¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Construí DOE personalizados con componentes principales y componentes funcionales como covariables y para ambos obtuve buenos modelos equivalentes. El FDE es realmente una herramienta excelente; sin embargo, ¿existe algún beneficio en el uso de componentes de principios funcionales en lugar de PC normales para configurar un DOE personalizado de covariables? ¿Son ambos equivalentes?
Re: ¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Gracias Phil, esto está claro! ¡Esta herramienta FDE es un gran avance!
Re: ¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Gracias, @frankderuyck . Eso tiene sentido.
Sí, si sus datos funcionales tienen todas las observaciones alineadas en la dimensión X (tiempo o número de onda), entonces podría usar PCA normal o PCA funcional y espero que obtenga un ajuste del modelo igual de bueno.
Sin embargo, puede haber una ventaja en el uso de FDE en el sentido de que finalmente podría encontrar qué PC funcionales se correlacionan con su respuesta DoE y luego visualizar la forma de la función para un valor dado de la respuesta, por ejemplo, el mejor o el peor de los casos.
Creo que probablemente haya una ventaja en la interpretación usando FDE versus PCA regular.
En los casos en que los datos funcionales no tengan observaciones alineadas en la dimensión X, no podrá utilizar PCA regular, a menos que trabaje mucho para crear observaciones alineadas por interpolación.
Re: ¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Phil, mi caso se trata de predecir la concentración de un componente en una mezcla mediante espectros. Los espectros son funciones que están correlacionadas en las diferentes muestras de mezcla, supongo que en este caso se pueden usar tanto PCA como FPCA. Si entiendo bien, en caso de que las funciones no estén correlacionadas como, por ejemplo, series temporales de procesos, ¿es mejor para nosotros FPCA?
Re: ¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Hola,
Sería genial si pudiera decir más sobre su ejemplo real. ¿Qué estás usando PC funcionales y regulares para describir?
Es muy difícil dar un ejemplo. Pero habrá situaciones en las que el PCA regular no sea útil para resumir una covariable. Por ejemplo, si la covariable es una serie temporal de un sensor que registra una variable para cada lote a través de un proceso y el muestreo es irregular en la dimensión temporal.
Saludos,
philRe: ¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Hola Phil, ¿podrías aclarar tu respuesta con un ejemplo?
Re: ¿DOE personalizado con componentes de principio o componentes de principio funcional como covariables?Hola @frankderuyck ,
Eso suena como una aplicación realmente interesante de Functional Data Explorer.
Tu pregunta:
"... ¿existe algún beneficio en el uso de componentes de principios funcionales en lugar de PC regulares para configurar un DOE personalizado covariable? ¿Son ambos equivalentes?"
Creo que esto dependerá mucho de en qué estén los componentes principales (regulares y funcionales).
Saludos,
phil
