DoE con un factor restringido a estar en proporción con otro factor¿Existe alguna forma de utilizar el diseño personalizado para generar un DoE en el que un factor se establece en una proporción de otro? Por ejemplo, si tengo los factores A, B y C, cada uno en dos niveles, sin embargo, los dos niveles de C son 1:1 con B o 5:1 con B. Esto obviamente crea más de 2 niveles reales para C y algunos de las combinaciones no están permitidas porque no mantienen la proporción. Tratar la proporción (es decir, 1 y 5) como "niveles" parece incorrecto. Sé que esto viola supuestos básicos.
Intenté usar el filtro de combinaciones no permitidas pero no tengo éxito. Cualquier consejo sería apreciado.
Diseño de experimentosRe: DoE con un factor restringido a estar en proporción con otro factorCorríjame si entendí mal su situación o pregunta. Tengo tres factores continuos, A, B y C. Sin embargo, quiero diseñar un experimento para un modelo para A, B y la relación C a B. Aquí están las definiciones de los factores:
Puedo elegir cualquier modelo lineal, en este caso incluí términos de interacción:
Le pido a JMP 16 ejecuciones:
El mapa de color de las correlaciones muestra que estas estimaciones son ortogonales:
La falta de correlación es una cuestión del modelo y la cantidad de ejecuciones, pero puedo lograr un diseño equilibrado en este caso para demostrar que se puede lograr la ortogonalidad. Se debe agregar otra columna a la tabla de datos para determinar los niveles de factor para C en cada corrida.
Re: DoE con un factor restringido a estar en proporción con otro factorSolo estoy usando la proporción para representar los niveles de uno de los factores, no reemplazando dos.Re: DoE con un factor restringido a estar en proporción con otro factorEstá reemplazando los 2 factores independientes con el nuevo factor (razón). La relación será ortogonal.Re: DoE con un factor restringido a estar en proporción con otro factor@Mark_Bailey lo que quise decir con la cuestión de la ortogonalidad fue que, si el factor subyacente no varía independientemente de otro factor, aún podemos tratar la proporción como independiente.
Re: DoE con un factor restringido a estar en proporción con otro factorNo entiendo lo que preguntas cuando dices: " Si el diseño es ortogonal, ¿sigue siendo así? " Para mí, esa pregunta es como preguntar: "Si el auto es rojo, ¿sigue siendo rojo?" así que creo que me perdí algo.
Esta situación me recuerda a muchos casos con un factor categórico. Los niveles son solo sustitutos de uno o más factores continuos que permanecen sin identificar. Pero el modelo con los niveles discretos sigue siendo válido y útil.
Re: DoE con un factor restringido a estar en proporción con otro factor@Mark_Bailey Marcos gracias por esta respuesta.Entonces, mientras restrinja toda inferencia, evaluación de residuos y predicciones, etc. a la relación , esto no violará ningún supuesto del modelo?Si el diseño es ortogonal, ¿sigue siendo así?
Todavía tengo muchas preguntas, pero solo quiero estar seguro de que esta práctica es legítima. ¡Gracias!
Re: DoE con un factor restringido a estar en proporción con otro factorNo estoy seguro de que haya nada de malo en usar el factor C como la razón (multiplicando) para B. Está construyendo un modelo empírico, por lo que siempre que piense en C como la relación y lo use como tal en las predicciones del modelo, debería estar bien. Aquí hay un ejemplo:
Puede agregar una columna de datos después de crear la tabla de datos para determinar el nivel real de C para mantener la proporción.
Utiliza C en el modelo y Actual C en la configuración de cada ejecución. El modelo podría usarse para encontrar la proporción A, B y (C) óptimas.
Re: DoE con un factor restringido a estar en proporción con otro factorNo conozco la situación específica, por lo que no puedo estar seguro de cuáles son los problemas prácticos, de ingeniería o estadísticos, pero aquí están mis pensamientos:
1. Si no le preocupa la interacción de C con B, podría anidar C en B. En este caso, tendría 2 niveles diferentes de C para cada nivel de B.
2. Si ya conoce la dependencia de B y C, puede crear una variable con 2 niveles y esos niveles incluyen las combinaciones de B y C que son apropiadas. Ejemplo, en la fabricación de papel para determinar qué factores afectan el peso del papel, podría tener 2 factores Pulpa virgen y Pulpa remolida. Podría experimentar con cada uno de ellos como factores separados o como 1 factor con 2 proporciones diferentes.
