So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignHallo allerseits,
Wie überprüfen wir, welche Störfaktoren bei der anfänglichen Einrichtung unseres individuellen Designs vorliegen?
Rgrds
Irfan
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignDu hast Recht. Dies könnte genauso gut passieren, wenn Sie eine Korrelation von 1 und einen negativen Effekt von X2*X3 und einen positiven Effekt von X1 finden.
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignHallo Sebastian,
Bedeutet das, dass eine Korrelation von -1 für X2*X3 mit X1 den geschätzten Effekt von X1 möglicherweise zunichte macht?
Rgrds
Irfan
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignDie Korrelation von 0,333 bedeutet, dass der geschätzte Effekt der Temperatur um den Effekt der Gind*Zeit-Wechselwirkung multipliziert mit 1/3 erhöht wird. Im Grunde schätzen Sie also in der Analyse
[Temperatur] = Temperatur + 1/3*Mahlzeit*Zeit
Wenn also ein starker Interaktionseffekt vorliegt, wird Ihr Haupteffektschätzer überhöht.
Sie können das erkennen, indem Sie einige einfache Daten simulieren. Zu Demonstrationszwecken verwende ich ein Plackett-Burrman-Screening-Design mit der folgenden Korrelationsstruktur:
Wie Sie sehen, weist der Haupteffekt X1 eine Korrelation von 0,333 mit der X2*X3-Wechselwirkung auf. Ich habe das Design generiert und einige simulierte Daten hinzugefügt:
Wie Sie sehen können, ist der wahre Effekt von X1 = 10, der wahre Effekt der Wechselwirkung X2*X3 = 18. Wenn wir nun ein Haupteffektmodell anpassen, erhalten wir folgende Ergebnisse:
Der geschätzte Effekt von X1 = 16 ist der wahre Effekt von
Hoffe das hilft.
Sebastian
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignIrfan,
Dieser Link zeigt ein Beispiel für die Auswirkungen von Confounding (auch Aliasing oder partielles Aliasing genannt).
https://en.wikipedia.org/wiki/Fractional_factorial_design
Als weiteres Beispiel habe ich eine 4-faktorielle Bruchrechnung angehängt. Der Screenshot unten zeigt die Alias-Matrix. Aus der Formel wurde die Antwort Y erstellt
20 + 1*:X1 + 2*:X2 + 3*:X3 + 4*:X4 + 0.5*:X12 + 1*:X34 + 5*:X13 -5*:X24 +5*:X14 +10*:X23 + 1*Random Normal()
Da X12 (einfachere Schreibweise) mit X34 verwechselt wird und nur X12 im Modell vorkommt, sollte sein Koeffizient ca. 1.5. Und da X13 und X24 korrelieren, beträgt der Koeffizient von X13 ca. 0 und der Koeffizient von X14 beträgt ca. 15. Aus diesem Grund ist die Überprüfung und Bewertung des Entwurfs, einschließlich der Überprüfung der Alias-Struktur, ein wichtiger Schritt beim Entwurf eines Experiments. Wenn eine wichtige Wechselwirkung erwartet wird, sollte das Design so gewählt werden, dass es keine Verwechslungen mit anderen Zwei-Faktor-Wechselwirkungen oder kleinen Teilwechselwirkungen mit mehreren Effekten gibt.
Georgia
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignHallo allerseits,
Können Sie mir erklären, was die Temperaturverzerrung um das 0,333-fache des tatsächlichen Werts der Mahlzeit bewirkt? Bedeutet das, dass die Parameterschätzungen für die Temperatur 1/3 der Mahlzeitschätzungen ausmachen?
Rgrds
Irfan
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignDanke Dan
Betreff: So überprüfen Sie den Aliasing-Begriff im benutzerdefinierten DOE-DesignDurch individuelles Design erhalten Sie selten ein Design mit perfektem Aliasing. Daher verwendet der Bericht Korrelationen, um Ihnen den Grad des vorhandenen Aliasings anzuzeigen.
Beachten Sie beim Erstellen des Designs, dass sich direkt unter dem Modellfenster der Teil „Alias-Bedingungen“ des Berichts befindet. Öffnen Sie es und geben Sie die Begriffe ein, deren Aliasing Sie überprüfen möchten. Wenn das Modell beispielsweise nur Haupteffekte hat und Sie sehen möchten, ob diese mit Zwei-Faktor-Wechselwirkungen verknüpft sind, fügen Sie die Zwei-Faktor-Wechselwirkungen in das Fenster „Alias-Bedingungen“ ein.
Wenn Sie nun das Design generieren, sehen Sie unter Design Evaluation die Alias-Matrix als Option. Wenn Sie es öffnen, werden Ihnen die Korrelationen zwischen Ihren Modellbegriffen und den zuvor angegebenen Aliasbegriffen angezeigt. Ein Wert von 1 würde vollständiges Aliasing anzeigen. Jeder Begriff ungleich Null weist ein „partielles“ Aliasing auf. Grafisch können Sie dies auf der Farbkarte im Korrelationsbericht sehen.
