Fattoriale completo + punti centraliGentile comunità JMP,
Sto testando il fattoriale completo con i punti centrali. Di seguito sono riportati gli input:
- Fattori = 3 , Livelli = 2 (dati continui).
- Risposta = 1 (dati continui).
- Punti centrali = 6
- Repliche = 4
- Risposta simulata utilizzando la funzione di densità normale con Sigma=1.
Ho due domande:
1. Questo design può rilevare l'effetto di curvatura?
2. Se sì, può dirci quale fattore quadratico è responsabile e stimare il suo coefficiente?
Il motivo per cui l'ho chiesto è perché, a quanto pare, la risposta è "no" a queste due domande. Fare riferimento ai risultati seguenti.
In questo caso, qual è lo scopo di avere la possibilità di aggiungere il punto centrale in Full Factorial, oltre a stimare meglio l'errore sperimentale?
Grazie per il puntatore.
fratello,
Looi
Ri: Fattoriale completo + punti centraliApprezzo entrambi gli input. Questa è la prima volta che posto una domanda e sono stupito dalla rapidità con cui è arrivata la risposta. Sicuramente aumenta la mia fiducia nel continuare a utilizzare SAS JMP.
Ri: Fattoriale completo + punti centraliLa tua mancanza di valore p di adattamento è ciò che usi per rilevare la curvatura, ma non puoi determinare la fonte se hai> 1 fattori continui.Non puoi effettivamente modellare alcun effetto quadratico con questo design.I disegni fattoriali a 2 livelli ti permetteranno solo di adattare la superficie di un iperpiano ai dati.Se i punti centrali sono significativamente distorti come un gruppo lontano dall'iperpiano, il tuo test di mancanza di adattamento avrà un valore p piccolo.
Come @Peter_Bartell accennato, hai un budget enorme.L'utilizzo dei punti centrali in un disegno fattoriale (completo o frazionario) è tipico dello scenario di screening in cui si hanno troppi fattori per provare direttamente a stimare una superficie di risposta, ma si desidera sapere se è presente la curvatura. Questo è non la tua situazione.Potresti realizzare un design della superficie di risposta decente per 3 fattori con un minimo di 20 corse.
Suggerirei di seguire la raccomandazione di Peter di un design I-ottimale utilizzando Custom Design e specificando il tuo modello con il pulsante RSM.Questo ti darà tutti gli effetti principali, l'interazione a 2 fattori e i termini quadratici.Se è possibile accogliere i valori assiali fuori faccia, un design composito centrale (CCD) presenta vantaggi significativi rispetto al design personalizzato I-ottimale per lo stesso numero di corse.Otterrai una potenza molto più elevata per i tuoi effetti quadratici nella maggior parte dei casi.Se sei impostato su oltre 60 esecuzioni, potresti persino replicare l'intero CCD un paio di volte.Se non hai familiarità con i design ottimali, anche la creazione di un CCD è probabilmente più semplice.Assicurati solo di essere sicuro che i valori assiali abbiano punti prefissati che puoi effettivamente eseguire.
Ri: Fattoriale completo + punti centraliIl tipo di idea antiquata dietro l'aggiunta di repliche del punto centrale era duplice: 1. Rileva la curvatura in almeno UNO dei fattori e 2. Fornisci alcuni gradi di libertà extra per i test LOF, Pure Error e i loro fratelli. Il motivo per cui si dovrebbero aggiungere repliche del punto centrale a un progetto già replicato mi sembra negare 2. sopra. L'unico altro motivo sarebbe rilevare la curvatura. Ma immagino che chiederei, se hai un budget per oltre 60 esecuzioni, perché non eseguire semplicemente un design ottimale i in piena regola nei tuoi fattori e, se hai bisogno di qualche errore puro, aggiungi un piccolo numero di repliche in quel progetto. Quindi potresti stimare la curvatura piuttosto che rilevarla. A molte meno corse.
