Misurazioni ripetute... una specie di...Supponiamo che io abbia un disegno fattoriale completo 2^3 con replica, quindi 2x8=16 viene eseguito. Ogni corsa dura 30 minuti, in cui i partecipanti individuano e perseguono 8 "obiettivi" nel corso di quei 30 minuti. Ciascuno degli 8 obiettivi può plausibilmente avere il proprio tempo di risposta. Poiché i profili di destinazione variano, sto randomizzando il loro ordine per ogni corsa. Non mi interessa un fattore di tipo target, quindi non è un fattore di progettazione per il quale sto cercando di misurare un effetto.Sto cercando di rilevare gli effetti principali e a 2 vie.
Ha senso trattare quegli 8 tempi di risposta per esecuzione come osservazioni indipendenti, come se stessi ottenendo 8 punti dati del tempo di risposta per ogni livello di fattore, per un totale di 16x8 osservazioni? O invece mediare gli 8 tempi di risposta per una singola osservazione per esecuzione? Se posso utilizzare 8 osservazioni per corsa, è meglio trattarle come misurazioni ripetute per una corsa? Perché lo sono non misurazioni ripetute: ogni target è unico e so in anticipo che non produrranno lo stesso tempo di risposta. Tutti e 8 sono naturalmente soggetti allo stesso trattamento, ma variano in altri modi ed è una fonte di varianza.
Progettazione di esperimentiRe: Misurazioni ripetute... una specie di...Ho allegato un'immagine del diagramma delle relazioni fattoriali. Ciò include il blocco, i fattori di progettazione X1-X3 nell'intera trama e un fattore per il profilo di destinazione (TP) nella sottotrama (TP1 potrebbe essere TP1-TP3 in un fattoriale se si desidera 8 diverse configurazioni dei profili di destinazione, ad es. dimensione del bersaglio, distanza del bersaglio, colore del bersaglio). O poiché non ti interessa la risoluzione dei fattori TP (stai solo cercando di creare un ampio spazio di inferenza) potresti farlo in 4 trattamenti (mezza frazione dei 3 fattori TP) per 30 minuti di esecuzione. Oppure potresti sfruttare il confondimento della trama divisa per ridurre ulteriormente il numero di trattamenti ... con un minimo sacrificio di risoluzione. Avrei bisogno di conoscere più dettagli della tua situazione.
Re: Misurazioni ripetute... una specie di...Penso di capire cosa intendi, ma potrei interpretare male la tua proposta. Sarebbe utile vedere il tuo design in una grafica se non ti dispiacerebbe.
Per essere chiari, le nostre corse di 30 minuti sono costituite da più obiettivi e l'unico vero motivo per cui stiamo facendo più "profili" è per garantire una varietà operativa e per evitare un effetto di apprendimento. Se esiste un modo più comune per gestire tali problemi, allora mi piacerebbe sentirne parlare piuttosto che forzare inutilmente l'esperimento in un particolare progetto.
Re: Misurazioni ripetute... una specie di...Sembra che tu stia cambiando la tua descrizione originale della situazione. Per la tua proposta, stai confondendo gli "scenari" con Day (e il rumore associato) che non sarebbe un vantaggio. Quello che sto suggerendo è che per ogni combinazione di trattamento dell'intera trama (il fattoriale dichiarato nel tuo post originale, credo 2 ^ 3), esegui una serie di trattamenti basati su un fattoriale di profili target (non sono sicuro di cosa cambi profilo-profilo, ma penso che potresti identificare cosa sono quelle x e sperimentare su di esse). Invece delle ripetizioni, il fattoriale dei fattori di profilo creerebbe il sottotrama. Poiché i gradi di libertà dell'intero grafico e del sottotrama vengono analizzati separatamente (ad esempio, ciascuno con il proprio grafico normale), è stata aumentata la precisione dell'intero grafico (meno rumore solo nell'intero grafico) e aumentata la precisione del sottotitolo trama pure. Inoltre otterrai interazioni WP per SP, quindi se i fattori negli effetti dell'intero grafico dipendono dal profilo target utilizzato, sarai in grado di identificarlo e quantificarlo.
Re: Misurazioni ripetute... una specie di...@statman
Ok, quindi nell'opzione della trama divisa, suppongo che svilupperei, diciamo, 6 scenari che coinvolgono vari profili target. Questi scenari sarebbero le trame principali e occuperebbero una giornata. Quindi, all'interno di quelle trame principali, avrei diviso le trame per i livelli del progetto del sistema in esame: sistema A, sistema B.
| giorno | 1 | 2 | 3 | 4 | 5 | 6 |
| Sono | UN | UN | B | UN | B | B |
| pm | B | B | UN | B | UN | UN |
| Scenario | 5 | 2 | 3 | 1 | 4 | 6 |
Quali sono i reali vantaggi di questo approccio, se come è mio caso cambiare gli scenari non è difficile?
Re: Misurazioni ripetute... una specie di...Devi leggere "Progetti a trama divisa per una solida sperimentazione di prodotti" Box e Jones, Journal of Applied Statistics, vol. 19, No.1, 1992. I fattori difficili da cambiare sono solo uno dei motivi per fare split-plot (e non il motivo migliore). Le restrizioni sulla randomizzazione possono essere utilizzate in modo efficace per suddividere il rumore in un esperimento per aumentare contemporaneamente la precisione per rilevare gli effetti dei fattori senza influire negativamente sullo spazio di inferenza.
Quando calcoli la media da utilizzare come variabile di risposta, calcola anche la deviazione standard (o varianza) e us eat come variabile di risposta.
Sembra che alla fine tu voglia capire le azioni e le decisioni umane. La randomizzazione di questi non consentirà di stimare tali effetti né consentirà la comprensione di tali effetti.
Re: Misurazioni ripetute... una specie di...CIAO @statman salta dentro.
@statman ha scritto:
Quali sono le risposte che stai cercando di capire? Tempo di risposta? Tasso di risposta (da dall'individuazione all'azione penale)?
È uno scenario di comando e controllo in cui tempo di rilevamento è una (di molte) misure dell'effetto di diversi fattori di progettazione.
Che cos'è un "profilo target"? E perché non ti interessa l'interazione tra i fattori di design e il profilo del target?
I profili target aggiungono varietà e ragionevole errore all'esperimento, ma sono semplicemente un piccolo campione da un gran numero di potenziali profili. Non ho davvero bisogno di sapere se esiste un effetto del profilo target.
Non stai cercando di scegliere fattori di progettazione, che influenzano il tempo di risposta, robusti al profilo target?
Beh si
Sembra che tu sia interessato solo alla media? Perché non la variazione? È impossibile per me pensare alle medie senza avere un'idea della varianza...è come dare il punteggio a una squadra e non all'altra in un evento sportivo.
Da qui la mia precedente preoccupazione che far crollare un mucchio di valori in una media non sembra una buona idea. Forse un 90esimo percentile è più appropriato se sto cercando di caratterizzare un campione con un singolo valore.
Stai replicando il design, perché? Sai quale rumore sta cambiando tra le repliche?
È solo la casualità associata alle azioni dell'operatore umano. Due esecuzioni con gli stessi livelli di fattore produrranno sicuramente risultati diversi, perché la risposta è influenzata dalle azioni e dalle decisioni umane.
Un ulteriore pensiero è quello di trattare la struttura del disegno come l'intera trama e il fattore profilo come la sottotrama di un disegno a trama divisa. Penserei che vorresti saperne di più su questa fonte in base alla dichiarazione. " Tutti e 8 sono soggetti allo stesso trattamento ovviamente, ma t Variano in altri modi ed è una fonte di varianza "
Tendo a pensare a progetti a trama divisa per i casi in cui ho un fattore difficile da cambiare, il che non è il caso qui. Questa è una simulazione in cui possiamo controllare i fattori abbastanza facilmente da un'esecuzione all'altra.
Re: Misurazioni ripetute... una specie di...Non dovrebbe influenzare più di tanto le stime degli effetti fissi. Il tuo disegno è ortogonale. È come avere due termini di errore, all'interno e tra gli obiettivi. Sono solo informazioni più dettagliate sulla variazione casuale.
Re: Misurazioni ripetute... una specie di...In ritardo per la festa, ma ci sono un certo numero di cose che mi vengono in mente, anche se non posso dire di capire esattamente cosa vuoi dall'esperimento.
Ma questo sembra interessante... quindi se vuoi concedermi ho alcune domande (ovviamente se sei soddisfatto delle risposte che hai ricevuto, capisco):
Quali sono le risposte che stai cercando di capire? Tempo di risposta? Tasso di risposta (da dall'individuazione all'azione penale)?
Che cos'è un "profilo target"? E perché non ti interessa l'interazione tra i fattori di design e il profilo del target?
Non stai cercando di scegliere fattori di progettazione, che influenzano il tempo di risposta, robusti al profilo target?
Sembra che tu sia interessato solo alla media? Perché non la variazione? È impossibile per me pensare alle medie senza avere un'idea della varianza...è come dare il punteggio a una squadra e non all'altra in un evento sportivo.
Se stai usando la media, non dovresti prima testare per vedere se questa è la statistica appropriata? Cosa succede se ci sono punti dati insoliti negli 8 profili di destinazione? Quindi la media potrebbe essere una statistica riassuntiva scadente.
Stai replicando il design, perché? Sai quale rumore sta cambiando tra le repliche? In tal caso, non saresti interessato a conoscere l'effetto di quel rumore e possibilmente le interazioni rumore per fattore (pensa a un design robusto). Tratta la replica come un blocco e un effetto fisso. In caso contrario, capisco l'uso del replicato per ottenere una stima "imparziale" dell'MSE.
Un ulteriore pensiero è quello di trattare la struttura del disegno come l'intera trama e il fattore profilo come la sottotrama di un disegno a trama divisa. Penserei che vorresti saperne di più su questa fonte in base alla dichiarazione. " Tutti e 8 sono naturalmente soggetti allo stesso trattamento, ma t Variano in altri modi ed è una fonte di varianza "
Re: Misurazioni ripetute... una specie di...grazie ancora @Mark_Bailey Ho chiesto a JMP di creare la tabella con alcuni dati falsi, quindi ho modellato i risultati solo per implementare la tua raccomandazione. Con la tabella di output, ho eseguito due modelli: un modello con i tre termini degli effetti principali e tre termini a 2 vie e il termine del profilo target come effetto casuale e un modello in cui ho semplicemente escluso il termine del profilo di destinazione dal modello. Nella prima finestra di dialogo del modello, JMP ha consigliato REML. Sto usando la personalità SLS e l'enfasi sulla leva degli effetti. Nel secondo modello, senza il termine effetto casuale, JMP non mi ha suggerito un metodo.
In ogni caso, i risultati in entrambi i modelli sono abbastanza simili, forse perché i dati erano privi di significato poiché erano sintetici. Tutti gli effetti e le interazioni principali erano significativi a 0,05 in entrambi i modelli. Sembra controintuitivo: sembra che trattare il profilo come un termine di effetto casuale avrebbe dovuto produrre risultati molto diversi. Ma forse sto confrontando le mele con le arance nel modo in cui sto modellando i dati con questi due modelli. Nel modello 2, probabilmente sto traendo conclusioni sbagliate poiché c'è un effetto di cui non ho tenuto conto. Ma avrei pensato che avrebbe avuto effetti meno significativi.
Re: Misurazioni ripetute... una specie di...Sì, inserisci la risposta per ciascun obiettivo come osservazione separata (riga). Aggiungere una colonna Profilo con il tipo di modellazione nominale. Aggiungi l'effetto casuale a questo termine nell'elenco Effetto. Non aggiungere alcun termine per il replicato, che verrà utilizzato per la stima dell'errore (ripetibilità).
Come funziona?
Re: Misurazioni ripetute... una specie di...Grazie @Mark_Bailey , Penso che sia il modo giusto di pensarci. Sto riutilizzando gli stessi 10 profili target, variando casualmente il loro ordine per ridurre la prevedibilità degli operatori. Voglio essere in grado di rimuovere il file bersaglio profilo fonte di varianza, ma non ho bisogno di misurare il profilo di destinazione effetto. Quindi, significa che ho semplicemente una variabile di profilo (colonna) e produco 10 osservazioni (righe) per esecuzione... un'osservazione per ogni profilo di destinazione, per ciascuna delle 16 esecuzioni? Ciò significherebbe una tabella di dati di 10x16 = 160 righe se seguo la tua logica. Devo dire a JMP di trattare il file profilo di destinazione variabile in modo diverso nella costruzione del progetto o nell'ANOVA?
Re: Misurazioni ripetute... una specie di...@Mark_Bailey Come struttureresti i dati per includere il tipo di target come effetto casuale?
Re: Misurazioni ripetute... una specie di...In alternativa, potresti considerare il profilo target un fattore. Cioè, ha un effetto sulla risposta. Sembra che tu non consideri il profilo target avere un effetto fisso. Mentre ogni trattamento include gli stessi otto profili, i profili rappresentano un campione casuale da una popolazione di possibili profili. Introducono ulteriori variazioni alla risposta, un effetto casuale. Questo approccio ti darebbe ulteriori informazioni: variazione tra e all'interno dei profili.
Re: Misurazioni ripetute... una specie di...Grazie mille @Byron_JMP , darò un'occhiata alla presentazione di Kevin. Penso che la media sarà sufficiente. Un altro approccio sarebbe quello di prendere il massimo o il 90° percentile (dei 10 obiettivi) piuttosto che i mezzi. Il pensiero qui è che il più grande dei tempi di rilevamento sono i valori più preoccupanti e un effetto desiderato dovrebbe essere una riduzione di quei valori più critici. Usare il massimo (di 10) sarebbe un valore rischioso: i valori anomali saranno problematici. Forse il valore del quartile superiore o il 90° percentile sarebbe un buon compromesso.
Re: Misurazioni ripetute... una specie di...Prendendo la media delle (10) repliche per ogni esecuzione (1 su 16) si otterrà una stima migliore del tempo medio per acquisire un target, o il tempo tra l'acquisizione, comunque si stiano valutando gli eventi...
Se volevi tenere conto anche dell'ordine degli obiettivi, nel caso in cui gli obiettivi non fossero tutti identici, esiste un progetto sperimentale leggermente diverso per questo. (sperimentazione dei fattori d'ordine).
Alla conferenza Discover del 2019, Kevin Gallagher, scienziato presso PPG Industries, ha presentato un case study davvero interessante su questo argomento. https://community.jmp.com/t5/Discovery-Summit-Tucson-2019/The-Design-and-Analysis-of-Experiments-With-Order-Factors-2019/ta-p/223351
Re: Misurazioni ripetute... una specie di...Avrei dovuto evitare di creare confusione nell'esempio che ho fornito supponendo invece di avere 10 bersagli per corsa. Se quelli fossero in qualche modo espressi come un singolo valore di riepilogo (media), avrei 1 media per ciascuna delle 16 esecuzioni. Se li trattassi come valori separati, avrei 10 valori per ciascuna delle 16 esecuzioni. Sto cercando di pensare in anticipo a come analizzerei i risultati in entrambi i casi se il mio obiettivo fosse semplicemente quello di verificare l'effetto di un fattore (per ciascuno dei 3 fattori).
Re: Misurazioni ripetute... una specie di...È sicuramente il caso 1 - L'obiettivo dell'esperimento è misurare l'effetto delle condizioni sperimentali sulle azioni misurate. Anch'io ho pensato che sarebbe stato sbagliato impilare le osservazioni come se avessi 8 osservazioni per ogni livello di fattore.
Se dovessi prendere la media e la ds delle 8 osservazioni, allora la mia variabile di risposta diventa... la media? Quindi avrei quindi 8 medie per entrambi i livelli di un fattore e verificherei una differenza significativa delle medie di tali medie?
Re: Misurazioni ripetute... una specie di...Sto cercando di capire il tuo esperimento.
Sembra che tu abbia 16 unità sperimentali.
All'interno di ogni unità un'azione viene ripetuta 8 volte.
1. Tutte le 8 azioni dipendono dalle condizioni dell'unità sperimentale.
L'obiettivo dell'esperimento è misurare l'effetto delle condizioni sperimentali sulle azioni misurate.
O...
2. L'esperimento si traduce in una curva di risposta con 8 punti su 30 min.
L'obiettivo è capire come le condizioni sperimentali influenzano la curva di risposta.
Penso che potresti lavorare con il caso 1. Impilare tutte le righe per i punti dati 16x8 è irto di pericoli.
Sospetto che tu abbia impostato la tua tabella di dati una colonna per ogni variabile sperimentale e una colonna per ciascuna delle 8 misurazioni. Un'opzione è trattarlo come un modello misto e analizzare la variazione tra e all'interno degli 8 tempi. Un'altra opzione consiste nell'utilizzare la media e la deviazione standard delle 8 misurazioni come risposte.
