Fattore di blocco durante l'analisi dei datiCiao,
La mia domanda è come bloccare un fattore durante l'analisi dei dati.
Grazie !
io
Tabella datidainaRe: Fattore di blocco durante l'analisi dei datiLa tua affermazione non ha senso. Hai completato un esperimento? Hai progettato l'esperimento con esecuzioni bloccate?
Probabilmente sto semplificando eccessivamente la tua situazione, ma ci hai fornito pochissime informazioni di fronte a una tecnica complessa (blocking). È possibile aggiungere una nuova colonna dati alla tabella dati e popolarla con valori per indicare l'appartenenza a un determinato blocco. Ad esempio, se la tabella dati contiene 16 esecuzioni e i blocchi sono 4 esecuzioni consecutive, la nuova colonna potrebbe contenere 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4 e 4. Selezionare Analizza > Adatta modello. Assegna le risposte al ruolo Y. Selezionare le colonne dei fattori e definire i termini appropriati per gli effetti dei fattori. Assicurati di aggiungere la colonna con i blocchi all'elenco Effetti. Per impostazione predefinita, l'effetto blocco viene trattato come un effetto fisso, come gli altri fattori. Se vuoi trattare il blocco come un effetto casuale, seleziona il blocco nell'elenco Effetto, fai clic sul triangolo rosso accanto ad Attributi e seleziona Effetto casuale.
Re: Fattore di blocco durante l'analisi dei datiCiao,
grazie per questa spiegazione e scusa se non ho dato così tante informazioni.
Quindi, abbiamo eseguito un disegno fattoriale completo con 2 fattori (X1 e X2) e 2 risposte. L'obiettivo principale è massimizzare la resa Y1 ma mantenere un livello accettabile di impurità (Y2 inferiore a X).
Abbiamo una variazione nel materiale di partenza del lotto che già conosciamo, vogliamo considerare questa extravariabilità ma non per indagini future (non è necessario aggiungere il lotto come X3 nel modello anche se è significativo).
Secondo quello che ho letto nella cmmunity JMP, ecco la differenza tra blocchi casuali o foxed (per favore correggimi se sbaglio):
- UN fisso blocco viene trattato come gli altri fattori, per impostazione predefinita nel software. È mostrato nel modello. Ciò significa che durante l'analisi consideriamo 3 fattori anziché 2, ma escludiamo l'interazione e gli effetti quadratici per il lotto.
- UN casuale blocchi, viene utilizzato in particolare se il nostro obiettivo è quello di tenere conto della variazione causata per i blocchi e non è necessario fare alcuna inferenza sugli effetti (come nel nostro caso).Ciò significa che, se includo più lotti di materie prime nel mio progetto, non mi interessa che il lotto A aumenti la risposta media di 1,5 e il lotto B di -0,6 perché non utilizzerò quei lotti in futuro. Voglio solo che i lotti che ho utilizzato nella progettazione siano rappresentativi della tipica variazione nei lotti di materie prime che incontrerò in futuro
Abbiamo deciso di utilizzare il blocco casuale come descritto, tuttavia, ci sono due cose strane con JMP:
- Nessuna tabella ANOVA è stata mostrata per il blocco casuale
- Anche quando faccio il simulatore, non c'è un tasso di difetto per il blocco casuale
Potreste aiutarmi a capire perché mancano queste informazioni?
Grazie !
io
Re: Fattore di blocco durante l'analisi dei datiScusa, un po' in ritardo con la discussione. Non sono sicuro di aver capito cosa stai facendo? Ci sarebbe anche utile se tu potessi fornire la tabella dei dati, anche se vuoi codificare i fattori e le variabili di risposta per la riservatezza. In questo modo possiamo provare a riprodurre/capire ciò che ottieni come output dell'analisi.
non capisco questa affermazione:
Abbiamo una variazione nel materiale di partenza del lotto che già conosciamo, vogliamo considerare questa extravariabilità ma non per indagini future (non è necessario aggiungere il lotto come X3 nel modello anche se è significativo).
I miei pensieri:
1. Mi sembra che tu voglia/dovrai tenere conto della variazione in entrata della variazione da lotto a lotto che sai potrebbe essere significativa?
2. Se sai che c'è una variazione da lotto a lotto, sai se influisce sulla resa? Se lo fa, cosa stai facendo per ridurre la variazione in entrata da lotto a lotto?
3. Riesci a misurare il lotto in entrata? C'è una misura del lotto in entrata che pensi sia correlato alla resa? Se è così, perché non trattare quella misura come una covariata?
4. Fornirò una visione diversa dell'uso del blocco... Come hai indicato, ci sono 2 modi per trattare l'effetto blocco, come un effetto casuale o come un effetto fisso. Per me, ciò che determina quale usi è la quantità di comprensione di quale rumore viene confuso con il blocco. Se si ha una conoscenza approfondita di quali variabili di rumore vengono confuse con il blocco, un uso più efficace del blocco è come effetto fisso. Quando analizzi il modello, vuoi includere i blocchi E tutte le interazioni blocco per fattore. In effetti, gli effetti più importanti potrebbero essere le interazioni blocco per fattore. Perché, poiché vuoi che gli effetti dei tuoi fattori siano coerenti sul rumore variabile (questa è la definizione di robusto), questo, in sostanza, significa l'assenza di interazioni blocco per fattore.
Ora, se non hai fatto la dovuta diligenza nell'identificare quali fattori di rumore sono confusi con il blocco, allora non ti resta che trattare il blocco come un effetto casuale e un mezzo per abbassare l'errore quadratico medio (che può fornire un F più significativo -test).
"Blocca ciò che puoi, randomizza ciò che non puoi" GEP Scatola
Blocca ciò che puoi identificare, randomizza ciò che non puoi identificare.
Re: Fattore di blocco durante l'analisi dei datiLa ringrazio per la risposta!
Scusa, non è stato spiegato bene, cercherò di chiarire per l'affermazione:
Il nostro obiettivo è massimizzare la resa proteica, sappiamo che ogni materiale di partenza avrà una concentrazione proteica diversa e inoltre ogni lotto utilizzato non verrà utilizzato in futuro. Ecco perché non ci interessa che il lotto A aumenti la risposta media di 1,5 e il lotto B di -0,6 perché non utilizzerò quei lotti in futuro.
Per le altre domande:
1. Sì, la variazione da lotto a lotto è significativa. Sarà interessante tenere conto dell'entità di questa variazione, se possibile, ma tutti gli esperimenti sono già stati fatti e sono stati utilizzati solo 2 lotti.
2. Sappiamo che c'è una variazione da lotto a lotto e ha un effetto sulla resa. Non siamo interessati a ridurre la variazione in entrata da lotto a lotto. Dobbiamo estrarre il massimo di proteine indipendentemente dalla quantità iniziale di proteine.
3. Sì, misuriamo la quantità di proteine nel materiale di partenza ed è correlata alla resa. Tuttavia, non so cosa intendi con "trattare quella misura come una covariata"
4. Grazie mille! sì, ha senso aggiungere interazioni blocco per fattore.
"la quantità di comprensione di quale rumore si confonde con il blocco." Se ho capito bene, per il nostro esempio, la variazione da lotto a lotto è dovuta a diverse concentrazioni di proteine che influenzano la resa (Y1) e ovviamente a diverse quantità di impurezze che influenzano anche le impurezze residue (Y2). Ciò significa che dobbiamo trattarlo come un fisso?
Un'altra cosa da menzionare è che R2 e R2 aggiustati erano circa il 50%, il che significa che abbiamo ancora una certa quantità di variabilità che non abbiamo considerato nel modello.
E per la tua affermazione: "Ora, se non hai fatto la dovuta diligenza nell'identificare quali fattori di rumore sono confusi con il blocco, allora non ti resta che trattare il blocco come un effetto casuale e un mezzo per abbassare l'errore quadratico medio (che può fornire un test F più significativo). " Non ho capito completamente cosa intendi con "un mezzo per abbassare l'errore quadratico medio"
Grazie per tutte queste spiegazioni.
In allegato troverai la tabella dei dati, quindi forse puoi aiutarmi a trovare le condizioni ottimali per massimizzare Y1 mantenendo Y2 inferiore a 70 
Il migliore!
io
Re: Fattore di blocco durante l'analisi dei datiCapisco che non riutilizzerai i lotti, ma devi tenere conto della variazione dei lotti nel tuo modello se vuoi avere un modello che funzioni su lotti futuri.
Se è possibile misurare il materiale in ingresso, è possibile aggiungere tale misurazione come variabile casuale nel modello (non come blocco casuale). Il modello includerà quindi questo termine per la previsione futura.
https://www.jmp.com/support/help/en/16.0/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/experiments-with-covariates.shtml
Per un modello tipico Y = X1 + X2 + X1*X2 + Errore
dove errore sono tutti i gradi di libertà non assegnati ai termini (incluso ogni effetto blocco)
Se invece riesci ad assegnare l'effetto blocco, il tuo modello è:
Y = X1 + X2 + X1*X2 + Blocco + Errore
Poiché l'effetto blocco è assegnato, l'errore (errore quadratico medio) verrà ridotto aumentando la probabilità di effetti statisticamente significativi dovuti a rapporti F più grandi.
Ho guardato brevemente il tuo tavolo. Vedo che hai codificato a colori le colonne di interesse. Presumo che quelli arancioni siano Lotti, X1 e X2 e vedo le 2 Y. Nessuna delle altre colonne è spiegata.
scusami ma proprio non vedo un esperimento progettato??? Certamente NON un fattoriale su X1 e X2.
Potresti usare la regressione per vedere se ci sono relazioni? Una rapida occhiata ai dati suggerisce anche che hai alcuni punti dati insoliti. Prova Boosted Tree per Y1 e Neural Boosted per Y2.
Re: Fattore di blocco durante l'analisi dei datiHey Statman,
Grazie mille per la tua recensione ! Adesso è più chiaro. Ho aggiornato il datatable (il precedente era quello sbagliato).
Abbiamo considerato un disegno fattoriale completo con due fattori (X1 e X2) e due risposte (Y1 e Y2) per ogni lotto. Per ogni Lotto è stato eseguito un ulteriore esperimento in triplicato (esperimenti "riferimento").
La mia conoscenza delle statistiche è molto limitata, non capisco perché abbiamo bisogno di eseguire alberi Boosted e Neural Boosted.
