Diseño factorial completo del DOE con escasez parcial de resultados.Queridos todos.
Buen día. Soy un principiante para DOE y recientemente he creado una tabla factorial completa para realizar mi prueba de galvanoplastia. Sin embargo, durante la preparación de la muestra descubrí que algunos parámetros han producido una mala calidad visual que no está justificada para medir las respuestas. Finalmente, algunas patas creadas a partir de tablas JMP no tienen resultados.
¿Está bien dejarlo en blanco si no hay resultados disponibles? ¿Puedo seguir usando el "modelo de ajuste" para analizar este conjunto de datos incompletos? ¿Cuál es la consecuencia al hacerlo?
¿O debería eliminar filas que no tienen resultados y ejecutar "ajustar modelo"?
Muchas gracias.
* Por favor consulte el archivo adjunto para archivo JMP
Re: DOE diseño factorial completo con escasez parcial de resultados.Gracias Mark. Volveré a medir esas muestras malas e intentaré ejecutarlas de nuevo.
Re: DOE diseño factorial completo con escasez parcial de resultados.Noté algunas cosas con tu estudio.
- Tienes muchas carreras, por lo que deberías tener mucho poder para empezar. La omisión de algunas carreras no debería afectar dramáticamente tu poder.
- El modelo para Metal% exhibe una fuerte falta de ajuste. Las predicciones de este modelo serán sesgadas y probablemente muy inexactas.
- Intenté agregar términos cuadráticos para tener en cuenta la falta de ajuste, probablemente no linealidad en la respuesta. El informe de singularidad resultante indica que los datos no permiten estimar estos parámetros. Este resultado se refiere a mi punto anterior sobre la falta de alguna observación que podría prohibir la estimación de algunos parámetros.
- Las filas omitidas cubren las condiciones con una baja concentración y la mitad superior del rango actual. ¿Se omitieron todas las carreras con estas condiciones? ¿Se pueden volver a agregar o volver a ejecutar estos datos?
Re: DOE diseño factorial completo con escasez parcial de resultados.En primer lugar, un mal resultado no es necesariamente una mala respuesta. Un DOE debe explorar la mayor cantidad posible de espacio factorial. Es probable, incluso deseable, que algunas condiciones produzcan malos resultados, de modo que el modelo resultante (el único propósito de un experimento) pueda predecir el rango completo de la respuesta, incluidos los resultados buenos y malos. Le animo a completar las ejecuciones con la mala calidad visual e incluir estos datos en el análisis de su experimento.
Segundo, en cualquier caso de datos faltantes, no necesita eliminar estas filas. Puedes si quieres pero no es necesario. JMP se comportará en consecuencia.
En tercer lugar, la pérdida de datos comprometerá el análisis en cierta medida. Es difícil ser específico porque la pérdida depende tanto del número de valores faltantes como de las condiciones que no se observaron. Algunos compromisos incluyen la pérdida de potencia en las pruebas de hipótesis sobre el modelo y los parámetros del modelo o la capacidad de estimar algunos parámetros en absoluto.
