mapa de color sobre correlaciones y eficiencia de estimaciónEstoy trabajando en un diseño con 2 factores continuos y un factor numérico discreto y no puedo superar las 12 ejecuciones para este diseño. Cuando miro el mapa de color de las correlaciones de este diseño, muestra la correlación entre los factores. He intentado un número diferente de carreras para ver que mejora pero no lo hace. Si voy por debajo de 12 carreras, la potencia del diseño disminuye y no puedo ir más de 12 carreras. ¿Hay algo que pueda hacer sobre la ortogonalidad del diseño? Además, ¿mirar la eficiencia de la estimación ayuda en este caso?
Re: mapa de color sobre correlaciones y eficiencia de estimaciónNo hay nada de malo en usar un factor numérico discreto. Esencialmente es un factor continuo, pero usted especifica los niveles y JMP especifica los términos en el modelo. También puede usar un factor continuo y especificar los términos, luego JMP especifica los niveles. Obtuve un mejor diseño en 12 carreras de esta manera. He guardado la mesa aquí para ti.
Su ejemplo parece utilizar un modelo con todos los efectos principales y las interacciones de dos factores y un solo término cuadriático para la temperatura de escape. Ese modelo es el que usé.
Re: mapa de color sobre correlaciones y eficiencia de estimaciónOlvidé abordar su solicitud específica de ortogonalidad. Como descubrió, puede ser muy costoso lograr esta característica. Requiere un diseño totalmente equilibrado y todas las columnas de estimación también deben estar equilibradas. A menudo podemos producir diseños económicos y efectivos sin ortogonalidad. Las 12 carreras que encontré parecen tener algunas correlaciones bajas y, por lo tanto, algunas longitudes de intervalo de confianza infladas. Vea si la correlación es aceptable para su caso.
Re: mapa de color sobre correlaciones y eficiencia de estimación @markbailey Gracias por tu respuesta. Usar el factor continuo en lugar del factor numérico discreto ayuda, pero creo que el El término cuadriático para la temperatura de escape se agregó cuando utilicé un factor numérico discreto. Ahora, si solo incluyo los efectos principales y las interacciones de dos factores, veo correlaciones nuevamente. ¿Se espera esto o estoy haciendo algo diferente?
Re: mapa de color sobre correlaciones y eficiencia de estimaciónCorrecto, como dije, si define los niveles usando un factor numérico discreto, entonces JMP define los términos. Debe tener un término cuadrático en el modelo para mantener los tres niveles de factores.
La razón de las correlaciones distintas de cero es la adición de un punto central y el desequilibrio en el diseño. Aún tendrá correlaciones si omite el punto central. Cada efecto principal está correlacionado (r = +/- 1/3) con el efecto de interacción que involucra los otros dos factores en este caso usando 12 corridas. Debe ir a 8 o 16 carreras para eliminar las correlaciones.
¿Por qué le preocupa tanta correlación en las estimaciones? ¿Tiene una respuesta de alta varianza para empezar? ¿Tiene pequeños efectos de cambiar los niveles de factores?
Re: mapa de color sobre correlaciones y eficiencia de estimaciónSi sus efectos esperados son al menos 3 veces la desviación estándar de la respuesta, entonces la potencia es bastante alta con las 12 ejecuciones:
Este resultado puede esperarse incluso con las correlaciones (+/- 1/3) vistas aquí:
Las correlaciones dan como resultado NO sesgo de las estimaciones. Las correlaciones inflan la varianza de las estimaciones, lo que provoca un alargamiento de los intervalos de confianza:
Los IC son aproximadamente un 6% más largos, una inflación muy modesta. No creo que estas correlaciones comprometan mucho el rendimiento del diseño.
Re: mapa de color sobre correlaciones y eficiencia de estimación @markbailey Me preocupa la correlación debido a pequeños cambios con los niveles de factores. Pero la correlación es mejor cuando se usa un factor continuo en lugar de un valor numérico discreto, así que supongo que esto funcionará en este caso. Gracias por explicarlo. Apreciado
Re: mapa de color sobre correlaciones y eficiencia de estimación¿Quiere decir que la inflación causada por las correlaciones es severa porque espera efectos pequeños debido a los rangos de factores limitados? ¿Hay alguna razón por la que no pueda ampliar los rangos de factores y producir un efecto mayor?
Re: mapa de color sobre correlaciones y eficiencia de estimaciónEse fue mi pensamiento, pero con el diseño sugeriste que la correlación entre los factores disminuyó, por lo que ese debería ser el caso.
