Analiza czynnikowa

Doświadczeń czynnikowych nie dałoby się zastosować, gdyby żaden pomiar nie był powtarzany. Jednak faktem jest, że pomiary powtarza się, jeżeli już nie z innych powodów, to po prostu po to, aby ustrzec się pomyłek. Ponadto doświadczenie wykazuje, iż w toku normalnych badań wykonuje się wielką liczbę pomiarów, szczególnie we wstępnych etapach sprawdzania przyrządów i opanowywania niezbędnych zmiennych. Na tym ekipie zastosowanie analizy czynnikowej może często zapewnić znaczną oszczędność czasu i wysiłku(program uprawnienia budowlane na komputer).

Analiza czynnikowa wymaga, żeby w przypadku powtarzania doświadczenia jednej ze zmiennych nadawać inną wartość. Stosuje się to specjalnie do zmiennych, które uważa się za nieistotne, tj. za nie wywierające wpływu na wyniki. Zmiennych tych nie podaje się też zwykle dla warunków, w których dane mają być użyte. Jeżeli są one rzeczywiście nieistotne, to zmiana wartości jednej mb kilku z nich przed wykonaniem powtórzenia nie zaszkodzi w niczym. Natomiast jeżeli w rzeczywistości nie są one nieistotne, ale zostały mylnie za takie uznane, to stwierdzenie tego ma zasadnicze znaczenie, a analiza czynnikowa stanowi najskuteczniejszy sposób przekonania się o tym (program uprawnienia budowlane na ANDROID).

Na przykład ustawiono przyrząd do pomiaru natężenia widmowych prążków absorpcyjnych w zakresie mikrofal. Miało być przeprowadzone powtórzenie dla przekonania się, czy osiągnięta dokładność jest dostateczna. Dzięki zastosowaniu różnych natężeń promieniowania w dwóch seriach pomiarów znaleziono, że ta uważana za nieistotną zmienna wpływa w rzeczywistości na wyniki (uprawnienia budowlane). Dość subtelną tego przyczynę odkryto następnie we właściwościach przyrządu i podjęto odpowiednie środki poprawy, bez których wszystkie uzyskane wyniki byłyby błędne (program egzamin ustny).

Teoretyczny wpływ nowej zmiennej

Zmienne o znanym wpływie. Do innej klasy należą zmienne, których wpływ uważa się za znany, tak że nie uznaje się za konieczne zmieniać ich w doświadczeniu, nawet jeżeli w ostatecznym zastosowaniu danych występują różne wartości tych zmiennych (opinie o programie). Sytuacja taka powstaje bardzo często w fizyce z jej nadzwyczaj rozbudowanym systemem praw ilościowych. Niemniej, jeżeli wykonuje się powtórzenia do innych celów, nie powinny one być marnowane, przy czym jedną z możliwości wykorzystania stanowi zmiana wartości jednej z tych zmiennych. Jednak zamiast użycia surowych danych, powinno się wprowadzić poprawkę na teoretyczny wpływ nowej zmiennej. Wówczas jakakolwiek rozbieżność może sugerować, że teoria nie daje się ściśle zastosować do danych okoliczności, być może wskutek nieoczekiwanych wpływów pośrednich.

W przykładzie ze spektroskopii mikrofal przypuszczano, że wpływ zmian temperatury pomieszczenia na natężenie pewnych prążków widma jest nie tylko mały, lecz również daje się ściśle obliczyć na podstawie godnej zaufania teorii. Podczas przeprowadzania doświadczenia wykryto, że wartości skorygowane wykazywały pewne różnice, których przyczynę znaleziono we wpływie temperatury na wzorcowanie rzekomo niewrażliwego na nią przyrządu (segregator aktów prawnych).

Zamiast samych wartości doświadczalnych użyto tu pewnej funkcji tych wartości i warunków doświadczenia (powiedzmy B). Funkcję wybrano w taki sposób, że jeżeli zmienna B (a możliwe również, że i A) wywiera oczekiwany skutek, to ta funkcja danych jest stała. Często pożądane jest użycie zamiast samych danych ich logarytmów. Jest to równoważne użyciu stosunków wielkości A, AB itd. zamiast ich różnic (promocja 3 w 1). Stanowi to modyfikację powyższego obrazu: jeżeli np. teoria zapewnia, że stosunek wyników dla A i A! powinien być niezależny od wartości B, to choć same wartości nie są zerowe, użycie logarytmów uczyni A B równe zeru, o ile nie występuje uchyb. Zasada przypadkowości ma ważne zastosowania w analizach czynnikowych.