Argumento general del DOE: réplicas y puntos centralesHola
De vez en cuando recibo preguntas como "¿por qué no utiliza replicación o puntos centrales, ya que en nuestra guía siempre debemos agregar réplicas y al menos 2 puntos centrales?". Supongo que tú también.
¿Cómo responde / discute sobre eso? ¿Cuál es su experiencia sobre su reacción (¿solo le creen?)? ¿Cuáles serían las situaciones en las que recomendaría la replicación / duplicación / puntos centrales?
Con respecto a los puntos centrales, digo algo como "si tiene el efecto cuadrático ingresado como efecto de modelo, el diseño personalizado se encargará de ello (por supuesto, siempre y cuando tenga suficientes corridas para obtener una estimación justa, que puede verificar con, por ejemplo, el análisis de poder). Puntos centrales adicionales mejorarán la estimación del error.
Con respecto a las ejecuciones replicadas, es casi lo mismo, además de hablar de la variación de predicción.
Con respecto a las ejecuciones duplicadas, tendrá menos potencia y una mayor variación de predicción como si utilizara ejecuciones replicadas en el diseñador personalizado. Pero a veces quieres medir la misma unidad experimental, por ejemplo, en diferentes puntos de tiempo y a menudo veo que esto se hace entonces (aunque tendrías que ocuparte de eso en el modelado.
Me alegraría saber de sus argumentos / experiencias tanto en la parte teórica como en la parte convincente y creyente del cliente.
Gracias,
Martín
Re: Argumento general del DOE: réplicas y puntos centralesMartín,
Le diría al cliente que no hay un acuerdo general sobre si debe usar puntos centrales o agregar réplicas y lo dejamos para que ellos decidan. Explicaría las ventajas / desventajas para ambos casos. Personalmente, me gustan los puntos centrales porque se pueden usar para probar la curvatura sin ejecutar un RSM completo, se pueden usar para verificar el desajuste del modelo y se pueden espaciar sobre el diseño para verificar la deriva. Algunas desventajas son que agregan carreras pero no mejoran la estimación de la precisión del coeficiente. El uso de un DSD puede ser una forma más efectiva de lidiar con la posibilidad de curvatura cuando no desea ejecutar un modelo con todos los ME, 2FI y cuadráticos. En resumen, pueden verse como un uso ineficiente de las ejecuciones adicionales. En cuanto a las réplicas, no soy un gran admirador porque creo que en la mayoría de los casos es un uso ineficiente de las ejecuciones. Muchas personas no se dan cuenta de que para DOE, el error experimental puede estimarse por replicación o pseudoreplicación (es decir, cuando se elimina un efecto del modelo y el espacio de diseño se derrumba en alguna dirección). Por ejemplo, si se elimina un factor de un factorial completo de 3 factores, terminará con un diseño replicado de 2 factores). Veo dos desventajas de no replicar. Primero, la potencia es baja y la replicación es la mejor manera de mejorarla (en lugar de agregar puntos no replicados). En segundo lugar, como una forma de explicar la varianza de error no constante en el espacio de diseño. Sin embargo, si este es el caso, tiene mayores problemas.
Espero que esto ayude. Estar interesado en escuchar lo que otros piensan.
Re: Argumento general del DOE: réplicas y puntos centralesGrandes puntos hechos por Don. Mi resumen ejecutivo: solía ser un gran admirador de los puntos centrales, pero ya no tanto. El único momento en que los defiendo es si quiero tener una carrera de control y el punto central es un lugar donde el científico tiene buenos conocimientos. En esa situación, el punto central puede servir como un control de que todo va bien antes de ejecutar el diseño. Ahora por las razones ya no las recomiendo.
No tengo ninguna objeción real a los puntos centrales, ya que mantiene un diseño equilibrado, puede verificar la curvatura y proporciona un mecanismo para obtener un error puro. Sin embargo, es un enfoque ANTIGUO. Existen nuevas técnicas que JMP proporciona para la mayoría de estas situaciones. Por lo tanto, no tengo ningún problema si un cliente los usa, pero me gusta señalar nuevas y diferentes formas de pensar sobre el diseño en lugar de confiar en la tradición.
Verifique la curvatura. Puede hacer esto sin puntos centrales. Agregue términos cuadrados a la ventana del modelo y verifique que la estimabilidad sea "si es posible" (un diseño Bayesiano D-Optimal). Con suficientes recorridos, ahora puede verificar la curvatura sin puntos centrales. De hecho, esto permitiría la mejor ubicación de esos "puntos de verificación" para la curvatura. Una vez más, como dijo Don, un DSD a menudo comienza a ganarse al Bayesian D-Optimal que JMP proporciona, ¡pero muchas personas olvidan que DSD es para PANTALLA! No siempre es apropiado, especialmente si espera que la mayoría de sus factores estén activos. Por lo tanto, tener el Bayesian D-Optimal como opción es fantástico.
Como un punto de replicación / error puro, como Don ya dijo: los puntos centrales no son muy eficientes para eso. Si desea asegurarse de tener un error puro, es mejor que proporcione la cantidad de repeticiones que desee y permita que JMP determine los mejores puntos para replicar. No tiene nada de mágico que necesite ser el centro. Sí, el centro lo mantiene equilibrado (ortogonal), pero pequeñas correlaciones están bien cuando su objetivo es la estimación y predicción del modelo. Obtengamos la mejor estimación y / o predicción de nuestro modelo.
Aumento del poder por replicación: Don es (por supuesto) absolutamente correcto en lo que dice. El punto central no es realmente muy bueno para aumentar el poder. De hecho, si sus factores son continuos, también puede aumentar la potencia ampliando el rango de factores. Esto vuelve a dejar que JMP elija los puntos para replicar.
Replicación como una forma de contabilizar la varianza de error no constante: los puntos centrales no harán esto porque están solo en el centro del espacio de diseño. Como dijo Don, si esta es la situación, tiene cosas más importantes de las que preocuparse. Este es el único lugar donde JMP no ofrece tanta ayuda. Lo mejor que puede hacer es replicar todo el diseño. También podría poner la varianza como respuesta y optimizar su diseño para eso, pero JMP no sabrá que la respuesta requiere replicación para la estimación.
Re: Argumento general del DOE: réplicas y puntos centralesGracias Don y Dan por tus pensamientos. Creo que este es un gran resumen.
