Aclaración de vocabulario del DOE<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Estoy cansado de simplemente ignorar una preocupación persistente que tenía sobre el vocabulario del DOE, ya que me pregunto si no entiendo completamente un concepto. Encuentro que ALIASING, CORRELATION y CONFOUNDING aparecen en muchas discusiones y, a veces, parecen usarse indistintamente.Por ejemplo, la plataforma DOE en JMP proporciona maravillosos mapas de correlación de colores que utilizo mucho cuando evalúo un diseño potencial, pero también tiene una matriz de alias. En muchos lugares se utiliza el término "confusión" de un efecto principal con una interacción de dos factores.
Entiendo el concepto y la importancia de la confusión, que es el término que uso con más frecuencia, por lo que no estoy pidiendo una discusión de qué es eso en el contexto de, por ejemplo, diseños RES III versus RES V. Mi pregunta es sobre la definición precisa de cada uno de estos tres términos. Como dije, a veces dan la apariencia de ser nombres diferentes para la misma cosa, pero no estoy convencido de que sea así.
Agradecería una aclaración sobre este punto. Si SON todos lo mismo, ¿por qué tenemos diferentes términos en uso? Si no lo son, realmente necesito entender el significado preciso y el uso de cada término.
Gracias de antemano.
Re: Aclaración de vocabulario del DOE
Si el diseño es ortogonal, sus estimaciones de efecto no están correlacionadas entre sí. Cuando el diseño no es ortogonal, es posible que tenga algún alias parcial, en cuyo caso algunas de las estimaciones del efecto están correlacionadas: esas estimaciones cambian dependiendo de si el otro efecto está en el modelo o no, y es posible que vea errores estándar más grandes en su diseño. efectos si ambos están en el modelo. Esto no significa que los factores X1 y X3 estén correlacionados (a menos que tenga algunas restricciones subyacentes), sino que, por la forma en que se eligió el diseño, las estimaciones de sus efectos están correlacionadas. La mayoría de los libros del DOE mencionan la correlación cuando analizan las estimaciones del efecto, pero al buscar en el índice, es más probable que vea aliasing y confusión.
Todavía tiene 2 casos diferentes, uno en el que hay un alias parcial:
- Existe una correlación entre las estimaciones del efecto principal de X1 y X3.
- Las estimaciones del efecto principal de X1 y X3 están parcialmente alteradas.
Y uno para aliasing completo:
- Las estimaciones del efecto principal de X1 y X3 están completamente correlacionadas.
- Las estimaciones del efecto principal de X1 y X3 se confunden.
- Las estimaciones del efecto principal de X1 y X3 tienen un alias completo.
Algunos autores tienen su propia preferencia por su terminología y, según el contexto, no hacen la distinción entre alias parcial y total. Por ejemplo, en los diseños de cribado clásicos, solo se trata de ortogonales o con alias/confundidos completos, por lo que no es raro ver que el "totalmente" se elimine en tal caso. El equipo de documentación ha estado trabajando arduamente para mantener la coherencia en las últimas (y próximas) versiones de la documentación del DOE.
Re: Aclaración de vocabulario del DOESi puedo repetirme: la confusión, el aliasing y la correlación NO son lo mismo.Al configurar un DOE, los signos de las columnas se pueden multiplicar y el signo resultante es otra columna que se puede usar para otro factor.Por lo tanto, ese factor es "alias" por la nueva columna.Por ejemplo, puede decidir que una interacción triple entre X1, X2 y X3 es muy poco probable, por lo que establece una columna multiplicando los signos de esos tres factores y usa la columna para un cuarto factor.
La confusión es cuando los signos de algunas columnas resultan ser los mismos.Por ejemplo, es posible que al configurar la matriz de prueba, la columna de interacción X1X2 tenga los mismos signos que X2X3X4.En otras palabras, el efecto de X1X2 no se puede separar del efecto de X2X3X4: se confunden.
La correlación es diferente en el sentido de que dos (o más) factores tienden a moverse juntos o en caminos opuestos.Recuerde que correlación no significa "causa y efecto".Puede haber otros factores que hagan que los dos (o más) factores correlacionados se muevan como lo hacen.
Re: Aclaración de vocabulario del DOEProbablemente no planteé bien mi pregunta. Entiendo los mapas de correlación de colores, pero encuentro que en muchos casos los tres términos que mencioné se usan casi como si fueran nombres diferentes para la misma cosa.
Específicamente, ¿estas tres afirmaciones dicen lo mismo sobre algún diseño que podría haber creado?
1) existe una correlación entre X1 y X3
2) hay confusión entre X1 y X3
3) X1 y X3 tienen alias
A veces, al leer un post o alguna documentación, he visto estos términos intercambiados incluso en el mismo párrafo.
Re: Aclaración de vocabulario del DOEA continuación se muestra una imagen de cómo se ve Aliasing/Confounding para factores continuos de 2 niveles.Multiplique los signos de los efectos principales como se muestra para obtener el signo correspondiente a esa interacción.* = para Fila 1 X1*X2 como ejemplo.Como puede ver en la imagen, cada efecto principal se confunde por completo con uno de los términos de interacción que ilustra lo que se ha dicho anteriormente. Por lo tanto, no podría usar de manera confiable los términos de interacción en su modelo sabiendo que no hay distinción entre el efecto principal y su correspondiente término de interacción (color).
Re: Aclaración de vocabulario del DOEEl Mapa de color de las correlaciones le da una idea de la relación entre los efectos en su modelo y aquellos que no están en su modelo, pero que pueden tener un efecto en la respuesta (términos de alias). Además de la guía DOE mencionada anteriormente, puede echar un vistazo a este blog: Gráfico de celdas de correlación para la comparación de diseños en JMP
La confusión de dos efectos significa que no hay manera de distinguir entre los dos efectos. Se necesitarían corridas de seguimiento para diferenciar estos efectos, y/o se necesitarán hacer suposiciones sobre qué efectos son insignificantes. Verá esto también llamado aliasing, pero me gusta pensar en esto como lleno alias Puede tener un alias parcial, donde los efectos no son ni ortogonales ni totalmente alias/confundidos (piense en las entradas en el Mapa de color en Correlaciones que no son 0 o 1).
La matriz de alias refleja el grado en que los efectos que no están en el modelo pueden sesgar las estimaciones del efecto. Si tiene un alias parcial para los efectos en el modelo, sus errores estándar para las estimaciones de efectos son mayores. Más información en este blog: http://blogs.sas.com/content/jmp/2014/06/05/what-is-an-alias-matrix/
Espero que ayude a aclarar las cosas.
Salud,
Ryan
Re: Aclaración de vocabulario del DOEMi forma simplista de pensar en estos conceptos es la siguiente:
Se trata de un flujo de trabajo de dos pasos:
Paso 1: Evaluar un diseño para la presencia de confusión y alias entre los efectos que se pretende estimar. Considero que esta acción y las frases son sinónimos. Algo así como preguntar: "¿Estás embarazada/esperando un bebé?"... ya sea que lo estés o no. Es decir, cualquier diseño tiene confusión/aliasing presente para al menos un efecto o no lo tiene. Entonces, si la respuesta es no. Alto... no hay correlación entre dos efectos cualesquiera. Si la respuesta es "Sí, hay confusión o correlación dentro de este diseño". Luego continúe con el paso 2.
Paso 2: La siguiente pregunta lógica es ¿qué efectos se confunden o se asocian con cuáles? ¿Y cuál es el grado de sesgo asociado a estos efectos? Ahí es donde entra la correlación. Es por eso que muchos consideran que el mapa de color de JMP en correlaciones es una excelente ayuda visual para evaluar un diseño. La correlación es una medida del sesgo asociado con las estimaciones de los parámetros.
Hay una explicación de estos problemas en la Ayuda nativa de JMP versión 12 con el software si solo invoca desde el menú principal de JMP:
Ayuda -> Busque la Ayuda, ingrese Ventana de evaluación de diseño en el campo Buscar y seleccione el tema Ventana de evaluación de diseño.
Re: Aclaración de vocabulario del DOEPara mí, la confusión, el aliasing y la correlación NO son lo mismo.Al configurar un DOE, los signos de las columnas se pueden multiplicar y el signo resultante es otra columna que se puede usar para otro factor.Por lo tanto, ese factor es "alias" por la nueva columna.Por ejemplo, puede decidir que una interacción triple entre X1, X2 y X3 es muy poco probable, por lo que establece una columna multiplicando los signos de esos tres factores y usa la columna para un cuarto factor.
La confusión es cuando los signos de algunas columnas resultan ser los mismos.Por ejemplo, es posible que al configurar la matriz de prueba, la columna de interacción X1X2 tenga los mismos signos que X2X3X4.En otras palabras, el efecto de X1X2 no se puede separar del efecto de X2X3X4: se confunden.
La correlación es diferente en el sentido de que dos (o más) factores tienden a moverse juntos o en caminos opuestos.Recuerde que correlación no significa "causa y efecto".Puede haber otros factores que hagan que los dos (o más) factores correlacionados se muevan como lo hacen.
