DOE - réplicas frente a repeticionesNecesito diseñar un experimento para determinar la temperatura - Temperatura influencia en pH.
Supongamos que la temperatura es una variable continua en el rango [20,23].
Y el pH también es continuo, bueno dentro del rango [5,7], pero perfecto en el centro.
Diariamente, en condiciones normales, medimos cada muestra 3 veces (pseudoreplicas).
¿Es 3 en este caso el número de réplicas que debo usar en JMP? ¿O es solo una repetición y debería tomar el valor medio, en lugar de 3 resultados?
¿Debo usar un "Punto central"?
¿Es 3 (pseudoreplicaciones) el número que debo usar en el campo: "Replicar ejecuciones"?
Encuentre pantallas adjuntas de JMP DoE, para mostrarle mis intentos.
Diseño de experimentosRe: DOE - réplicas frente a repeticionesQuizás de igual o mayor importancia es que las repeticiones proporcionen una estimación de la variación. Si su problema es la variación, necesita modelar qué factores afectan la variación, no solo la media.
Re: DOE - réplicas frente a repeticionesLas repeticiones son mediciones múltiples que podrían usarse para promediar la respuesta de cada tratamiento. ¡¡No es una réplica!!
Los puntos centrales no se consideran repeticiones ya que las mediciones generalmente se toman de otra ejecución.
Los promedios de respuesta podrían recuperarse para los tratamientos específicos usando una tabla de datos separada.
Re: DOE - réplicas frente a repeticionesSí, modelaría el pH medio frente a la temperatura. Sí, el diseño óptimo para una respuesta lineal usa solo dos niveles de factor.
Asegúrese de que el rango de temperatura sea lo suficientemente amplio como para producir un gran cambio en el pH, pero no tanto como para cambiar la naturaleza del fenómeno que está estudiando. El punto del diseño es el modelado. Puede pensar en términos de un rango estrecho en el que obtiene el pH deseado. Debe pensar en términos de un gran cambio en la respuesta producido por un rango más amplio de temperatura. Este tipo de diseño le dará estimaciones más precisas y estables de la tendencia que desea. Este caso es experimentar y modelar, no solo probar. Este caso es predecir, no 'elegir al ganador'.
El último punto va a su pregunta final. Hablamos de la fuerza en un diseño. La potencia es la probabilidad de que encuentre un efecto real (es decir, una tendencia lineal) estadísticamente significativo. Digamos que hay una tendencia lineal real, pero debido al pequeño tamaño de la muestra, a menudo no encuentra que sea significativa. Tales resultados son falso negativo resultados. El poder es todo lo contrario: verdaderos positivos . La decisión estadística en una prueba de hipótesis podría describirse como decidir si el cambio en la respuesta es mucho mayor que el cambio debido a la variación aleatoria en la respuesta.
JMP proporciona un análisis de potencia integrado en la plataforma de diseño. Ilustraré cómo usarlo con un ejemplo. yo abro GAMA > Diseño personalizado , cambia el nombre de la respuesta a pH y el objetivo de Ninguno . Agrego un solo factor continuo Temperatura con un rango -1 a +1 (No sé el rango real). hago clic Continuar y aceptar el modelo predeterminado para una respuesta lineal a Temperatura . Decidí empezar con 8 carreras (definido por el usuario) y haga clic en hacer diseño . ¿Cómo funcionará este diseño?
Digamos que cuando la Temperatura no varía es que el pH varía como una distribución normal con una desviación estándar de 0.2 pH. Digamos también que anticipamos que el pH mínimamente cambie de 6,4 a 7,0 en el rango de temperatura de este diseño. Ahora estamos listos para analizar el poder en este diseño.
Abre el Análisis de potencia esquema que está dentro del esquema de evaluación de diseño. Hay dos formas equivalentes de analizar la potencia. Te mostraré los dos. Primero, ingresa 0.2 Para el RMSE anticipado (desviación estándar de la respuesta). Ahora bien, introduzca el Coeficientes anticipados o el Respuesta anticipada . El Coeficiente Anticipado es el efecto dividido por 2. Esperamos un efecto mínimo de 7,0 - 6,4 = 0,6 pH entonces el coeficiente anticipado es 0.3 . Alternativamente, ingrese 6.4 como la respuesta anticipada siempre que Temperatura = -1 y 7.0 cuando Temperatura = +1 . Haga clic en cualquiera de los Aplicar cambios botones después de ingresar esta información.
El diseño personalizado debería verse así:
Si sus expectativas son correctas, entonces la potencia es 0.939 y debería encontrar un efecto de 0.6 pH o mayor como estadísticamente significativo prácticamente todo el tiempo usando este diseño.
Inventé números para este ejemplo. Trate de traducir la ilustración a su caso específico y vea cómo va. Por supuesto, háganos saber cómo va o si tiene más preguntas.
Re: DOE - réplicas frente a repeticionesA continuación encontrará mis comentarios/respuestas a sus comentarios:
- Sí, un predictor y una respuesta. Ahora mismo veo que la plataforma podría no ser necesaria...
- Medimos una muestra 3 veces, para mayor precisión (alta variabilidad del método)
- OK, entonces irías solo por tomar el valor medio, ¿verdad?
- OK, para ser coherente con su nomenclatura adecuada: tenemos 3 medidas para una unidad experimental. En este momento, no espero que se consideren otros efectos/variables.
- Espero una tendencia lineal. Entonces, en este caso, dos factores para la temperatura serían suficientes, ¿no?
¿Cómo verías este tema?
Re: DOE - réplicas frente a repeticionesGracias por una respuesta tan detallada.
Por favor, encuentre mi aclaración a continuación:
- sí, espero que el pH sea una función lineal de la temperatura
- sí, medimos tres veces para reducir el error de medición (alta variabilidad del método), así que usaré solo la media, ¿no?
- no tendremos en cuenta los días
- en general, el tiempo es el único (¡pero crucial!) factor para nosotros
Y pregunta adicional, con respecto al estudio:
Usted mencionó ingresar el número total de carreras.
¿Cómo derivar el número mínimo de ejecuciones para que un estudio de este tipo sea estadísticamente significativo?
Re: DOE - réplicas frente a repeticionesNo estoy seguro de entender exactamente lo que está preguntando, así que seguiré con algunas preguntas/comentarios. Me disculpo de antemano por quizás leer demasiado en sus preguntas.
1. ¿Es correcto que esté experimentando con 1 variable predictora (Temp.) y 1 variable de respuesta (pH)? No estoy seguro de por qué necesita usar la plataforma JMP DOE, ya que este es un experimento de un factor. Puede usar un plan de muestreo dirigido para adquirir los datos para asignar y dividir los datos en componentes y luego regresión para modelar los datos.
2. ¿Qué estás midiendo? (" en condiciones normales medimos cada muestra 3 veces"). ¿Está tomando tres medidas de pH en el "mismo" muestra (en este caso, obtener una estimación de la precisión de la medición).
3. En general, repetido medidas no se consideran "eventos independientes" por lo que no aumentan los grados de libertad. Sin embargo, son útiles para cuantificar los componentes de la variación. Medir la misma muestra varias veces puede cuantificar la precisión de la medición. La medición de 3 muestras consecutivas puede cuantificar la variación de muestra a muestra, etc. En una situación de DOE, si las "medidas" múltiples se toman sin cambiar las combinaciones de tratamiento, se consideran repeticiones (esencialmente dentro de la variación del tratamiento). Puede evaluar la consistencia de los efectos dentro del tratamiento y luego, si corresponde, cuantificar la variación dentro del tratamiento utilizando tanto una media como una estimación de la variación (p. ej., rango, desviación estándar, varianza). Tanto la media como la estimación de la variación se pueden modelar como Y separadas.
4. Si los tratamientos cambian entre el " unidades experimentales ", se consideran eventos independientes llamados réplicas (tenga en cuenta que estoy usando la frase unidad experimental (réplica) frente a la medida utilizada para las repeticiones). Las réplicas pueden ser completamente aleatorias (el diseño arquetípico recomendado que permite estimaciones "imparciales" del error experimental) u organizadas en bloques (que, podemos argumentar, pueden tratarse como efectos aleatorios o fijos). Si se tratan como efectos fijos (particularmente útil cuando puede identificar los factores de ruido específicos y "gestionarlos" en el transcurso del experimento), los efectos de la variable no probada (ruido) se pueden estimar y las interacciones de ruido por factor se pueden estimar. asignarse (útil para un diseño robusto).
5. Los puntos centrales son una forma eficiente de probar las relaciones no lineales en el espacio de diseño en diseños factoriales donde tiene múltiples variables predictoras (solo tiene uno, por lo que simplemente tendría un tercer nivel para ese factor). Los puntos centrales conservan el equilibrio ortogonal y la capacidad de rotación. Para el análisis, puede agregar un término al modelo para evaluar la no linealidad, pero ese término se confunde para todos los factores del modelo.
Re: DOE - réplicas frente a repeticionesLa plataforma de diseño personalizado es bastante flexible, pero algunas funciones están destinadas a usarse de forma rutinaria y otras como excepciones, según sea necesario.
No usaría la función Número de réplicas. Esta característica le dice a JMP que desea una cantidad de ejecuciones de réplicas, no la cantidad de réplicas de todo el diseño. En su lugar, utilice el Número de ejecuciones en la parte inferior. Escriba aquí el número total de carreras que desea.
Tampoco usaría la función Puntos centrales. ¿Espera que el pH tenga una respuesta lineal o no lineal al cambio de temperatura? Si va a ser lineal, ¡entonces ya está! Si no es lineal, agregue la segunda potencia de la temperatura al modelo, ¡y listo! El orden del modelo determinará el número óptimo de niveles de temperatura. El diseño óptimo para el modelo lineal incluirá solo dos niveles. El diseño óptimo para el modelo de segundo orden incluirá tres niveles.
¿Por qué mide cada muestra tres veces? Si es para reducir el error de medición, continúe con esta práctica pero solo ingrese la medición media para el valor Y de esa ejecución. De lo contrario, el modelo trata cada ejecución como una réplica, es decir, una instalación, medición y desmontaje completos. En su caso, es solo la medida y no es apropiado para estimar el término de error en el modelo.
No estoy seguro si varios días son un aspecto de su estudio. ¿Completaría todo el estudio en un día o espera una variación entre días y desea incluir este efecto en el análisis? Generalmente, el efecto del tiempo es aleatorio, no fijo. Es decir que hay variación entre días pero no es reproducible, como que el martes siempre suma un 7% a la media. Si desea incluir días, use la opción de bloques aleatorios en la parte inferior y especifique cuántas ejecuciones desea ejecutar cada día.
Háganos saber si tiene más preguntas.
