N. di livelli DOECiao-
Ho ricevuto la seguente domanda da un cliente:
"La mia domanda ci ha maggiormente focalizzato su una migliore conferma della differenza tra quadratico e lineare. Non mi aspetto che sia cubico o superiore. Ciò deriva principalmente dalla preoccupazione per l'errore nei miei esperimenti, in cui non voglio concludere erroneamente che una correlazione è quadratica perché alcuni dei punti campione sono abbastanza distanti da adattarsi a un quadratico migliore di un adattamento lineare. Fammi sapere se questo ha senso o sto fraintendendo. Per me, avere 4 o più livelli fornirebbe una prova più evidente della curvatura. Ciò mi farebbe sentire più a mio agio nel concludere che la curvatura non è associata alla casualità del mio test ".
Essenzialmente, vuole sapere se dovrebbe aggiungere più livelli (più di 3) per avere più fiducia nel fatto che abbia un modello lineare o quadratico.
La mia risposta a lui, anche se gli dissi che avrei controllato con altri colleghi, avrebbe dovuto:
1) Guarda la relazione grafica nel Prediction Profiler per vedere se ci fosse curvatura
2) Infine, per essere sicuri che ci sia una relazione statistica, per guardare la tabella degli effetti, e se il quadratico è statisticamente significativo, quindi tenerlo dentro.
3) Se disponi delle risorse per eseguire esecuzioni aggiuntive, provalo!
Qualcun altro ha pensieri diversi?
Re: # di DOE LevelsCiao Alisa,
Dovrei notare che per la tabella di dati che hai aggiunto, potresti trovare lamentarsi di Evaluate Design (guarda il modello e le combinazioni non autorizzate e non riesce a trovare l'AF) - potrebbe essere più facile rimuoverli se si guarda a Evaluate (forse noi Dovrò sapere come affrontarlo per JMP 15 ...)
Mi piace l'idea di Peter, provare un design ottimizzato ponderato.
Aggiungerò anche, a volte mi piace usare i polinomi ortogonali per controllare quadratici (jsl: ortho poly), poiché a volte usando il quadrato semplice per il quadratico lascia sottodimensionato. Cioè, prendo qualcosa come la colonna A e lo suddivido in colonne (una per il componente lineare e una per il quadratico), e la uso per la modellazione. Potrebbero preferire tornare al modello più semplice dopo aver usato la codifica originale, ma può aiutare a individuare gli effetti quadratici che potrebbero esserci.
Se hai il libro Wu e Hamada, ne parlano nel Capitolo 1 - almeno la prima edizione.
Saluti,
Ryan
Re: # di DOE Levels @phersh Assolutamente! Ecco qui. Ho creato alcuni dati falsi per mostrargli come analizzarlo in JMP.
Re: # di DOE LevelsAlisa,
Sarebbe possibile condividere il file che tu e Don avete creato?
Hai anche considerato un design ottimizzato ponderato con l'accento sull'effetto / i quadratico / i di interesse?
Penserei che più corse nei punti finali e nei punti centrali ti darebbero una sensazione migliore se c'è davvero un effetto quadratico attivo. Invece di scegliere 4 livelli tra i due punti finali.
Re: # di DOE LevelsOnestamente, sembra che sia stato fatto un sacco di lavoro! Non sono sicuro di aver capito perché, ma per ora non è importante. Sono sicuro che tu e Don avete fatto qualcosa di appropriato. Per quanto riguarda la valutazione del potere, penso che tu possa ancora. Prendi la tabella dei dati che stai analizzando e scegli DOE> Design Diagnostics> Valuta il design. Si specificano i fattori e il modello e si dovrebbe fare la valutazione. Non ha bisogno di essere qualcosa creato da Custom Design.
Re: # di DOE LevelsSì. Ho pensato a Power dopo aver creato il post. Con il suo particolare DOE, non posso controllare il potere (o almeno non credo di poterlo fare). Ha 6 fattori, ma solo 3 dei quali voleva usarli contemporaneamente. Con l'aiuto di @DonMcCormack , abbiamo creato tramite CD un DOE usando X1-> X3 per rappresentare i 3 livelli come numeri discreti e X4-> X6 come fattori categoriali con 6 livelli. I sei livelli di X4-> X6 rappresentavano i 6 fattori. Abbiamo creato il design e 36 corse. Abbiamo quindi utilizzato il filtro delle combinazioni non consentito per interrompere qualsiasi scelta tra due situazioni dello stesso fattore. Poi abbiamo dovuto fare una pila di serie multiple per impilare i livelli e i fattori e poi una divisione per metterli nelle colonne appropriate. Poi abbiamo aggiunto nella colonna di risposta e gli ho mostrato il modo di analizzare utilizzando Fit Model poiché lo script Model non funzionava. ha senso? Quindi, alla fine della giornata, il DOE non è uno che può essere valutato con l'analisi della potenza. Non conosco un modo per controllare il potere di questo DOE "a mano / forza bruta". Mi sto perdendo qualcosa?
Re: # di DOE LevelsPuoi controllare per vedere quale è meglio. Essenzialmente, vuole una potenza elevata per i termini quadratici. Ha davvero bisogno di sapere se sono reali o meno. Il design predefinito è un design D-Optimal, ma un design I-Optimal è migliore per stimare i termini quadratici, quindi dovrebbe usare un design I-Optimal (potenza leggermente migliore sui quadratici, ma minore potenza sugli effetti principali e interazioni quindi c'è un compromesso lì).
Ho creato un progetto I-ottimale per un fattore (i risultati saranno validi per più fattori) e un modello quadratico, 12 punti. Ciò si tradurrà in un design a 3 livelli. L'analisi della potenza si presenta così:
Ora creo un design I-ottimale in 12 esecuzioni con 4 livelli. Devo scegliere Discrete Numerico per fare ciò, ma finché continuo a stimare solo il modello quadratico, va bene. Ecco l'analisi di potenza su questo progetto:
Come puoi vedere, ottieni effettivamente una potenza INFERIORE sul termine quadratico quando aggiungi più livelli (aumenti la potenza degli effetti principali). Abbiamo una dimostrazione simile a questa nella nostra classe di progettazione sperimentale personalizzata. Hai una migliore possibilità di rilevare la curvatura usando meno livelli.
Ecco il confronto complessivo di potenza PLUS, ho aggiunto la trama Fraction of Design Space. Il design a 3 livelli offre una migliore potenza quadratica (non effetti principali) e fornisce una migliore variazione della previsione. Nel complesso, penso che i livelli 3 superino i quattro livelli quando è solo un modello quadratico.
