DoE: ファクターと「時間」ファクターの範囲内の中心から外れた焦点やあ！
JMP 12.1.0 を使用した実験計画法 (カスタム計画) に関して 2 つの質問があります。
- 0、20、50、100、150 の 5 つのレベルを持つ因子 (離散、数値) があります。
DoE テーブルを作成しようとすると、JMP はレベル 20 を中心から外れたものと見なし、このレベルを使用すると生成されるランが少なくなります。 対象の中心がレベル 50、またはその間の仮想ポイント (たとえば 35) にある必要があることを JMP に明示的に伝えることはできますか? カスタムデザインプラットフォームでそれを行うにはどうすればよいですか? - DoE に基づいてサンプルのセットを作成する予定です。 同じセットは後で非破壊的な方法でテストされます。 このようにして、応答はいくつかの時点で生成されます。 「時点」列を追加して、各時点の元の DoE テーブルのコピーを追加することはできますか? 後で結果評価中に「時間」要素を追加することは可能ですか?
前もって感謝します！
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイント「バイナリ結果では、モデルがあまり使用されない」という意味がよくわかりません。データをどのように分析しますか?
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイントLife Distribution を使用して、生命データの候補分布モデルを調べることができます。
[モデルの適合] > [パラメトリック生存の適合] を使用して、選択した誤差分布でデータをモデル化できます。
データ テーブルの最適なレイアウトには、何らかの助けが必要な場合があります。 この種の分析は、通常の回帰モデリングとは少し異なります。
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイント実験の目的は、主要なものとは別にアクティブな要因を特定することです。
応答は、特定の要因の組み合わせの寿命になります。
現在、バイナリの結果では、(予測の意味で) モデルはあまり使用されません。
他のすべての質問に答えるために、私は多読に飛び込む必要があります:)
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイントゼロレベルを省略するという決定は完全に理にかなっています。
だから、結果バイナリ（生存、失敗）ですか？ は何ですか応答モデル化する？
- ロジスティック回帰を使用して結果を直接モデル化しますか?
- 応答寿命ですか？
- 応答は、失敗率と時間のようなものですか?
- どのように応答をモデル化するつもりですか? (どのような分析を使用しますか?)
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイントマーク、ピーター、コメントと提案に感謝します。 非常に感謝しています！
DoE からゼロ レベルを除外します。 応答はブール値 (オブジェクトが生き残った/失敗した) であり、サンプルを時間の経過とともに監視します。 ゼロレベルは、失敗の性質から知られているように、ゼロレベルの集中係数で失敗することは不可能であるため、何の利益ももたらしません。
さらにいくつかの要因があり、それらが主要因と何らかの相互作用を持っているかどうかを確認したいと考えています (失敗は後で発生するか、早期に発生します)。
よろしく、
ローマン
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイントしたがって、経験に基づいて「20 ～ 100 の範囲で最も興味深い相関関係」が期待されます。 良い。
この範囲を 0 から 150 まで拡張しました。 その変化もいいかもしれません。
「コントロール」実行を含めることは問題ありませんが、カスタム デザインが作成された後にそれらを追加し、分析から除外することをお勧めします (モデルのフィッティング)。 このようにして、比較のためにそれらを用意しますが、モデリングのニーズを満たす必要も、モデリングを損なう必要もありません。
「ネガティブコントロール」および「有益な反応を期待しない」とは、まったく反応が得られないことを意味しますか、それとも、研究しているものの性質がゼロ以外のレベルで得られた性質から根本的に変化することを意味しますか?関連性や有用性はありませんか？ 申し訳ありませんが、私はあなたのポイントについて明確ではありません.
繰り返しになりますが、実験における因子範囲と計画水準のポイントは、モデルの適合をサポートすることです。 たとえば、線形パラメーターを推定するための最も有益な実行 (最大レバレッジ) は、範囲の極端にあり、その間にはありません。
モデルを使用して、目的の応答に対して最も満足できる因子水準を見つけます。 (この予測は、より多くのテストで経験的に確認されます。)
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイントマークは素晴らしいアドバイスと助言を提供します。 あなたの 2 番目の回答に基づいて...ゼロ レベルの治療の組み合わせで価値のある情報が得られないことが本当に疑わしい場合、なぜそのレベルを含める必要があるのでしょうか? 一般的に言えば、事前の知識やドメインの専門知識を通じて、実際の問題に対処する能力に貢献する情報を提供しない重大な失敗をもたらす治療の組み合わせを実験に含めるべきではありません. 因子は個別の数値であるため、貴重な経験的情報を提供する低いレベルを選択することをお勧めします。
Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイント包括的な回答ありがとうございます。 私はあなたの推奨事項に従うようにします。
レベルに関しては、以前の知識に基づいて、20 ～ 100 の範囲で最も興味深い相関関係があると予想しています。極端な値として 150 を追加し、陰性対照として 0 を追加しました。
レベル「0」で多くの実行を実行する必要があるのは直観に反していましたが（有益な応答は期待できません）、レベル 20 での実行はほとんどありません。 おそらく、ネガティブコントロールをデザインスペースに含めるのは悪い考えだったのでしょうか?Re: DoE: a factor と "time"-factor の範囲内のオフセンター フォーカス ポイント- 離散数値因子を使用して、実験に含める水準を定義できますが、カスタム計画では、その因子のモデル項と、特定の実行回数に対する計画におけるそれらの水準の最適な分布を定義します。
- この実験で因子水準 0、20、50、100、150 を選んだ理由は何ですか?
- 「関心の中心」とはどういう意味ですか?
- 出来上がったデザインのバランスが崩れて困っているようです。 直感的に、因子レベルごとに同じ量の複製が予想されました。 ただし、バランスは設計基準ではありません。 最小分散が基準です。 D 最適計画は、パラメーター推定値の分散を最小限に抑えます。これは、仮説のテストに適しています。 I 最適計画はモデル予測の分散を最小化するため、応答の最適化に適しています。 分散の計画への依存性は計画の非線形関数であるため、最小分散計画が均衡している場合もありますが、多くの場合そうではありません。
- 多数の複製処理を要求できますが、複製する処理を選択することはできません。 このアルゴリズムは、必要なレベルのレプリケーションを保証しますが、最も多くの情報を提供する実行を選択します。 複製の制約を満たすために一部のレベルが除外される可能性があり、その結果、設計がさらに直感的でなくなる可能性があります。
- 必要に応じて、後でいつでもデザインを変更できます。 つまり、最適なカスタム計画をデータ テーブルとして保存し、意図したとおりにレベルを手動で変更します。 モデルのデータからのサポートが損なわれますが、何も壊れません。
- 重要な点は、モデルのために処理が決定されるということです。 モデルは、計画ではなく、最適因子水準を見つけるために使用されます。 計画には最適なレベルは含まれず、モデル パラメーターの推定を最もよくサポートするレベルのみが含まれます。
- もちろん、実験に繰り返し測定を含めることはできますが、最終的な反応は何ですか?
- エンドポイントなどの時点の 1 つですか？もしそうなら、私はおそらく複数の列を使用して、これらの観察結果を経時的にキャプチャします。
- 勾配、変曲点、漸近線など、複数の時点の関数ですか? もしそうなら、私は応答を積み重ねて、あなたが提案したように時点を表す新しい列を追加します. その後、モデルに時間効果を含めることができます。
- 複数の列を使用して応答を導出するなど、他の方法もあります。 用量反応曲線のパラメーターを個別に計算し、それらを反応として使用することで、アッセイを最適化しました。 同じ手法を応答の時間経過に適用できます。
結論として、実験計画法は「私のモデルに適合する最良のデータは何か?」という質問に答える結果であることを覚えておいてください。
