Análisis DOE con corridas de punto centralHola...
Estoy analizando un DOE con corridas de punto central, ya que queremos saber si hay un efecto cuadrático significativo.
información conocida:
- 4 factores están involucrados con 4 repeticiones en el punto central
- la parte factorial del diseño es un factorial completo que incluye 2 ^ 4 = 16 ejecuciones
- Entonces, el número total de tiradas de tu diseño es 20.
- cada ejecución produjo 20 valores (lecturas) un total de 20 x 20 = 400 lecturas
En el análisis, solo 1 efecto cuadrático tiene un valor de P, que yo sepa, en la medida en que tengo suficiente número de ejecuciones para estimar todos los efectos de grado principal y segundo (interacciones bidireccionales y cuadráticas), JMP debería poder para calcular todos los valores p necesarios. Pero ¿por qué estoy obteniendo este resultado? Ver adjunto
Por favor corrija mi entendimiento si estoy equivocado, y gracias por ayudar a resolver el problema con mis datos

Re: DOE análisis con corridas de punto centralPara apilar a mi colega @markbailey los comentarios ... la próxima vez, si tiene 4 factores y desea estimar todos los efectos principales, interacciones de dos factores y efectos cuadráticos, puede considerar usar la plataforma de diseño personalizado de JMP en lugar del diseño de catálogo clásico. ? Usando técnicas de DOE óptimas, si tiene una restricción de recursos de 20 ejecuciones ... aún puede crear un diseño que funcione. Si utiliza de forma predeterminada el diseño clásico de Box Behnken o Central Composite, tiene hasta 26 o 27 carreras. Seguro que estos dos diseños tendrán una potencia mejorada, una variación de predicción más baja, etc. pero esa es la compensación de hacer NADA si tiene una restricción de ejecución superior de 20 ejecuciones. Además, puede utilizar la nueva plataforma de comparación de diseños de JMP para comparar las tres propiedades de diseño que menciono. Vea el Diario adjunto donde comparo un CCD con un 20 run I - diseño óptimo.
Re: DOE análisis con corridas de punto centralSu diseño no admite la estimación del modelo cuadrático completo. Es un diseño de dos niveles, que solo admite la estimación del modelo de primer orden. Los puntos centrales proporcionan un tercer nivel, pero solo pueden usarse para una prueba de falta de ajuste (LOF) o para la estimación de un efecto cuadrático seleccionado arbitrariamente. Los datos son incapaces de determinar de manera única el factor atribuible al efecto no lineal.
Eliminaré los términos cuadráticos para todos los efectos no lineales y ajustaría el modelo. ¿LOF es significativo? Si es así, aumentaría el diseño después de agregar los términos cuadráticos al modelo. Si no, no hay una no linealidad significativa a tener en cuenta, por lo que su modelo de primer orden es suficiente.