En raison de contraintes de temps et de possibilités expérimentales, je suis intéressé par un DOE complètement randomisé dans JMP, un "chemin le plus court" dans mon espace expérimental (tout en restant aussi aléatoire que possible):
1) minimiser le nombre de cas où plusieurs paramètres changent entre deux expériences consécutives
2) minimiser les changements en plusieurs étapes entre les niveaux dans les paramètres (c'est-à-dire préférer «-1 à 0» et «0 à +1» à «-1 à +1»).
3) ajouter une expérience supplémentaire coûterait moins de temps que d’autoriser 1 ou 2.
Est-ce que quelqu'un a essayé / étudié l'effet de ceci sur un plan expérimental et les effets statistiques?
(Peut-être à visualiser: envisager de visiter 10 villes en voiture pour prélever un échantillon dans chaque ville dans un DOE de 20 expériences, en minimisant la quantité d'essence que vous souhaitez utiliser - non pas comme objectif de l'expérience, mais comme conception de l'expérience ).
(Je suis actuellement sur JMP 13, mais je peux accéder à JMP 14 et 15).
Concept intéressant. Vous joueriez certainement dans les espaces de la plateforme Custom Design et Evaluate Design. Et travaillez probablement dans JMP 14 ou 15. Contrairement à JMP 13, car la plate-forme Evaluate Design, qui permet de comparer efficacement plusieurs conceptions, est améliorée dans JMP 14 à partir de 13 et peut-être même davantage dans JMP 15? Je n'ai pas encore vu JMP 15, donc je ne suis pas sûr.
