Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveauxSalut tout le monde.
J'ai un ensemble de données existant qui doit être analysé, mais l'ensemble existant est composé d'une matrice à 2 niveaux et d'un ensemble de trois "points centraux". J'aimerais profiter des informations de reproductibilité des trois points centraux, mais le simple fait de les ajouter à la matrice expérimentale déséquilibre l'analyse (il y a quelques facteurs catégoriels dans la matrice d'origine).
Existe-t-il un moyen valable de le faire?
Merci
Re : Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveauxL'organisation est ravie d'avoir des répétitions dans les conditions cibles actuelles dans le cadre de l'expérience, mais elle rechigne à élargir l'espace de conception pour y intégrer un facteur à 3 niveaux et pour effectuer plusieurs exécutions dans les conditions limites. J'espérais profiter de la condition centrale en triple pour compenser le manque de répétitions aux conditions de bord. Quoi qu'il en soit, ce navire a navigué et je dois faire avec ce que j'ai... !
¯\_(ツ)_/¯Re : Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveauxAhh, bonne observation ! Ce qui s'est passé, c'est qu'une paire de caractéristiques continues ont été regroupées puis ont varié de concert pour pousser le système vers deux extrêmes. Dans ce cas, les deux paramètres continus qui ont été regroupés étaient la teneur en sel et le pH. Le système caractérisé était un lit de résine échangeuse d'ions, donc l'augmentation de la teneur en sel et la diminution du pH encourageraient des niveaux de liaison plus faibles. La diminution du sel et l'augmentation du pH encourageraient des niveaux plus élevés de liaison. La courbure n'est pas vraiment attendue dans ce système.
Je pourrais peut-être décomposer les composants individuels qui composent chacune des catégories et les analyser de cette façon...
Votre déclaration :
"Vous pouvez utiliser les répliques des points centraux comme estimation de l'erreur quadratique moyenne. En fait, si le point central est les conditions actuelles, des répliques de cela en tant qu'estimation de la variance du processus actuel constituent un test de signification intéressant (ANOVA) pour les autres effets de facteurs. »
On dirait que ça s'appliquerait ici. Les points centraux sont les points centraux des conditions de l'étape.Re : Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveauxLes expériences ont été faites il y a quelques années, il n'est donc pas vraiment possible d'en faire plus pour remplir la matrice afin d'obtenir un design agréable et équilibré. Si je vide simplement les 3 points centraux, j'obtiens toujours une analyse déchiffrable, mais l'inclusion d'un paramètre de point central sur les facteurs catégoriels crée un 3ème niveau dans l'analyse qui n'a pas suffisamment d'informations autour d'elle (c'est-à-dire les seules pistes avec le point central catégorique a tout le reste au centre aussi).
J'espérais pouvoir prendre les informations de reproductibilité du groupe de 3 points centraux et les intégrer à l'analyse de la conception de la matrice à 2 niveaux dans le but d'améliorer les résultats de l'analyse.Re : Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveaux@statman En général, nous pensons que les points centraux ne sont pertinents que pour les facteurs continus, comme vous le soulignez. Mais on peut créer une conception qui a des facteurs continus ET catégoriques ET des points centraux. La convention habituelle, si vous disposez du budget et des ressources nécessaires, consiste à ajouter des combinaisons de traitements à l'expérience de sorte que chaque combinaison de points centraux de facteurs continus soit exécutée au moins deux fois pour CHAQUE niveau des facteurs continus. Cet arrangement maintient l'équilibre et l'estimation de tous les effets possibles si vous exécutez, disons, une conception factorielle complète ... mais comme on le découvre assez rapidement, la taille de la conception gonfle assez rapidement.
Une approche plus prudente, économique et efficace consisterait presque toujours à tirer parti des techniques de conception optimales et à élaborer la conception pour s'adapter au problème par rapport à la méthode que je cite ci-dessus. eh bien, c'est dans le catalogue Classic comme la seule façon de le faire ».
Re : Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveauxMes commentaires. Il n'y a pas assez d'informations sur votre expérience fournies, mais voici quelques réflexions. Comment pouvez-vous avoir des points centraux avec des facteurs catégoriels ? AFAIK, les points centraux exigent que tous les facteurs soient continus et pour le test de courbure, tous les termes quadratiques sont confondus. (Remarque : j'ai vu des gens créer des points centraux de substitution avec quelques facteurs catégoriques, mais cela consiste généralement à définir les facteurs catégoriques sur l'un des 2 niveaux). Vous pouvez utiliser les répliques des points centraux comme estimation de l'erreur quadratique moyenne. En fait, si le point central est les conditions actuelles, les répliques de cela en tant qu'estimation de la variance du processus actuel constituent un test de signification intéressant (ANOVA) pour les autres effets de facteur.
Re : Comment ajouter un groupe de points centraux à un ensemble de données à 2 niveauxBien que les conceptions déséquilibrées ne soient pas idéales, elles peuvent toujours être analysées. Il suffit de mettre les données avec les résultats expérimentaux et d'analyser.
Autres options possibles :
Ignorer les répétitions, réduisant la taille de l'échantillon. Mais la taille de l'échantillon est en réalité plus importante que l'équilibre. Ce n'est donc pas une bonne option.
Effectuez des expériences supplémentaires pour obtenir une conception équilibrée. Cet itinéraire a du sens, s'il est possible et si le processus n'a pas changé depuis la première série d'essais jusqu'à la nouvelle série. Vous pouvez ajouter des exécutions supplémentaires à l'aide de l'option Augmenter la conception dans JMP.
