Análisis de un diseño de parcelas fracturadas.Hola,
En pocas palabras, he tratado de usar un diseño de parcelas divididas para el análisis de una reacción química.
Diseñé los experimentos con el diseñador personalizado, donde la temperatura es un parámetro que es difícil de cambiar (por lo tanto, parcela dividida). Tengo 9 variables en total, dos de las cuales son categóricas (identidad de los reactivos). Para empezar, solo me interesa analizar los efectos principales. Como resultado, logré usar el diseñador personalizado para encontrar un diseño con 20 experimentos que ofrece los efectos principales sin alias. Las interacciones tienen un alias (las interacciones de segundo orden están marcadas como "si es necesario" en el modelo), pero como primera iteración, estará bien para mí.
De todos modos, al realizar los experimentos, tuve que cambiar uno de los solventes, lo que resultó en un cambio en tres de los parámetros seleccionados (traté de seleccionar un solvente con propiedades lo más cercano posible al que reemplazó). Pensé, pensando en cómo lo veía George Box, que luego se convirtió en un diseño fallido; funcionaría, pero no me dio los mejores resultados. Para un experimento de selección, probablemente podría aceptar esto.
Ahora, mientras trato de ajustar el modelo, tengo algunos problemas para interpretar la salida JMP:
1) Tengo algo llamado 'Detalles de Singularidad'. Supongo que es porque el diseño fallido ahora tiene algunas colinealidades.
2) En las estimaciones de los parámetros, muchos están 'sesgados' y el resto se ponen a cero. ¿Esto se debe al diseño fallido, o al aliado de las interacciones de segundo orden?
3) Ningún efecto parece significativo en el Resumen de efectos, o más bien, no aparecen.
4) La gráfica real vs predicha es perfectamente lineal, con R ^ 2 = 1. Eso no puede ser verdad.
5) La intersección es negativa, ¿tan sesgada?
Entonces, en general ... ¿puedo hacer mucho más que ver el modelo ajustado y usar el conocimiento extrastatístico para seleccionar los pocos efectos principales importantes?
Re: Análisis de un diseño de parcelas fracturadas.A menos que solo intente ajustar efectos principales, esperaría singularidades con un diseño tan escaso. Sin embargo, si está obteniendo una singularidad con solo los efectos principales, tiene un poco más de problemas.
Si todos sus factores tienen 2 niveles, debería poder usar la plataforma de detección de dos niveles para identificar factores significativos y posiblemente algunas interacciones. No creo que sea capaz de probar adecuadamente el factor difícil de cambiar, pero probablemente sea lo suficientemente bueno para sacar conclusiones generales.Re: Análisis de un diseño de parcelas fracturadas.Gracias por tu aporte!
El modelo que trato de ajustar es efectos principales + interacciones. Si entiendo el DoE personalizado correctamente, establecer las interacciones en 'si es posible' y los efectos principales en 'requerido' me permite encontrar un diseño con efectos principales estimables y (algunos de) alias de interacciones (lo que la tabla de alias no me mostró cuando Hice el original diseño).
No sabía sobre la plataforma de detección de dos niveles, ¡gracias! No debería incluir Whole Plots con eso, ¿verdad?
Incluyendo gráficos completos o no, ningún factor es significativo (¡incluso efectos principales!) Al observar los valores de p / los gráficos de Pareto, pero algunos se desvían de la trama medio normal.
Asi que, para resumir :
No me quedan grados de libertad para analizar los datos como de costumbre, y debo esperar singularidades con el diseño que tengo. Sin embargo, tengo la intención de hacer algunos experimentos en el centro del diseño para tener una idea de la variación.
La plataforma Fit Two Level Screening no es útil al observar el gráfico de p-valores / Pareto, pero algunos factores se desvían significativamente de la trama mitad normal, y por lo tanto me centraré en estos en la siguiente iteración. Y mantener el factor difícil de cambiar para una buena medida.
¿Se entiende correctamente?
Re: Análisis de un diseño de parcelas fracturadas.Sí, has entendido correctamente.
Cuando establece interacciones en "si es posible", básicamente le está diciendo a JMP que "puede confundir este término con otros términos 'si es posible', pero no debe confundirlo con ningún término 'Necesario'". Implica que necesitará usar algo como un gráfico medio normal para identificar factores importantes y utilizar los principios de la herencia de efectos y la jerarquía de efectos para hacer una estimación informada sobre cuáles de los alias de interacciones son más probablemente el factor activo en función de cuáles fueron los efectos principales. significativo. JMP lo hace por ti en Fit Two Level Screening. No puede intentar el modelo completo desde el principio en Fit Model porque ya sabe que tiene términos de alias de modelo que causarán singularidades.
No te preocupes por la trama completa en la prueba de ajuste de dos niveles. Eso debe incluirse como un efecto aleatorio, y la Prueba de ajuste de dos niveles no puede manejar efectos aleatorios por lo que sé. Esto significa que el análisis no será exactamente correcto, pero estoy seguro de que seguirá cumpliendo su propósito de resaltar los fuertes efectos. El gráfico medio normal es la salida principal que debe utilizar para tomar sus decisiones. Una vez que tenga eso, puede usar Fit Model para ajustar solo los términos del modelo seleccionado.
Re: Análisis de un diseño de parcelas fracturadas.¡Gracias! Tiene sentido, ¡y estoy empezando a darle sentido a los datos ya!
