AYUDA CON DISEÑO FACTORIAL FRACCIONAL DE EXPERIMENTO¿Cómo llevo a cabo un diseño factorial fraccional de experimento? He visto algunos videos pero no me explicaron muy bien los conceptos básicos. Tengo datos que necesito analizar, pero soy nuevo en el diseño de experimentos, pero no tengo tiempo de sobra. Prefiero una explicación interactiva.
Agradezco enormemente cualquier ayuda brindada
Re: AYUDA CON DISEÑO FACTORIAL FRACCIONAL DE EXPERIMENTOLe sugiero que siga el tutorial del DOE que se descarga en su computadora cuando se instala JMP. Le guiará a través de la implementación de un diseño factorial fraccionado
Se puede encontrar en:
Ayuda ==> Tutoriales ==> Tutorial DOE
Re: AYUDA CON DISEÑO FACTORIAL FRACCIONAL DE EXPERIMENTOLos tutoriales de JMP son bastante buenos para principiantes. Si adjunta su conjunto de datos a este hilo, estoy seguro de que alguien lo examinará y lo ayudará a analizarlo.
Re: AYUDA CON DISEÑO FACTORIAL FRACCIONAL DE EXPERIMENTOAdjunto está mi conjunto de datos. La última variable es la variable de resultado (Y). Todos los demás entran en el modelo. Muchas gracias
Re: AYUDA CON DISEÑO FACTORIAL FRACCIONAL DE EXPERIMENTOPrimero tendrá que decirnos qué cambio en la variable de respuesta (Y, peso celular seco) es de valor práctico. ¿Cuál es el incremento de cambio más pequeño que le importa y cuál es el valor objetivo? ¿También hizo un seguimiento del orden de ejecución?
Mirando su diseño, ¿tiene 4 tratamientos en la parte inferior con una configuración de nivel muy diferente? Estos no son puntos centrales. ¿Tienes curiosidad por saber cómo se te ocurrieron estas combinaciones de tratamientos?
Primer vistazo (nuevamente, este es un aspecto ciego ya que no sé si la variación creada tiene algún valor real):
1) Tiene un resultado inusualmente grande para el tratamiento donde el resultado es 0.706. Es probable que este gran valor (como causa especial) se deba al ruido en el experimento y no a los efectos del tratamiento, así que tenga cuidado al usar el análisis cuantitativo. Este potencial infla el error experimental.
2) Hice el análisis sin los últimos 4 tratamientos y adjunté el análisis (JMP Journal) usando un modelo saturado. Este es un examen de los efectos lineales de cada uno de los factores y las interacciones asociadas (ha comenzado con un diseño de resolución bastante alta). Por lo general, simplificaría el modelo eliminando términos insignificantes y volvería a ejecutar el análisis para obtener residuos para evaluar la idoneidad del modelo. Para hacer esto, primero debe determinar si estos resultados tienen algún significado práctico.
3) Jugué con la eliminación de términos que cumplían un significado práctico de un cambio de .05 en Y (diagrama de Pareto) y también mostraba un significado estadístico (gráfico de la mitad normal). Los resultados de este análisis también están en la revista adjunta. Los residuos se ven un poco bimodales y puede haber un valor atípico, lo que indica que puede haber algunos problemas con el modelo. Guardé los residuos y la fórmula de predicción para este análisis.
4) Luego agregué los 4 tratamientos adicionales que tenía en su conjunto de datos original. La fórmula de predicción hizo un trabajo muy pobre al predecir esos 4 puntos (quizás no sea inusual ya que esos 4 puntos estaban mucho más allá de la inferencia del espacio de diseño). En cuanto al factor B, este factor parece tener un efecto no lineal.
Estoy seguro de que otros pueden adoptar un enfoque diferente ... avíseme si tiene alguna pregunta.
Re: AYUDA CON DISEÑO FACTORIAL FRACCIONAL DE EXPERIMENTOAñadiendo a @txnelson y @statman , Tracé los niveles de factores en las ejecuciones suponiendo que el orden en la tabla es el orden de las ejecuciones. Veo un patrón distinto que sugiere que este experimento no fue aleatorio.
La restricción en la aleatorización puede afectar dramáticamente el análisis. La regresión del modelo lineal con un solo término de error (residuales) inflará los errores tipo I de los factores difíciles de cambiar e inflará los errores tipo II de los factores fáciles de cambiar. Parece que tienes cinco niveles de aleatorización antes de los últimos cuatro ad hoc tratos.
También agregué propiedades de columna que facilitan el análisis de regresión de datos de un experimento. JMP agrega automáticamente estas propiedades cuando usa JMP para diseñar el experimento y hacer la tabla. Importó estos datos de un libro de Excel, que no tiene tales propiedades.
Usé Regresión generalizada con regresión de Ridge para reducir las estimaciones y LASSO para seleccionar los parámetros para un modelo lineal con efectos principales y efectos de interacción, pero si este experimento no fue aleatorio, dudo que alguna regresión sea válida.
