DOE: Dovrei preoccuparmi di molte repliche con solo due fattori?Supponiamo che io stia conducendo un esperimento con solo due fattori di interesse categoriali a 2 livelli. Tuttavia, ho il budget per 24 corse. Sono 6 ripetizioni per ogni punto di progettazione di un fattoriale completo. Ho solo bisogno di rilevare gli effetti dei fattori (e delle interazioni), ma prevedo un grande errore sperimentale a causa della natura delle misure delle prestazioni umane in esame. Le repliche aggiuntive aiutano in modo significativo il mio potere di rilevare gli effetti dei fattori? O sarebbe meglio risparmiare i miei soldi?
DOERi: DOE: Dovrei preoccuparmi di molte repliche con solo due fattori?Più precisamente ... qual è il modo migliore di lavorare con JMP per rispondere a questa domanda? Presumo sia correlato a un'analisi di potenza, ma non ho un buon senso per quanto rumore dovrei aspettarmi per un valore SNR necessario per un'analisi di potenza. Ho pensato che qualcuno avesse qualche intuizione per questo tipo di domanda, ma sono felice di fare un'analisi più formale del potere se questo è davvero l'unico modo appropriato per rispondere alla domanda originale.Ri: DOE: Dovrei preoccuparmi di molte repliche con solo due fattori?Il tuo obiettivo a questo punto sembra essere la stima e il test dei parametri rispetto alla stima della risposta. Pertanto il tuo obiettivo sulla valutazione del progetto dovrebbe essere la stima e il potere. Lo schema di valutazione del progetto nella piattaforma di progettazione contiene informazioni per valutare le prestazioni del progetto. Le stesse informazioni sono disponibili nella piattaforma Compare Design quando si prendono in considerazione due o più progetti candidati.
Questa pagina è un buon punto di partenza per imparare a conoscere quali valutazioni sono disponibili e come utilizzarle.
Ri: DOE: Dovrei preoccuparmi di molte repliche con solo due fattori?Ecco la mia opinione ... altri potrebbero sentirsi diversamente ... ma arrivo alla mia risposta dall'affermazione nel tuo post originale che è il sistema di misurazione, non la variazione dei fattori come risultato dell'esecuzione sperimentale, che sta contribuendo maggiormente del rumore. Quindi, invece di eseguire repliche, puoi misurare ripetutamente ogni combinazione di trattamento come mezzo per quantificare questa fonte di rumore E forse per eliminare gli effetti dei fattori? Se il sistema di misurazione è distruttivo o pensi che potrebbe esserci un pregiudizio costruito in qualche modo da misure ripetute, non seguire questa strada. Altrimenti, risparmia le risorse sperimentali, soprattutto se le misure ripetute sono più economiche / più facili / più efficienti rispetto alle repliche reali. Da lì ci sono alcuni modi per gestire l'analisi ... un'analisi dello stile di misure ripetute è uno. O una sorta di trasformazione delle misure ripetute di ogni combinazione di trattamento ... mediana, o andare a giudicare olimpico ... buttare via l'alto e il basso e poi prendere la media, o un'idea simile.
Solo un pensiero...
Ri: DOE: Dovrei preoccuparmi di molte repliche con solo due fattori?L'analisi della potenza richiede una stima della deviazione standard assoluta della risposta (RMSE previsto) e l'ampiezza della dimensione dell'effetto sulla risposta (coefficiente previsto = effetto / 2). In alternativa, è possibile lasciare il valore predefinito per RMSE anticipato (1) e quindi immettere la metà della dimensione dell'effetto per il coefficiente anticipato relativo alla deviazione standard. Ad esempio, se prevedi che l'effetto di un termine nel modello sia almeno 3 DS, inserisci 1,5 per il coefficiente previsto.
Infine, se ti è più facile definire gli effetti dal risultato, puoi inserire la risposta anticipata per ogni esecuzione.
Ri: DOE: Dovrei preoccuparmi di molte repliche con solo due fattori?Grazie Peter,
Posso capire perché hai offerto quel suggerimento. Tuttavia, il problema non è tanto che il nostro "strumento" di misurazione è impreciso. Se lo fosse, potrei vedere il vantaggio di misure ripetute. È più un problema che l'attività che stiamo misurando varia notevolmente da una corsa all'altra, anche se tutto il resto è stato mantenuto costante. È perché il nostro esperimento non è strettamente controllato come vorrei. Se potessimo forzare un insieme molto più ristretto di azioni che stiamo misurando, potrei ovviamente ridurre il rumore. Ma ciò si traduce in uno scenario meno realistico. Quindi, lo scenario più realistico arriva a scapito di una potenza ridotta.
