Cómo comprobar el término de alias en el diseño personalizado del DOEHola a cualquiera,
¿Cómo verificamos cuáles son los factores de confusión durante nuestra configuración inicial de diseño personalizado?
Rgrds
Irfan
Re: Cómo comprobar el término de alias en el diseño personalizado del DOEEstás en lo correcto. Esto también podría suceder si encuentra una correlación de 1 y un efecto negativo de X2*X3 y un efecto positivo de X1.
Re: Cómo comprobar el término de alias en el diseño personalizado del DOEHola Sebastián,
¿Significa que si tengo una correlación de -1 para X2*X3 con X1, entonces podría cancelar el efecto estimado de X1?
Rgrds
Irfan
Re: Cómo comprobar el término de alias en el diseño personalizado del DOELa correlación de 0,333 significa que el efecto estimado de la temperatura aumenta por el efecto de la interacción gínd*tiempo multiplicado por 1/3. Básicamente estás estimando en el análisis.
[Temperatura] = Temperatura + 1/3*Molido*Tiempo
Por lo tanto, si hay un fuerte efecto de interacción, se inflará el estimador del efecto principal.
Puedes ver eso simulando algunos datos simples. Para fines de demostración, utilizaré un diseño de detección de Plackett-Burrman con la siguiente estructura de correlación:
Como puede ver, el efecto principal X1 tiene una correlación de 0,333 con la interacción X2*X3. Generé el diseño y agregué algunos datos simulados:
Como puedes ver, el verdadero efecto de X1 = 10, el verdadero efecto de la interacción X2*X3 = 18. Si ahora ajustamos un modelo de efectos principales, se obtienen los siguientes resultados:
El efecto estimado de X1 = 16, que es el efecto verdadero de X1 - que es 10 - y está sesgado en 1/3*18 (el efecto de X2*X3).
Espero que esto ayude.
Sebastián
Re: Cómo comprobar el término de alias en el diseño personalizado del DOEIrfan,
Este enlace muestra un ejemplo de los efectos de la confusión (también llamado aliasing o aliasing parcial).
https://en.wikipedia.org/wiki/Fractional_factorial_design
Para otro ejemplo, he adjuntado un factorial fraccional de 4 factores. La siguiente captura de pantalla muestra la matriz de alias. La respuesta Y fue creada a partir de la fórmula
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()
Dado que X12 (notación más simple) se confunde con X34, y solo X12 está en el modelo, su coeficiente debe ser de aprox. 1.5. Y dado que X13 y X24 están correlacionados, el coeficiente de X13 será aprox. 0, y el coeficiente de X14 será aprox. 15. Esta es la razón por la cual verificar la evaluación del diseño, que incluye verificar la estructura del alias, es un paso importante en el diseño de un experimento. Si se espera una interacción importante, el diseño debe elegirse de manera que no tenga confusión con otras interacciones de 2 factores, o pequeñas interacciones parciales con efectos múltiples.
Georgia
Re: Cómo comprobar el término de alias en el diseño personalizado del DOEHola a cualquiera,
¿Puede explicarme qué significa que la 'temperatura está sesgada en 0,333 veces el valor real del tiempo de molienda*? ¿Significa que las estimaciones de los parámetros para la temperatura son 1/3 del valor de las estimaciones del tiempo de molienda*?
Rgrds
Irfan
Re: Cómo comprobar el término de alias en el diseño personalizado del DOEgracias dan
Re: Cómo comprobar el término de alias en el diseño personalizado del DOEEl diseño personalizado rara vez le dará un diseño con un alias perfecto. Por lo tanto, el informe utilizará correlaciones para mostrarle el grado de aliasing que está presente.
Al crear el diseño, observe que justo debajo de la ventana del modelo se encuentra la parte "Términos de alias" del informe. Ábralo e ingrese los términos para los cuales desea verificar el alias. Por ejemplo, si el modelo solo tiene efectos principales y desea ver si tienen alias con interacciones de dos factores, coloque las interacciones de dos factores en la ventana Términos de alias.
Ahora, cuando genere el diseño, en Evaluación de diseño, verá la Matriz de alias como una opción. Al abrirlo, se mostrarán las correlaciones entre los términos de su modelo y los términos de alias especificados anteriormente. Un valor de 1 mostraría un alias completo. Cualquier término distinto de cero muestra un alias "parcial". Gráficamente, puede ver esto en el mapa de colores del informe de correlaciones.
