如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量我正在尝试学习如何操作 JMP 的样本大小对话框以用于实验设计。 我想了解如何确定阶乘实验中所需的重复次数。 我想知道每种治疗组合需要运行多少次。
假设没有测量误差，不需要分块或中心点，响应变量是连续的，并且一切都完全符合样本量经典计算的所有假设（随机平稳同方差正态分布误差等）。
假设一个实验有两个水平的两个因子，即全因子。 因此，有四种治疗组合。 我想估计两个主要效应和一个相互作用。 确定每种治疗组合的重复次数的步骤是什么？
同样的问题也适用于分数阶乘。 如果我在两个水平上各有 15 个因子，并且想要运行 16 个处理组合的分数阶乘，如何确定每个处理的重复次数？
为了样本数据，令 alpha = 0.05，beta = 0.05，sigma = 1，delta = 1。
我使用了“两个样本均值”对话框。 静态文本显示“样本大小是总样本大小；每组为 n/2”。 如果我使用此计算器进行因子设计，则全因子或部分因子的每个处理组合的重复次数是多少？ 我是否只需将总样本量除以治疗组合的数量？
现在假设我想要 2^2 实验中的一个中心点。 这是五种治疗组合。 假设我将复制所有五种治疗方法。 为了设计一个实验来测试中心点效应的显着性，我假设效应等于 delta。 如何使用 JMP 对话框获取每次处理的重复次数？ 我是否将“两个样本均值”样本量除以五？
如果我只想在中心点进行复制而不复制角点，我将假设在中心点显示的标准偏差在整个推理空间中是恒定的。 目标仍然是估计主效应、交互作用和中心点的显着性。 假设相同的增量，如何使用对话框来获取中心点组合的重复次数？ 我是否将“两个样本均值”样本量除以一？
我了解定制设计平台及其功耗分析，并知道如何操作它。 我想使用 DOE > 设计诊断 > 样本大小和功效。 毕竟，这些计算器位于“DOE”菜单中，我正在尝试弄清楚如何将它们用于 DoE。
实验设计回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量评估时可用的“额外参数”选项“设计诊断”下两种方法的样本量，
“样本大小浏览器”中似乎不再可用，它将作为 JMP 18 的替代品！
那将是一个遗憾。
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量5. 获得估计实验误差的自由度，然后计算因素效应的统计显着性。
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量事实证明，方差分析的样本量浏览器并不是这个 DoE 问题的答案。 这对于确定嵌套方差分析情况的样本大小很有用，以检测子组之间的变异是否超过子组内的变异。 将其与能源部联系起来并确定因素影响的样本量并不简单。
但是，两种均值的样本量计算器可以执行 Minitab 的操作，这意味着您可以输入效应量和功效，它将计算样本量。 结果与评估设计的结果相匹配（您可以提前猜测哪种样本大小可能有效，并看看它有多强大）。 操作方法如下：
令 r = 析因实验中处理组合的数量。 使用两种均值的样本大小并输入额外参数的数量 = r - 2。输入 alpha、sigma、delta 和幂，然后让它计算样本大小。 然后，每个治疗组合的读数数量是样本大小除以（样本大小/r）。
额外参数是从阶乘模型中的误差项中获取的自由度。 样本量分析已经有两项（两个样本分析中的均值和效应，因此 r = 2），因此您需要指定还要减去多少项。
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量我刚刚注意到 JMP 支持主题说有一个名为DOE > 样本量探索器 > 功效 > 方差分析功效。 它似乎存在于版本16中。如果这是我的问题的解决方案，那么我需要尝试版本16！
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量确实，如果不指定设计，我们就无法计算功率。 然而，指定设计可以通过一个简单的对话框来完成，并且不需要实际生成设计矩阵。 它只需要提供足够的信息来了解实验中有多少个总自由度以及有多少个自由度将用于模拟效果。 其余的会出错，重复会增加错误的自由度。
这不是统计挑战，而是用户界面问题。 我只是在寻找一种生产力工具来简单地回答这个问题：“在这个特定的实验设计中，我需要多少次重复才能达到 95% 的效果？” 我想指定功效并让计算机计算样本量。
JMP 有一个用于双样本检验的对话框，Minitab 有该对话框，并且还有一个用于因子实验的对话框。 输入因子数、角点数、中心点数、alpha、幂、delta、sigma。 它将计算每个处理的重复次数。
例如，在 Minitab 中，我指定两个因子、四个角点、delta = 1、power = 0.95、无中心点、sigma = 1、alpha = 0.05。 答案是四种处理各重复 14 次，总共运行 56 次。
如果我输入 15 个因子、16 个角点、delta = 1、功效 = 0.95、0 个中心点、sigma = 1、alpha = 0.05，则答案是总共 64 次运行的 4 次重复。
手动获得 N 是乏味且迭代的过程，因为我们要解决的是误差自由度数，并且没有一个封闭式方程。 它由F值产生。 但是，可以在 Excel 中的几个单元格中完成。 获得答案仍然需要反复试验，但这种反复试验比使用一堆对话框和按钮来创建复制矩阵并查看结果威力要简单得多。
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量这是不同讨论的不同问题，它没有解决原始问题。回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量您只能计算给定设计的预期功效。 它是模型矩阵的函数，而模型矩阵又是设计矩阵的函数。 没有设计，就无法计算功率。
选择“最佳”设计是迭代的，使用“反复试验”，但通过开发一小组设计来跨越您根据预期改变复杂性的选择（例如，运行次数、术语中的术语）也是实用的。模型、所需中心点的数量等）。 然后，您可以使用 DOE > Design Diagnostics > Compare Designs 同时比较它们，以缩小选择范围。 这是一个非常快的过程。
该选择也是“足够好”，因为您在功耗分析中使用的假设是错误的，但它们足以完成工作（选择合理的设计）。
给定所需的功率，您将如何手动或使用 MINITAB 计算设计？ 我认为答案必须依赖于严格因子设计的特殊性。
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量对于以下评论/问题，我提前表示歉意：
复制的目的是什么？ 我认为有几个目的：
1. 增加研究的推理空间，
2. 为了使研究更能代表未来的情况（现实），
3. 确定在一组条件下研究的因素在这些条件发生变化时的影响是否一致，
4. 稳健的设计：在设计早期识别噪声与因素之间的相互作用，以便尽早采取行动，以减少这些噪声效应的影响......
所以对我来说，重复是为了确保实验能够代表未来的条件，这样我就更有信心将结果推断到未来。
“不幸的是，未来的实验（未来的试验、明天的生产）将受到与影响本次实验的环境条件（温度、材料、人）不同的影响……这只能通过对主题的了解，可能需要进一步实验的帮助（添加斜体）为了涵盖更广泛的条件，人们可以决定未来的环境条件是否与今天的环境条件足够接近，以允许使用手头的结果，尽管存在犯错的风险。”
戴明博士
话虽这么说，为什么您要依靠统计公式来提供指导实验是否能代表现实？
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量所提出的方法是一种设计实验的试错方法（选择一个设计，选择多个重复，看看功效是什么，迭代直到对功效与样本量的平衡感到满意）。 这真的有必要吗？ 作为设计实验而不是评估实验的一种方式，完全可以手动（或使用 Minitab）完成我所要求的操作。
回复：如何使用 DoE 阶乘的样本量和功效来确定重复处理的数量DOE 菜单中的示例计算器适用于最多只有一个因素的简单情况。 功率分析包含在 DOE 平台中。该过程是生成设计，然后评估功率。 您可以将设计保存在数据表中，并比较多个设计的功率和其他属性。
有关如何进行操作的说明，请参阅 JMP 帮助中的此部分执行设计的功耗分析。 不过，我发现您对这些工具很熟悉。
您可以使用具有所需复制和中心点数量的全因子生成表，然后选择 DOE > 设计诊断 > 评估设计以获得功效分析。
