u00e1du (RSM), t. j. ke\u010f potrebujeme modelova\u0165 kvadratick\u00fa z\u00e1vislos\u0165. Sklad\u00e1 sa z&nbsp;faktori\u00e1lnych bodov (\u010dasto z&nbsp;\u00a0alebo ), axi\u00e1lnych (hviezdicov\u00fdch) bodov a centr\u00e1lnych bodov. D Defini\u010dn\u00fd vz\u0165ah (Defining Relation): S\u00fabor v\u0161etk\u00fdch efektov, ktor\u00e9 s\u00fa v&nbsp;dizajne frak\u010dn\u00e9ho faktorov\u00e9ho dizajnu rovn\u00e9 st\u013apcu identity (I). Tento vz\u0165ah ur\u010duje cel\u00fa alias \u0161trukt\u00faru dizajnu. Dizajn 2\u1d4f (2\u1d4f Factorial Design): Typ faktorov\u00e9ho dizajnu, kde sa sk\u00fama k&nbsp;faktorov, ka\u017ed\u00fd na dvoch \u00farovniach (n\u00edzka\/vysok\u00e1). S\u00fa ve\u013emi efekt\u00edvne na skr\u00edning faktorov a odhad interakci\u00ed. Dizajn 3\u1d4f (3\u1d4f Factorial Design): Faktori\u00e1lny dizajn, kde sa sk\u00fama k&nbsp;faktorov, ka\u017ed\u00fd na troch \u00farovniach (n\u00edzka, stredn\u00e1, vysok\u00e1). Umo\u017e\u0148uje modelova\u0165 kvadratick\u00e9 efekty, ale \u010dasto nie je nato\u013eko efekt\u00edvny, ako in\u00e9 dizajny ur\u010den\u00e9 na tento \u00fa\u010del. D-optimalita (D-optimality): Krit\u00e9rium na kon\u0161trukciu experiment\u00e1lnych dizajnov, ktor\u00e9 minimalizuje objem spolo\u010dnej konfiden\u010dnej oblasti pre regresn\u00e9 koeficienty. To sa dosahuje maximaliz\u00e1ciou determinantu matice X&#8217;X. E Efekt faktora (Factor Effect): Zmena v&nbsp;priemernej odozve sp\u00f4soben\u00e1 zmenou \u00farovne faktora. Zvy\u010dajne sa odhaduje ako rozdiel medzi priemern\u00fdmi odozvami na\u00a0vysokej a n\u00edzkej \u00farovni faktora. Empirick\u00fd model (Empirical Model): Matematick\u00fd model odvoden\u00fd z&nbsp;experiment\u00e1lnych d\u00e1t, ktor\u00fd popisuje vz\u0165ah medzi odozvou a faktormi. Typicky ide o\u00a0polynomick\u00e9 modely. Je protikladom mechanistick\u00e9ho modelu, ktor\u00fd je zalo\u017een\u00fd na\u00a0fyzik\u00e1lnych princ\u00edpoch. Estim\u00e1tor (odhad): Funkcia pozorovan\u00ed na vzorke, ktor\u00e1 sa pou\u017e\u00edva na odhad nezn\u00e1mych parametrov. Experiment (Experiment): Proces, pri ktorom sa z\u00e1merne a systematicky menia vstupn\u00e9 premenn\u00e9 (faktory) s&nbsp;cie\u013eom pozorova\u0165 a identifikova\u0165 zmeny na v\u00fdstupnej premennej (odozve) a pochopi\u0165 vz\u0165ahy pr\u00ed\u010diny a n\u00e1sledku. Experiment\u00e1lna chyba (Experimental Error): Prirodzen\u00e1 a n\u00e1hodn\u00e1 variabilita v\u00a0odozve, ktor\u00e1 vznik\u00e1 z&nbsp;nekontrolovan\u00fdch zdrojov. Jej ve\u013ekos\u0165 sa odhaduje pomocou replik\u00e1ci\u00ed. Extr\u00e9m &#8211; extr\u00e9mna hodnota (extreme sample point): Pojem pou\u017e\u00edvan\u00fd v&nbsp;kontexte vizu\u00e1lneho sumarizovania d\u00e1t, napr. pri popise box plotov maximum a minimum, ktor\u00e9 definuj\u00fa konce f\u00fazov v&nbsp;\u0161katu\u013eov\u00fdch grafov. EVOP (Evolutionary Operation): Met\u00f3da postupnej optimaliz\u00e1cie prebiehaj\u00faceho v\u00fdrobn\u00e9ho procesu. Zah\u0155\u0148a systematick\u00e9 zav\u00e1dzanie mal\u00fdch zmien v&nbsp;\u00farovniach faktorov s&nbsp;cie\u013eom postupne sa pos\u00fava\u0165 k&nbsp;optim\u00e1lnym podmienkam bez naru\u0161enia v\u00fdroby. F Faktor (Factor): Vstupn\u00e1 premenn\u00e1 v&nbsp;experimente, ktorej vplyv na odozvu sa sk\u00fama. Faktor m\u00f4\u017ee by\u0165 kvalitat\u00edvny (napr. typ materi\u00e1lu) alebo kvantitat\u00edvny (napr. teplota, \u010das&#8230;). Faktorov\u00fd\/faktori\u00e1lny dizajn (Factorial Design): Experiment\u00e1lny pl\u00e1n, v&nbsp;ktorom s\u00fa testovan\u00e9 v\u0161etky mo\u017en\u00e9 kombin\u00e1cie \u00farovn\u00ed v\u0161etk\u00fdch sk\u00faman\u00fdch faktorov. Jeho hlavnou v\u00fdhodou je schopnos\u0165 odhadova\u0165 interakcie medzi faktormi. Fixn\u00fd faktor (Fixed Factor): Faktor, ktor\u00e9ho \u00farovne s\u00fa v&nbsp;experimente \u0161pecificky zvolen\u00e9 experiment\u00e1torom a z\u00e1very sa vz\u0165ahuj\u00fa iba na tieto konkr\u00e9tne \u00farovne. Fold over (preklopenie): Technika na roz\u0161\u00edrenie frak\u010dn\u00e9ho faktori\u00e1lneho dizajnu (zvy\u010dajne s&nbsp;n\u00edzkym rozl\u00ed\u0161en\u00edm) pridan\u00edm \u010fal\u0161\u00edch behov s&nbsp;opa\u010dn\u00fdmi znamienkami pre\u00a0jeden alebo v\u0161etky faktory. Pou\u017e\u00edva sa na dealiasovanie (oddelenie) hlavn\u00fdch vplyvov od dvojfaktorov\u00fdch interakci\u00ed. Frak\u010dn\u00fd\/\u010diasto\u010dn\u00fd faktorov\u00fd dizajn (Fractional Factorial Design): Dizajn, ktor\u00fd vyu\u017e\u00edva iba vybran\u00fa podmno\u017einu behov z&nbsp;pln\u00e9ho faktori\u00e1lneho dizajnu. Je ekonomick\u00fd, ale za cenu toho, \u017ee niektor\u00e9 vplyvy s\u00fa vz\u00e1jomne aliasovan\u00e9. G Generalizovan\u00fd line\u00e1rny model (Generalized Linear Model &#8211; GLM): Roz\u0161\u00edrenie tradi\u010dn\u00fdch line\u00e1rnych modelov pre odozvy, ktor\u00e9 nesp\u013a\u0148aj\u00fa predpoklad normality (napr. binomick\u00e9 alebo Poissonove d\u00e1ta). Ide o rodinu modelov, ktor\u00fa vyvinuli Nelder a Wedderburn (1972) a ktor\u00e1 v&nbsp;podstate zjednocuje line\u00e1rne a neline\u00e1rne regresn\u00e9 modely s&nbsp;odozvov\u00fdmi rozdeleniami, ktor\u00e9 s\u00fa \u010dlenom exponenci\u00e1lnej rodiny. GLM je d\u00f4le\u017eit\u00fd typ neline\u00e1rneho modelu, ktor\u00fd sa \u010dasto vyskytuje v&nbsp;priemyselnom experimentovan\u00ed. GLM predstavuje alternat\u00edvu k&nbsp;transform\u00e1cii d\u00e1t nasledovanej \u0161tandardnou met\u00f3dou najmen\u0161\u00edch \u0161tvorcov. Pri GLM sa fitovanie modelu vykon\u00e1va met\u00f3dou maxim\u00e1lnej vierohodnosti (maximum likelihood). Gener\u00e1tor (Generator): Efekt (zvy\u010dajne interakcia vysok\u00e9ho r\u00e1du) pou\u017eit\u00fd na vytvorenie frak\u010dn\u00e9ho faktori\u00e1lneho dizajnu. Ur\u010duje, ktor\u00e9 st\u013apce sa pou\u017eij\u00fa na definovanie \u00farovn\u00ed nov\u00fdch faktorov a definuje alias \u0161trukt\u00faru. G-optimalita (G-optimality): Krit\u00e9rium pre v\u00fdber dizajnu, ktor\u00e9 minimalizuje maxim\u00e1lnu predik\u010dn\u00fa varianciu v&nbsp;r\u00e1mci experiment\u00e1lneho regi\u00f3nu. Tieto dizajny s\u00fa vhodn\u00e9, ak je cie\u013eom presn\u00e1 predikcia v&nbsp;celom priestore. Graeco-latinsk\u00fd \u0161tvorec (Graeco-Latin Square Design): Dizajn pou\u017e\u00edvan\u00fd na\u00a0systematick\u00e9 riadenie (blokovanie) troch ru\u0161iv\u00fdch faktorov. Ka\u017ed\u00e1 \u00farove\u0148 sledovan\u00e9ho faktora sa vyskytuje pr\u00e1ve raz v&nbsp;ka\u017edom riadku, st\u013apci a s&nbsp;ka\u017ed\u00fdm gr\u00e9ckym p\u00edsmenom. H Hierarchick\u00fd princ\u00edp (Hierarchy principle): Pravidlo pri tvorbe modelu, pod\u013ea ktor\u00e9ho ak model obsahuje interakciu vy\u0161\u0161ieho r\u00e1du (napr. AB), mal by obsahova\u0165 aj v\u0161etky efekty ni\u017e\u0161ieho r\u00e1du, ktor\u00e9 ju tvoria (t. j. A a B). Hlavn\u00fd vplyv (Main Effect): Hlavn\u00fd efekt faktora A je rozdiel medzi priemernou odozvou na vysokej \u00farovni A a priemernou odozvou na n\u00edzkej \u00farovni, t. j. definuje ako sa zmen\u00ed odozva pri prechode z&nbsp;n\u00edzkej na\u00a0vysok\u00fa \u00farove\u0148 dan\u00e9ho faktora. V&nbsp;pr\u00edpade dvoj\u00farov\u0148ov\u00e9ho faktorov\u00e9ho dizajnu vyjadruje priemern\u00fd vplyv jedn\u00e9ho faktora na odozvu, spriemerovan\u00fd cez \u00farovne ostatn\u00fdch faktorov. Ak je interakcia ve\u013ek\u00e1, zodpovedaj\u00face hlavn\u00e9 efekty maj\u00fa len mal\u00fd praktick\u00fd v\u00fdznam. V\u00fdznamn\u00e1 interakcia \u010dasto m\u00f4\u017ee maskova\u0165 v\u00fdznam hlavn\u00fdch efektov. Ak je pr\u00edtomn\u00e1 v\u00fdznamn\u00e1 interakcia, experiment\u00e1tor mus\u00ed obvykle sk\u00fama\u0165 \u00farovne jedn\u00e9ho faktora pri fixn\u00fdch \u00farovniach druh\u00e9ho faktora, aby dospel k&nbsp;z\u00e1verom o hlavnom efekte. Hypot\u00e9za (Hypothesis): Tvrdenie o parametroch z\u00e1kladn\u00e9ho s\u00faboru, pravdepodobnostn\u00e9ho rozdelenia alebo modelu, ktor\u00e9 sa overuje pomocou \u0161tatistick\u00fdch testov. I Interakcia (Interaction): Nast\u00e1va, ke\u010f vplyv jedn\u00e9ho faktora na odozvu z\u00e1vis\u00ed od \u00farovne in\u00e9ho faktora. Pr\u00edtomnos\u0165 v\u00fdznamnej interakcie znamen\u00e1, \u017ee hlavn\u00e9 vplyvy nemo\u017eno interpretova\u0165 samostatne. I-optimalita (I-optimality): Krit\u00e9rium pre v\u00fdber dizajnu, ktor\u00e9 minimalizuje priemern\u00fa predik\u010dn\u00fa variabilitu v&nbsp;r\u00e1mci experiment\u00e1lneho regi\u00f3nu. Tieto dizajny s\u00fa vhodn\u00e9, ak je d\u00f4le\u017eit\u00e1 celkov\u00e1 kvalita predikcie v&nbsp;celom priestore. J Jedna replik\u00e1cia (Single Replicate \/ Unreplicated Design): Experiment\u00e1lny dizajn, v&nbsp;ktorom sa ka\u017ed\u00e1 kombin\u00e1cia faktorov vykon\u00e1 iba raz. Ch\u00fdba priamy odhad chyby, preto sa na anal\u00fdzu pou\u017e\u00edvaj\u00fa \u0161peci\u00e1lne met\u00f3dy, ako je norm\u00e1lov\u00fd graf efektov alebo Lenthova met\u00f3da pri Pareto grafe. K&nbsp;Kombinovan\u00e9 pole (Combined Array Design): Efekt\u00edvnej\u0161ia alternat\u00edva ku kr\u00ed\u017een\u00fdm poliam pri robustnom dizajne. V\u0161etky faktory (kontrolovate\u013en\u00e9 aj \u0161umov\u00e9) s\u00fa umiestnen\u00e9 v&nbsp;jednom experiment\u00e1lnom pl\u00e1ne, \u010do umo\u017e\u0148uje priame modelovanie interakci\u00ed medzi nimi. Kontrast (Contrast): Line\u00e1rna kombin\u00e1cia priemerov alebo s\u00fa\u010dtov odoziev, ktorej koeficienty sa s\u010d\u00edtaj\u00fa do nuly. Pou\u017e\u00edva sa na odhadovanie vplyvov a testovanie \u0161pecifick\u00fdch hypot\u00e9z. Kovari\u00e1t (Covariate): Nekontrolovate\u013en\u00e1, ale merate\u013en\u00e1 premenn\u00e1, ktor\u00e1 ovplyv\u0148uje odozvu. Jej vplyv sa odstra\u0148uje pomocou anal\u00fdzy kovariancie. Kr\u00ed\u017een\u00e9 pole (Crossed Array Design): Experiment\u00e1lny dizajn pou\u017e\u00edvan\u00fd v\u00a0Taguchiho met\u00f3dach, ktor\u00fd sa sklad\u00e1 z&nbsp;dvoch oddelen\u00fdch pol\u00ed \u2013 vn\u00fatorn\u00e9ho (pre\u00a0kontrolovate\u013en\u00e9 faktory) a vonkaj\u0161ieho (pre \u0161umov\u00e9 faktory). Ka\u017ed\u00e1 kombin\u00e1cia z&nbsp;vn\u00fatorn\u00e9ho po\u013ea sa testuje so v\u0161etk\u00fdmi kombin\u00e1ciami z&nbsp;vonkaj\u0161ieho po\u013ea. L Latinsk\u00fd \u0161tvorec (Latin Square Design): Dizajn pou\u017e\u00edvan\u00fd na systematick\u00e9 riadenie (blokovanie) dvoch ru\u0161iv\u00fdch faktorov (riadkov a st\u013apcov). Lenthova met\u00f3da (Lenth&#8217;s&nbsp;Method): Lenthova met\u00f3da je \u0161tatistick\u00fd postup ur\u010den\u00fd na anal\u00fdzu nereplikovan\u00fdch faktorov\u00fdch dizajnov, ktor\u00fd odhaduje variabilitu kontrastov (pomocou pseudo\u0161tandardnej chyby PSE) s&nbsp;cie\u013eom ur\u010di\u0165, ktor\u00e9 efekty s\u00fa v\u00fdznamn\u00e9. Pou\u017e\u00edva sa v&nbsp;pr\u00edpadoch, kde nie je k&nbsp;dispoz\u00edcii intern\u00fd odhad chyby, a pom\u00e1ha pos\u00fadi\u0165 \u0161tatistick\u00fa v\u00fdznamnos\u0165 faktorov\u00fdch efektov. \u00a0M Met\u00f3da najstrm\u0161ieho vzostupu (Method of Steepest Ascent): Sekven\u010dn\u00e1 met\u00f3da pou\u017e\u00edvan\u00e1 v&nbsp;RSM na r\u00fdchle presunutie sa z&nbsp;aktu\u00e1lneho opera\u010dn\u00e9ho bodu smerom k\u00a0oblasti optim\u00e1lnej odozvy. Smer je ur\u010den\u00fd koeficientmi modelu prv\u00e9ho r\u00e1du. Metodol\u00f3gia odozvovej plochy (Response Surface Methodology &#8211; RSM): S\u00fabor matematick\u00fdch a \u0161tatistick\u00fdch techn\u00edk na modelovanie a anal\u00fdzu probl\u00e9mov, kde je odozva ovplyvnen\u00e1 viacer\u00fdmi premenn\u00fdmi, s&nbsp;cie\u013eom optimalizova\u0165 t\u00fato odozvu. Minim\u00e1lna aber\u00e1cia (Minimum Aberration): Krit\u00e9rium pre v\u00fdber najlep\u0161ieho frak\u010dn\u00e9ho faktorov\u00e9ho dizajnu. Dizajn s&nbsp;minim\u00e1lnou aber\u00e1ciou minimalizuje po\u010det slov najkrat\u0161ej d\u013a\u017eky vo svojom definuj\u00facom vz\u0165ahu, \u010d\u00edm sa minimalizuje aliasing medzi d\u00f4le\u017eit\u00fdmi efektmi. Mie\u0161an\u00fd model (Mixed Model): \u0160tatistick\u00fd model, ktor\u00fd obsahuje fixn\u00e9 aj n\u00e1hodn\u00e9 faktory. N N\u00e1hodn\u00fd faktor (Random Factor): Faktor, ktor\u00e9ho \u00farovne s\u00fa n\u00e1hodne vybran\u00e9 z\u00a0v\u00e4\u010d\u0161ej popul\u00e1cie \u00farovn\u00ed. Z\u00e1very sa zov\u0161eobec\u0148uj\u00fa na cel\u00fa popul\u00e1ciu \u00farovn\u00ed, nielen na tie, ktor\u00e9 boli testovan\u00e9. Nested dizajn (Vnoren\u00e9 usporiadanie): Experiment\u00e1lny dizajn, kde \u00farovne jedn\u00e9ho faktora (B) s\u00fa jedine\u010dn\u00e9 v&nbsp;r\u00e1mci ka\u017edej \u00farovne in\u00e9ho faktora (A). Faktor B je &#8222;vnoren\u00fd&#8220; pod faktorom A. Interakcia medzi vnoren\u00fdmi a hlavn\u00fdmi faktormi sa ned\u00e1 odhadn\u00fa\u0165. Norm\u00e1lov\u00fd pravdepodobnostn\u00fd graf (Normal Probability Plot): Grafick\u00fd n\u00e1stroj na pos\u00fadenie, \u010di d\u00e1ta (zvy\u010dajne rez\u00eddu\u00e1 alebo efekty) poch\u00e1dzaj\u00fa z&nbsp;norm\u00e1lneho rozdelenia. Body by mali le\u017ea\u0165 pribli\u017ene na priamke. Nulov\u00e1 hypot\u00e9za (Null Hypothesis): Tvrdenie, ktor\u00e9 v&nbsp;experimente testujeme, zvy\u010dajne o neexistencii rozdielu alebo efektu. Ru\u0161iv\u00fd faktor (Nuisance Factor): Faktor, ktor\u00fd pravdepodobne ovplyv\u0148uje odozvu, ale nie je predmetom prim\u00e1rneho z\u00e1ujmu. Jeho vplyv sa sna\u017e\u00edme eliminova\u0165 alebo kontrolova\u0165 pomocou blokovania, randomiz\u00e1cie alebo anal\u00fdzy kovariancie. O Odozva (Response): Meran\u00e1 v\u00fdstupn\u00e1 premenn\u00e1 experimentu, ktor\u00e1 je predmetom sk\u00famania. Ortogon\u00e1lne kontrasty (Orthogonal Contrasts): Sada kontrastov, ktor\u00fdch koeficienty s\u00fa zvolen\u00e9 tak, aby boli navz\u00e1jom nez\u00e1visl\u00e9. Umo\u017e\u0148uj\u00fa rozdeli\u0165 s\u00fa\u010det \u0161tvorcov pre faktory na nez\u00e1visl\u00e9 jedno-stup\u0148ov\u00e9 zlo\u017eky. Ortogon\u00e1lny dizajn (Orthogonal Design): Dizajn, v&nbsp;ktorom s\u00fa odhady v\u0161etk\u00fdch efektov (v&nbsp;danom modeli) navz\u00e1jom nekorelovan\u00e9 (nez\u00e1visl\u00e9). To zjednodu\u0161uje v\u00fdpo\u010det a interpret\u00e1ciu. Dizajny 2\u1d4f s\u00fa ortogon\u00e1lne. Outlier (Od\u013eahl\u00e1 hodnota): Pozorovanie, ktor\u00e9 sa v\u00fdrazne l\u00ed\u0161i od ostatn\u00fdch d\u00e1t. Je potenci\u00e1lne vysoko vplyvn\u00fd (highly influential) pri regresnej anal\u00fdze. \u00a0Od\u013eahl\u00e1 hodnota m\u00f4\u017ee by\u0165 sp\u00f4soben\u00e1 chybou merania alebo \u0161peci\u00e1lnymi podmienkami a m\u00f4\u017ee v\u00fdrazne skresli\u0165 v\u00fdsledky anal\u00fdzy rozptylu. Pri regresnej diagnostike s\u00fa rezidu\u00e1, ktor\u00e9 le\u017eia mimo intervalu (-2, 2), pova\u017eovan\u00e9 za potenci\u00e1lne neobvykl\u00e9 (potentially unusual). Ak je outlier detekovan\u00fd (napr. pomocou R-student alebo graficky), je potrebn\u00e1 kontrola. M\u00f4\u017ee \u00eds\u0165 o chybu pri zaznamen\u00e1van\u00ed \u00fadajov, ale pokia\u013e nie s\u00fa k&nbsp;dispoz\u00edcii primeran\u00e9 ne\u0161tatistick\u00e9 d\u00f4vody (reasonably nonstatistical grounds), nemal by by\u0165 tento bod odmietnut\u00fd. P Parci\u00e1lny F-test (Partial F-test): Test v&nbsp;regresnej anal\u00fdze, ktor\u00fd hodnot\u00ed v\u00fdznamnos\u0165 pr\u00edspevku podmno\u017einy premenn\u00fdch k&nbsp;modelu, za predpokladu, \u017ee ostatn\u00e9 premenn\u00e9 u\u017e v&nbsp;modeli s\u00fa. P\u00e1rov\u00fd porovn\u00e1vac\u00ed dizajn (Paired Comparison Design): \u0160peci\u00e1lny pr\u00edpad randomizovan\u00e9ho blokov\u00e9ho dizajnu na porovnanie dvoch o\u0161etren\u00ed (treatments). Pozorovania s\u00fa usporiadan\u00e9 do p\u00e1rov (blokov) s&nbsp;cie\u013eom eliminova\u0165 variabilitu medzi p\u00e1rmi. Pr\u00edkladom je p\u00e1rov\u00fd t-test. Plackett-Burmanov dizajn (Plackett-Burman Design): Typ dvoj\u00farov\u0148ov\u00e9ho frak\u010dn\u00e9ho faktorov\u00e9ho dizajnu na skr\u00edning ve\u013ek\u00e9ho po\u010dtu faktorov. M\u00e1 zlo\u017eitej\u0161iu, \u010diasto\u010dn\u00fa alias \u0161trukt\u00faru. Plackett-Burmanove dizajny s\u00fa ur\u010den\u00e9 na \u0161t\u00fadium k&nbsp;premenn\u00fdch v&nbsp;N behoch (runs), kde k&nbsp;je maxim\u00e1lne N-1, pri\u010dom N mus\u00ed by\u0165 n\u00e1sobkom \u0161tyroch (napr. N = 12, 20, 24, 28, 36). Princ\u00edp sparsity efektov (Sparsity of Effects Principle): Empirick\u00fd princ\u00edp, ktor\u00fd hovor\u00ed, \u017ee v\u00e4\u010d\u0161ina variability v&nbsp;syst\u00e9me je sp\u00f4soben\u00e1 mal\u00fdm po\u010dtom hlavn\u00fdch vplyvov a interakci\u00ed n\u00edzkeho r\u00e1du. P-hodnota (P-value): Pravdepodobnos\u0165 z\u00edskania v\u00fdsledku aspo\u0148 tak&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-16","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=\/wp\/v2\/pages\/16","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=16"}],"version-history":[{"count":10,"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=\/wp\/v2\/pages\/16\/revisions"}],"predecessor-version":[{"id":804,"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=\/wp\/v2\/pages\/16\/revisions\/804"}],"wp:attachment":[{"href":"https:\/\/mmpve.mtf.stuba.sk\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=16"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}