Clarification du vocabulaire du DOE<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Je suis fatigué d'ignorer simplement une préoccupation lancinante que j'ai eue au sujet du vocabulaire du DOE, car je me demande si je ne comprends pas complètement un concept. Je trouve que ALIASING, CORRELATION et CONFOUNDING apparaissent dans de nombreuses discussions et semblent parfois être utilisés de manière interchangeable.Par exemple, la plate-forme DOE de JMP fournit de merveilleuses cartes de corrélation des couleurs que j'utilise beaucoup lors de l'évaluation d'une conception potentielle, mais elle possède également une matrice d'alias. Dans de nombreux endroits, le terme « confusion » d'un effet principal avec une interaction à deux facteurs est utilisé.
Je comprends le concept et l'importance de la confusion, qui est le terme que j'utilise le plus souvent, donc je ne demande pas une discussion sur ce que c'est dans le contexte, par exemple, des conceptions RES III par rapport à RES V. Ma question porte sur la définition précise de chacun de ces trois termes. Comme je l'ai dit, ils donnent parfois l'impression d'être des noms différents pour la même chose, mais je ne suis pas convaincu que ce soit le cas.
J'apprécierais des éclaircissements sur ce point. S'ils SONT tous la même chose, pourquoi utilisons-nous des termes différents ? Si ce n'est pas le cas, j'ai vraiment besoin de comprendre le sens précis et l'utilisation de chaque terme.
Merci d'avance.
Objet : Clarification du vocabulaire du DOE
Si le plan est orthogonal, vos estimations d'effet ne sont pas corrélées entre elles. Lorsque le plan n'est pas orthogonal, vous pouvez avoir un crénelage partiel, auquel cas certaines des estimations de l'effet sont corrélées : ces estimations changent selon que l'autre effet est dans le modèle ou non, et vous pouvez voir des erreurs standard plus importantes sur votre effets si les deux sont dans le modèle. Cela ne signifie pas que les facteurs X1 et X3 sont corrélés (sauf si vous avez des contraintes sous-jacentes), mais que la façon dont la conception a été choisie, leurs estimations d'effet sont corrélées. La plupart des livres du DOE mentionnent la corrélation lorsqu'ils discutent des estimations d'effets, mais en cherchant dans l'index, vous serez plus susceptible de voir un crénelage et une confusion.
Vous avez toujours 2 cas différents, un dans lequel il y a un aliasing partiel :
- Il existe une corrélation entre les estimations de l'effet principal de X1 et X3.
- Les estimations de l'effet principal de X1 et X3 sont partiellement aliasées.
Et un pour l'aliasing complet :
- Les estimations de l'effet principal de X1 et X3 sont entièrement corrélées.
- Les estimations de l'effet principal de X1 et X3 sont confondues.
- Les estimations de l'effet principal de X1 et X3 sont entièrement aliasées.
Certains auteurs ont leur propre préférence pour leur terminologie et, selon le contexte, ne font pas la distinction entre le crénelage partiel et le crénelage complet. Par exemple, dans les conceptions de dépistage classiques, vous n'avez affaire qu'à des images orthogonales ou entièrement aliasées / confondues, il n'est donc pas rare de voir le "entièrement" supprimé dans un tel cas. L'équipe de documentation a travaillé dur pour rester cohérente dans les dernières versions (et à venir) de la documentation du DOE.
Objet : Clarification du vocabulaire du DOESi je peux me répéter : la confusion, l'aliasing et la corrélation ne sont PAS les mêmes.Lors de la configuration d'un DOE, les signes de colonne peuvent être multipliés, et le signe résultant étant une autre colonne qui peut être utilisée pour un autre facteur.Ainsi, ce facteur est "aliasé" par la nouvelle colonne.Par exemple, vous pouvez décider qu'une interaction à trois voies entre X1, X2 et X3 est très peu probable, vous définissez donc une colonne en multipliant les signes de ces trois facteurs et utilisez la colonne pour un 4e facteur.
La confusion se produit lorsque les signes de certaines colonnes se trouvent être les mêmes.Par exemple, vous pouvez constater que lors de la configuration de la matrice d'essai, la colonne d'interaction X1X2 peut avoir les mêmes signes que X2X3X4.En d'autres termes, l'effet de X1X2 ne peut être séparé de l'effet de X2X3X4 - ils sont confondus.
La corrélation est différente en ce que deux facteurs (ou plus) ont tendance à se déplacer ensemble ou dans des chemins opposés ensemble.N'oubliez pas que corrélation ne signifie pas "cause à effet".Il peut y avoir d'autres facteurs qui font que les deux facteurs corrélés (ou plus) évoluent comme ils le font.
Objet : Clarification du vocabulaire du DOEJe n'ai probablement pas bien formulé ma question. Je comprends les cartes de corrélation des couleurs, mais je trouve que dans de nombreux cas, les trois termes que j'ai mentionnés sont utilisés presque comme s'il s'agissait de noms différents pour la même chose.
Plus précisément, ces trois déclarations disent-elles toutes la même chose à propos d'un design que j'aurais pu créer ?
1) il y a une corrélation entre X1 et X3
2) il y a confusion entre X1 et X3
3) X1 et X3 sont aliasés
Parfois, lors de la lecture d'un article ou d'une documentation, j'ai vu ces termes échangés même dans le même paragraphe.
Objet : Clarification du vocabulaire du DOEVous trouverez ci-dessous une image de ce à quoi ressemble le crénelage/la confusion pour des facteurs continus à 2 niveaux.Multipliez les signes des effets principaux comme indiqué pour obtenir le signe correspondant à cette interaction.* = pour la rangée 1 X1*X2 à titre d'exemple.Comme vous pouvez le voir sur l'image, chaque effet principal est complètement confondu avec l'un des termes d'interaction qui illustre ce qui a été dit ci-dessus. Ainsi, vous ne pouvez pas utiliser de manière fiable les termes d'interaction dans votre modèle sachant qu'il n'y a pas de distinction entre l'effet principal et son terme d'interaction (couleur) correspondant.
Objet : Clarification du vocabulaire du DOELa carte des couleurs sur les corrélations vous donne une idée de la relation entre les effets dans votre modèle et ceux qui ne sont pas dans votre modèle, mais peuvent avoir un effet sur la réponse (termes alias). En plus du guide DOE mentionné ci-dessus, vous pouvez jeter un œil à ce blog : Diagramme de cellules de corrélation pour la comparaison de conception dans JMP
La confusion de deux effets signifie qu'il n'y a aucun moyen de faire la distinction entre les deux effets. Des cycles de suivi seraient nécessaires pour différencier ces effets, et/ou des hypothèses devront être faites sur les effets négligeables. Vous verrez cela aussi appelé aliasing, mais j'aime penser à cela comme complet crénelage. Vous pouvez avoir un crénelage partiel, où les effets ne sont ni orthogonaux ni complètement crénelés/confondus (pensez aux entrées de la carte des couleurs sur les corrélations qui ne sont pas 0 ou 1).
La matrice d'alias reflète la mesure dans laquelle les effets qui ne figurent pas dans le modèle peuvent biaiser les estimations d'effet. Si vous avez un crénelage partiel pour les effets dans le modèle, vos erreurs standard pour les estimations d'effets sont plus importantes. Plus d'informations dans ce blog : http://blogs.sas.com/content/jmp/2014/06/05/what-is-an-alias-matrix/
J'espère que cela aide à clarifier les choses.
Acclamations,
Ryan
Objet : Clarification du vocabulaire du DOEMa façon simpliste de penser à ces concepts est la suivante :
Un flux de travail en deux étapes est impliqué :
Étape 1 : Évaluer une conception pour la présence de confusion et d'aliasing parmi tous les effets qui doivent être estimés. Je considère que cette action et les phrases sont synonymes. Un peu comme demander, "Es-tu enceinte/attends-tu un bébé?"... soit tu l'es, soit tu ne l'es pas. C'est-à-dire que n'importe quelle conception présente soit une confusion/crénelage pour au moins un effet, soit elle n'en a pas. Ensuite, si la réponse est non. Arrêtez... il n'y a aucune corrélation entre deux effets. Si la réponse est "Oui, il existe une confusion ou une corrélation dans cette conception." Passez ensuite à l'étape 2.
Étape 2 : La question logique suivante est de savoir quels effets sont confondus ou aliasés avec lesquels ? Et quel est le degré de biais associé à ces effets ? C'est là qu'intervient la corrélation. C'est pourquoi beaucoup considèrent la carte des couleurs JMP sur les corrélations comme une excellente aide visuelle pour évaluer une conception. La corrélation est une mesure du biais associé aux estimations des paramètres.
Il y a une explication de ces problèmes dans l'aide native de JMP version 12 avec le logiciel si vous appelez simplement depuis le menu principal de JMP :
Aide -> Rechercher dans l'aide, saisissez Fenêtre d'évaluation de conception dans le champ Rechercher et sélectionnez la rubrique Fenêtre d'évaluation de conception.
Objet : Clarification du vocabulaire du DOEPour moi, la confusion, l'aliasing et la corrélation ne sont PAS les mêmes.Lors de la configuration d'un DOE, les signes de colonne peuvent être multipliés, et le signe résultant étant une autre colonne qui peut être utilisée pour un autre facteur.Ainsi, ce facteur est "aliasé" par la nouvelle colonne.Par exemple, vous pouvez décider qu'une interaction à trois voies entre X1, X2 et X3 est très peu probable, vous définissez donc une colonne en multipliant les signes de ces trois facteurs et utilisez la colonne pour un 4e facteur.
La confusion se produit lorsque les signes de certaines colonnes se trouvent être les mêmes.Par exemple, vous pouvez constater que lors de la configuration de la matrice d'essai, la colonne d'interaction X1X2 peut avoir les mêmes signes que X2X3X4.En d'autres termes, l'effet de X1X2 ne peut être séparé de l'effet de X2X3X4 - ils sont confondus.
La corrélation est différente en ce que deux facteurs (ou plus) ont tendance à se déplacer ensemble ou dans des chemins opposés ensemble.N'oubliez pas que corrélation ne signifie pas "cause à effet".Il peut y avoir d'autres facteurs qui font que les deux facteurs corrélés (ou plus) évoluent comme ils le font.
