Argumentation générale du DOE: réplique et points centrauxsalut
Je reçois de temps en temps des questions telles que "pourquoi n'utilisez-vous pas la réplication ou les points centraux, car dans notre directive, nous devrions toujours ajouter des réplicats et au moins 2 points centraux?". Je suppose que vous faites aussi bien.
Comment répondez-vous / argumentez-vous à ce sujet? Quelle est votre expérience de leur réaction (vous croient-ils juste?)? Quelles seraient les situations où vous recommanderiez la réplication / duplication / points centraux
En ce qui concerne les points centraux, je dis quelque chose comme: "si vous avez saisi l'effet quadratique en tant qu'effet de modèle, la conception personnalisée en tiendra compte (bien sûr, tant que vous avez suffisamment d'essais pour obtenir une estimation juste, avec laquelle vous pouvez vérifier, par exemple: analyse de puissance). Des points centraux supplémentaires amélioreront l'estimation de l'erreur.
En ce qui concerne les exécutions répliquées, il en est presque de même avec la variance de prédiction.
En ce qui concerne les exécutions en double, vous aurez moins de puissance et une variance de prédiction plus élevée, comme si vous utilisiez des exécutions répliquées dans le concepteur personnalisé. Mais parfois, vous souhaitez que la même unité expérimentale soit mesurée à différents moments, par exemple, et je le vois souvent alors (bien que vous deviez prendre cela en compte dans la modélisation.
Je serais heureux d'entendre de vos arguments / expériences tant sur la partie théorique que sur la partie croyante / convaincante du client.
Merci,
Martin
Re: argumentation générale DOE: réplique et points centrauxMartin,
Je dirais au client qu'il n'y a pas d'accord général sur le point de savoir si vous devez utiliser des points centraux ou ajouter des réplicats et nous leur laissons le choix. Je voudrais expliquer les avantages / inconvénients pour les deux cas. Personnellement, j'aime les points centraux car ils peuvent être utilisés pour tester la courbure sans exécuter un RSM complet, pour vérifier les défauts de modèle et pour être espacés de la conception afin de contrôler les écarts. Quelques inconvénients sont qu'ils ajoutent des analyses mais n'améliorent pas l'estimation de la précision des coefficients. L'utilisation d'un DSD peut s'avérer un moyen plus efficace de gérer la possibilité de courbure si vous ne souhaitez pas exécuter un modèle avec tous les éléments ME, 2FI et quadratiques. En bref, ils peuvent être vus comme une utilisation inefficace des courses supplémentaires. En ce qui concerne les répliques, je ne suis pas un grand fan, car je pense que dans la plupart des cas, il s’agit d’une utilisation inefficace des pistes. Beaucoup de gens ne réalisent pas que pour DOE, une erreur expérimentale peut être estimée par réplication ou par pseudoreplication (c'est-à-dire, lorsqu'un effet est supprimé du modèle et que l'espace de conception est réduit dans une ou plusieurs directions. Par exemple, si un facteur est supprimé d'une factorielle complète à 3 facteurs, vous vous retrouvez avec une conception à 2 facteurs répliquée). Je vois deux inconvénients à ne pas reproduire. Premièrement, la puissance est faible et la réplication est le meilleur moyen de l’améliorer (plutôt que d’ajouter des points non répliqués). Deuxièmement, comme moyen de prendre en compte la variance d'erreur non constante dans l'espace de conception. Si tel est le cas, cependant, vous avez de plus gros problèmes.
J'espère que cela t'aides. Être intéressé à entendre ce que les autres pensent.
Re: argumentation générale DOE: réplique et points centrauxGrands points faits par Don. Mon résumé: j’étais un grand fan de points centraux, mais ce n’est plus vraiment le cas. La seule fois que je plaide en leur faveur, c’est si je veux avoir une analyse de type contrôle et que le point central est un endroit où le scientifique a de bonnes connaissances. Dans cette situation, le point central peut servir à vérifier que tout va bien avant de lancer la conception. Maintenant, pour les raisons que je ne les recommande plus.
Je n'ai aucune objection à faire aux points centraux, car ils permettent de garder une conception équilibrée, peuvent vérifier la courbure et fournissent un mécanisme permettant d'obtenir une erreur pure. Cependant, c'est une approche OLD. JMP propose des techniques plus récentes pour la plupart de ces situations. Je n’ai donc pas de problème si un client les utilise, mais j’aime souligner les façons de concevoir le design les plus récentes et les plus différentes, plutôt que de miser sur la tradition.
Vérifiez la courbure. Vous pouvez le faire sans points centraux. Ajoutez des termes au carré dans la fenêtre du modèle et vérifiez que l'estimabilité est "si possible" (conception bayésienne D-optimale). Avec suffisamment de pistes, vous pouvez maintenant vérifier la courbure sans points centraux. En fait, cela permettrait le meilleur placement de ces "points de contrôle" pour la courbure. Encore une fois, comme l'a dit Don, un DSD commence souvent à gagner le Bayesian D-Optimal fourni par JMP, mais beaucoup de gens oublient que le DSD est destiné au criblage! Ce n'est pas toujours approprié, surtout si vous vous attendez à ce que la plupart de vos facteurs soient actifs. Avoir le Bayesian D-Optimal en option est fantastique.
Comme le disait déjà Don, comme point de réplication / erreur pure: les points centraux ne sont pas très efficaces pour cela. Si vous voulez vous assurer que vous avez une erreur pure, il est préférable de fournir le nombre de cycles de réplication souhaité et de laisser JMP déterminer les meilleurs points à répliquer. Il n'y a rien de magique à ce que cela doive être le centre. Oui, le centre le maintient équilibré (orthogonal), mais les petites corrélations sont acceptables lorsque votre objectif est l'estimation et la prédiction du modèle. Tirons la meilleure estimation et / ou prévision de notre modèle.
Augmenter le pouvoir par la réplication: Don est (bien sûr) absolument correct sur ce qu'il dit. Le point central n’est pas vraiment très efficace pour augmenter la puissance. En fait, si vos facteurs sont continus, vous pouvez également augmenter la puissance en élargissant la plage de facteurs. Cela revient à laisser JMP choisir les points à répliquer.
La réplication est un moyen de comptabiliser la variance d'erreur non constante: les points centraux ne le feront pas car ils se trouvent uniquement au centre de l'espace de conception. Comme Don l'a dit, si telle est la situation, vous devez vous préoccuper de choses plus importantes. C'est le seul endroit où JMP n'offre pas beaucoup d'aide. Le mieux que vous puissiez faire est de reproduire l'intégralité de la conception. Vous pouvez également mettre la variance en réponse et optimiser votre conception à cet effet, mais JMP ne saura pas que la réponse nécessite une réplication pour une estimation.
Re: argumentation générale DOE: réplique et points centrauxMerci Don et Dan pour vos pensées. Je crois que c'est un bon résumé.
