Quando uno o più fattori in un esperimento sono continui, molti investigatori amano aggiungere diverse esecuzioni al centro dell'area di progettazione. Questa pratica realizza due cose:
1) Permette un test di curvatura generale.
2) Fornisce esecuzioni replicate, il che significa che JMP può calcolare una stima imparziale della varianza dell'errore. La piattaforma Fit Model eseguirà anche un test automatico di mancanza di adattamento.
È possibile aggiungere le esecuzioni centrali in JMP 9 dopo la creazione del progetto. Come può aiutare la pre-specifica?
L'aggiunta di centri viene eseguita come parte della specifica di esperimento di design consente al designer personalizzato di aggiungere queste esecuzioni in modo ottimale. Questo non importa se tutti i fattori sono continui. Tuttavia, se un fattore è categorico, l'assegnazione ottimale del centro funziona nei fattori continui può migliorare il design.
Non è meglio aggiungere solo una corsa al centro per ogni livello del fattore categoriale?
Sorprendentemente, questo risultato non è sempre vero!
Immagina un'impostazione in cui hai tre fornitori e cinque fattori continui che desideri analizzare con un modello di effetti principale utilizzando 12 esecuzioni. Decidi di volere che tre delle piste siano piste centrali. Risulta essere più statisticamente efficiente non avere un centro di gestione per ciascun fornitore.
La Tabella 1 mostra le impostazioni dei fattori per l'allocazione ottimale dei centri ai fornitori.
Si noti che ci sono quattro esecuzioni per ciascuno dei tre fornitori e che il fornitore C ha due tirature centrali mentre il fornitore B non ne ha.
Possiamo confrontare questo design con il design a nove tiri ottimale per i tre fornitori con un centro di analisi aggiunto per ciascun fornitore. Puoi vedere questo disegno nella Tabella 2.
Mi sento più a mio agio con l'allocazione uniforme. Cosa sto perdendo?
Innanzitutto, la massima varianza di previsione per il design è più del 50% più grande per il design con allocazione uniforme. Inoltre, la varianza media della previsione è più grande del 10%.
La figura 1 mostra che i coefficienti stimati hanno anche maggiori variazioni per il progetto che assegna le esecuzioni centrali in modo uniforme. Per ogni parametro, il fattore di inflazione della varianza (VIF) è maggiore per il progetto con un'assegnazione uniforme delle corse del centro.
La Figura 2 mostra grafici affiancati che confrontano le correlazioni di colonna per i due progetti. Il design per l'allocazione uniforme delle esecuzioni centrali presenta correlazioni più ordinate e generalmente più alte delle colonne.
Questo esempio è interessante, ma questo tipo di risultato è comune?
Penso che persino l'allocazione del centro possa andare ai blocchi e i livelli di fattori categoriali si rivelano spesso ottimali. Se si utilizza lo stesso scenario con 21 esecuzioni anziché 12, il progetto ottimale assegna una corsa centrale per fornitore.
L'ultima parola…
Sinceramente, non sono un grande fan dell'aggiunta delle corse al centro ai progetti, in particolare ai progetti di screening. Preferirei essere in grado di identificare la fonte di qualsiasi curvatura nella risposta come fanno i progetti di screening definitivi. Per la replica, preferisco replicare i punti che aiutano a stimare gli effetti di interesse. Le corse al centro non aiutano a stimare alcun parametro oltre all'intercetta.
