Выдержка из книги
Шеннон Р.N.
Имитационное моделирование систем - искусство и наука
Всякий раз, когда мы используем выборку, меньшую, чем этого требует полный факторный план, мы платим за это риском смешивания эффектов. Под смешиванием мы понимаем то, что статистик, измеряя один эффект, в то же время измеряет, возможно, и некоторый другой эффект. Например, если главный эффект смешивается с взаимодействием более высокого порядка, то эти два эффекта уже невозможно отделить друг от друга. Таким образом, если наш анализ показывает наличие некоторого эффекта, то мы не можем с уверенностью сказать, главный ли это эффект, или эффект взаимодействия, или некоторая аддитивная комбинация этих эффектов. При построении неполного факторного плана экспериментатор должен определить эффекты, смешивание которых он может допустить.
