<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />나는 5 가지 요인을 가지고 있고 관심있는 2 가지 요인 상호 작용을 선택한 후에는 16 가지가 필요한 것 같습니다. 내 질문은 다음과 같습니다.
커스텀 플랫폼의 해상도를 어떻게 빨리 볼 수 있습니까? 별칭 테이블을 볼 수는 있지만 효과의 최상위 행을 해석하는 방법을 모르겠습니다. 나는 관심있는 주요 효과 + 2 요인 상호 작용입니다.
이제 까다 롭습니다. 16 점이 아니라 25 점의 예산이 있습니다. 그래서 가장 효율적인 방법으로 실행을 추가하는 가장 좋은 방법을 알고 싶습니다. 나는 2 ~ 3 centrepoints뿐만 아니라 더 넓은 factor set point로 replicate 또는 replicate를 추가 할 수 있습니다. augment design 옵션을 시도했을 때 나는 2 개의 복제로 32 개의 실행만을 얻었다. ).
사용자 정의 플랫폼에서 기본 16 실행 대신 사용자 정의 25 실행을 선택하면 JMP가 나머지 실행을 어떻게 결정합니까? 또한 사용자 정의 플랫폼에서 D 또는 I-optimal를 선택하면 이러한 추가 실행이 어떤 식 으로든 변경됩니다.
주 효과를 맞추기위한 16 회 D- 최적 설계는 모두 2 인자 상호 작용으로 분해능 V 분수 계승 설계입니다. 세 가지 요인 상호 작용을 별칭 용어에 추가하여 자신을 설득 할 수 있습니다. 그러면 각각의 2 요소 상호 작용이 3 요소 상호 작용과 혼동되는 것을 볼 수 있습니다. 이 경우 강도 4 직교 배열 (해상도 V 디자인)이 하나만 있으며 맞춤 설계자가이 디자인을 찾습니다. 그러나 일반적으로 주 효과에 대해 직교하지만 다른 다른 통계적 특성을 갖는 많은 설계가있을 수 있습니다.
25 번 뛰기로 무엇을해야하는지에 대한 질문. 5 가지 주요 효과와 10 가지 2 가지 요소 상호 작용을위한 24 개의 실행 설계를 작성하여 모델 검증에 대한 하나의 실행을 저장하는 것이 좋습니다. 사용자 지정 디자이너에게 4 번의 복제 실행을 요청할 것입니다. 이러한 런은 4 가지 복제가 있다는 제한에 따라 디자인의 D- 효율을 극대화하도록 선택됩니다. 이렇게하면 순수 오류에 대해 4 도의 자유가 부여됩니다. 너는 또한 적합하지 않은 4 가지 자유도를 가질 것이다. 이것은 세 가지 요인 상호 작용이 커지는 것으로 밝혀지면 유용 할 것입니다. JMP의 Fit 모델은 자동으로 Lack of Fit 테스트를 수행합니다. 그 테스트가 중요하다면, Stepwise를 사용하여 원인이 될 수있는 더 높은 순서의 상호 작용을 찾을 수 있습니다.
이 작업에서 발견 된 결과 디자인은 두 가지 요소 상호 작용이 모두있는 모델에 대해 94.29 % D- 효율적입니다. VIF는 모두 1.125입니다. 주 효과 모델의 경우 디자인 효율은 98 %이고 최대 VIF는 1.05입니다.
이 설계는 24 회 실행 및 2 요소 상호 작용 모델에 대해 가장 효율적인 D- 설계는 아니지만 D- 효율적인 설계에는없는 두 가지 기능이 있습니다. 그것들은 4 개의 복제본과 Lack-of-Fit 테스트를 수행하는 능력입니다.
다음은 개별 실행 복제에서 작성한 블로그의 URL입니다.
실험 디자인을위한 JMP 10의 새로운 기능
다음은 앞서 설명한 디자인을 생성하는 스크립트입니다.
암사슴 ( 주문 설계 , {응답 추가 (최대화, "y",.,.,.),
팩터 추가 (연속, -1,1, "X1", 0),
팩터 추가 (연속, -1,1, "X2", 0),
팩터 추가 (연속, -1,1, "X3", 0),
팩터 추가 (연속, -1,1, "X4", 0),
팩터 추가 (연속, -1,1, "X5", 0), 임의 시드 설정 (5735943),
시작 수 (10000), 용어 추가 ({1,0}), 용어 추가 ({1,1}),
({2,1}), 용어 추가 ({3,1}), 용어 추가 ({4,1}), 용어 추가 ({5,1}),
용어 ({1,1}, {2,1}) 추가, 용어 ({1,1}, {3,1}) 추가,
용어 ({1,1}, {4,1}) 추가, 용어 ({1,1}, {5,1}) 추가,
용어 추가 ({2,1}, {3,1}), 용어 추가 ({2,1}, {4,1}),
용어 추가 ({2,1}, {5,1}), 용어 추가 ({3,1}, {4,1}),
용어 추가 ({3,1}, {5,1}), 용어 추가 ({4,1}, {5,1}), 복제 (4),
샘플 크기 설정 (24)}
);
입력에 감사드립니다. 나는 실제로 5 개의 연속적인 요인을 가지고 있으며 1 회 선별 검사 (25 회 실시)를 한 다음 1 회 RSM (2 개의 가장 큰 요인 5 단계)을 할 계획입니다.
선별 디자인 플랫폼을 사용하면 16 계단 분해능 V 디자인을 선택할 수 있습니다. 맞춤형 디자인 플랫폼을 사용하고 모든 2 차 상호 작용을 선택하면 기본적으로 32 회 실행되고 최소로 16 회 실행됩니다. 커스텀 디자인 플랫폼에서의 최소 16 번의 런은 앨리어싱이 없다. (나는 별칭 행렬 = 해상도 V를 해석하지만 명시 적은 아니다.) 맞춤 디자인이 D 최적 (100 % D 효율)로 기본 설정되어 있기 때문에, 선별 디자인 플랫폼에서 제공 한 디자인과 동일한 디자인을 기대해야합니다 (즉, 사용자 정의 디자인의 16 최소 실행 디자인은 16 실행 V 디자인과 동일합니다. 심사 디자인 플랫폼). ?
이것이 사실이라고 가정 할 때, 사용자 정의 디자인 플랫폼을 사용하고 16 (최소) 대신 25 개의 "사용자 정의"를 선택하면 D 효율이 94.5 %가됩니다. 주된 목적이 선별이므로, 이것이 가장 적합한 최적의 디자인입니까? 대안은 내가 16 번의 실행 (이미 결의안 V라고 생각한다)에 충실하고 다른 실행을 임시로 추가하는 것이다. 과거에는 (내가 더 적은 요인을 가졌을 때) 모퉁이와 중심점을 반복적으로 복제했기 때문에 견고성을 확인했으며, 응답이 잡음에 비해 작 으면 요인의 민감도를 예측하기가 어려울 수도 있습니다. 이는 오류를 추정하기 위해> ~ 5 복제본과 동일 할 수 있습니다 (오류는 각 실행에 대해 동일하다고 가정). 그러나 5 가지 요인을 고려해 볼 때 최적의 방법으로 복제물을 선택하는 것은 여전히 어렵습니다. 나는 D 최적이 내가 정말로 원하는 것인지 또는 한 차원에서 최적인지 여부에 대한 질문을 생각합니다.
안녕하세요,
나는 Custom Design 플랫폼을 개발 한 Bradley Jones에게 당신의 질문을 던졌다.
There many questions here but I cannot be quite sure of an answer unless I know whether you have categorical factors with more than two levels. I suspect you do because otherwise with 5 factors each at two-level, the Custom Designer would not have 16 runs as the default.
If you do have factors with more than two levels then the question of resolution is not relevant because resolution is a concept that only applies to designs having all factors at two-levels. So, resolution is an idea with limited applicability.
What is more generally useful is knowing how many effects you can estimate with a given number of runs and whether these effects may be biased by the presence of active effects that are not in your model.
If you have 25 runs, you may well have enough runs to estimate all the two-factor interactions even though you are only interested in two of them. This would make your design like a resolution V design even if you have categorical factors with more than two levels. I would recommend adding all the two factor interactions to your original model to see if 25 runs is sufficient to fit them all.
It is always useful to have replicate observations because that allows you to estimate the error variance without having the correct model. It also can allow you to do a test of lack of fit.
My personal preference is to add terms to my model before replicating observations because I feel comfortable estimating the error variance using the extra runs not being used to estimate the model terms. Also, you need to have at least 5 or more replicates before you can get a decent pure error estimate of the variance. I view this as a substantial investment just to estimate one parameter.
If all your factors are continuous, then 25 runs is enough to estimate the full quadratic model. That is, you can estimate all the main effects, two factor interactions and quadratic effects. With that budget, I would run an I-optimal RSM design that you can get by clicking the RSM button.
- 제프
