Kontinuierlicher vs. diskreter numerischer FaktorWenn Sie beispielsweise nach einer maximalen Reaktion für einen Faktor in einem bestimmten Bereich suchen; Gesamt-DNA 100 µg bis 400 µg. Was ist ein genauerer und effizienterer Weg (höhere Leistung, weniger Läufe), dies zu erreichen?
- Ordnen Sie den Faktor als kontinuierlichen Faktor mit 2. Potenz (X1*X1) zu.
- Als diskrete Zahl auf 3 Ebenen zuweisen (100, 250, 400)
In der Vergangenheit habe ich immer Option A ausgeführt, aber während der Designanalyse ist die Leistung, die ich für Liege ich mit dieser Vorstellung falsch?
Vielen Dank für Ihre Hilfe,
Betreff: Kontinuierlicher vs. diskreter numerischer FaktorZuallererst ist es das Design des Experiments (die Behandlungsreihe). nicht Auswirkungen auf die Genauigkeit der Schätzungen haben. Das heißt, die Verzerrung der Schätzungen (Parameter oder Antwort) hängt nicht vom Design ab. Die Verzerrung der Schätzungen hängt von der Form des Modells ab.
Zweitens beeinflusst das Design die Varianz der Schätzungen. Dieser Effekt wirkt sich wiederum auf die Leistung aus. Mit zunehmender Varianz der Schätzungen nimmt die Trennschärfe ab.
Drittens hängt die Leistung nicht mit der Voreingenommenheit des Modells zusammen. Leistung ist definiert als die Wahrscheinlichkeit, keinen Fehler vom Typ II zu machen. Dies ist nur möglich, wenn die Alternativhypothese (der Parameter ist nicht Null) wahr ist. Die Aussagekraft hängt von der Effektgröße, der Antwortvarianz, der Stichprobengröße (eigentlich DF) und dem Signifikanzniveau ab. Geringe Trennschärfe bedeutet, dass eine geringe Wahrscheinlichkeit besteht, dass ein tatsächlicher Effekt (ungleich Null) statistisch signifikant ist.
Ich würde einem Modell erst vertrauen, nachdem es angepasst und unabhängig mit neuen Beobachtungen validiert wurde. Ich empfehle, zwei Bedingungen zu testen: die Bedingung, die voraussichtlich das gewünschte Ergebnis liefern wird, und eine andere Bedingung, die ein schreckliches Ergebnis vorhersagt. Sie können darauf vertrauen, dass das Modell auf diese Weise im Allgemeinen alle Ergebnisse gut vorhersagt.
Seien Sie übrigens vorsichtig, wenn Sie Designs vergleichen. Ich habe keinen großen Unterschied in der Leistung bei der Verwendung kontinuierlicher Faktoren im Vergleich zu numerischen diskreten Faktoren festgestellt, wenn ich darauf geachtet habe, automatische Aktionen von JMP zu überschreiben, die die Anzahl der Durchläufe, die Modellbedingungen usw. änderten. Ich sage nicht, dass die von Ihnen beobachtete Macht falsch ist. Ich sage nur, dass es leicht ist, Leistungswerte zu erhalten, die nicht vergleichbar sind.
Betreff: Kontinuierlicher vs. diskreter numerischer FaktorDanke Mark,
Um es besser zu verstehen: Bedeutet eine geringe Aussagekraft des Begriffs Beispiel: Ein kontinuierlicher Faktor bei 15 Läufen würde 0,827 für den Haupteffekt und 0,39 für den Term ergeben. Nehmen wir an, ich habe JMP bei der Analyse der Ergebnisse mit einem Anpassungsmodell und einem Profiler gebeten, das Ergebnis zu maximieren, und die Antwort, die ich erhielt, war 300 , kann ich ihm vertrauen? (oder jedes andere Ergebnis zwischen den getesteten Punkten 0, 250 und 400).
Eine diskrete numerische Berechnung mit 3 oder 4 Ebenen und 15 Durchläufen würde eine Potenz von 0,946 ergeben. Ist das eine viel bessere Option?
Betreff: Kontinuierlicher vs. diskreter numerischer FaktorEs wird keinen großen Unterschied machen. Sie können das Modell angeben und JMP wählt die Ebenen aus, oder Sie können die Ebenen angeben und JMP wählt die Begriffe aus. Der kontinuierliche Faktor gibt dem benutzerdefinierten Designer mehr Freiheit (keine Einschränkung der Ebenen) und daher wird es wahrscheinlich besser sein, aber nicht viel. Der diskrete numerische Faktor legt die Ebenen fest und die Schätzbarkeit der zusätzlichen Terme, die für die Optimierung des Designs erforderlich sind, ist auf „wenn möglich“ eingestellt, sodass sie bei den Leistungsberechnungen unterschiedlich zählen. Ich schlage vor, dass Sie es selbst versuchen. Gestalten Sie das Experiment in beide Richtungen und prüfen Sie die Auswertungsinformationen. Stellen Sie nur sicher, dass es sich um einen fairen Vergleich handelt (Anzahl der Durchläufe, Optimalitätskriterium, Modellbedingungen und Schätzbarkeit usw.).
Die Potenz der Terme, die Potenzen sind, ist immer viel geringer als die Potenz der Terme erster Ordnung und der Zwei-Faktor-Wechselwirkungen. Es kann eine große Anzahl von Durchläufen erfordern, was nicht mehr wirtschaftlich ist, um für solche Zeiträume eine hohe Leistung zu erreichen.
