Fattore di blocco durante l'analisi dei datiCiao,
La mia domanda è come bloccare un fattore durante l'analisi dei dati.
Grazie !
IO
Analisi di affidabilitàRi: Fattore di blocco durante l'analisi dei datiEhi Statmann,
Grazie mille per il tuo feedback ! Ora 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 ciascun lotto. Per ciascun lotto è stato eseguito un ulteriore esperimento in triplice copia (esperimenti "riferimento").
Le mie conoscenze statistiche sono molto limitate, non capisco perché dobbiamo eseguire alberi Boosted e Neural Boosted.
Ri: 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 il materiale in entrata può essere misurato, puoi aggiungere quella misura 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 è tutti i gradi di libertà non assegnati ai termini (compreso l'effetto blocco y)
Se invece sei in grado di 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) sarà 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 viene spiegata.
Mi dispiace, ma davvero 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.
Ri: Fattore di blocco durante l'analisi dei datiLa ringrazio per la risposta!
Scusa, non è stato ben spiegato, 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 userò 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 eseguiti e sono stati utilizzati solo 2 lotti.
2. Sappiamo che esiste una variazione da lotto a lotto e che ha un effetto sul rendimento. Non siamo interessati a ridurre la variazione da lotto a lotto in entrata. Abbiamo bisogno di estrarre il massimo di proteine indipendentemente dalla quantità di proteine di partenza.
3. Sì, misuriamo la quantità di proteine nel materiale di partenza ed è correlata alla resa. Tuttavia, non so cosa intendi per "trattare quella misura come una covariata"
4. Grazie mille! sì ha senso aggiungere interazioni blocco per fattore.
"la quantità di comprensione di ciò che il rumore è confuso con il blocco." Se ho capito bene, per il nostro esempio, la variazione da lotto a lotto è dovuta a diverse concentrazioni proteiche che influenzano la resa (Y1) e ovviamente a diverse quantità di impurità che influenzano anche le impurità residue (Y2). Ciò significa che dobbiamo trattarlo come un fisso?
Un'altra cosa da menzionare è che l'R2 e l'R2 regolati erano intorno al 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 ti resta da 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 bene cosa intendi per "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 
Migliore !
IO
Ri: Fattore di blocco durante l'analisi dei datiScusa, un po' in ritardo per la discussione. Non sono sicuro di aver capito cosa stai facendo? Ci sarebbe anche utile se potessi fornire la tabella dei dati, anche se desideri codificare i fattori e le variabili di risposta per la riservatezza. In questo modo possiamo provare a riprodurre/comprendere 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/necessiti di tenere conto della variazione in entrata della variazione da lotto a lotto che sai essere significativa?
2. Se sai che c'è una variazione da lotto a lotto, sai se influisce sul rendimento? In tal caso, cosa stai facendo per ridurre la variazione da lotto a lotto in entrata?
3. Puoi misurare il lotto in entrata? C'è qualche misura del lotto in entrata che ritieni sia correlata al rendimento? In tal caso, 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 del 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 hai 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 i tuoi effetti fattoriali siano coerenti rispetto al cambiamento del rumore (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 ti resta da 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.
Ri: Fattore di blocco durante l'analisi dei datiCiao,
grazie per questa spiegazione e scusa per non aver fornito 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 70).
Abbiamo una variazione significativa nel materiale di partenza da lotto a lotto.
Secondo quanto ho letto nella comunità JMP, ecco la differenza tra blocchi casuali o fissi (per favore correggimi se sbaglio):
- UN fisso block viene trattato come gli altri fattori, per impostazione predefinita nel software. È mostrato nel modello. Ciò significa che consideriamo 3 fattori invece di 2 quando eseguiamo l'analisi, ma escludiamo l'interazione e gli effetti quadratici per il lotto.
- UN casuale blocchi, viene utilizzato in particolare se il nostro obiettivo è tenere conto della variazione causata dai blocchi e non è necessario fare alcuna inferenza sugli effetti (che è il nostro caso qui).Ciò significa che, se includo più lotti di materia prima 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 nel design siano rappresentativi della tipica variazione nei lotti di materie prime che incontrerò in futuro
Abbiamo deciso di utilizzare il blocco casuale come hai descritto, tuttavia, ci sono due cose strane con JMP:
- Nessuna tabella ANOVA è stata mostrata per il blocco casuale
- Inoltre, quando eseguo il simulatore, non vi è alcun tasso di difetto per il blocco casuale
Potresti aiutarmi a capire perché mancano queste informazioni?
Grazie !
IO
Ri: Fattore di blocco durante l'analisi dei datiLa tua affermazione non ha senso. Hai completato un esperimento? Hai progettato l'esperimento con corse bloccate?
Probabilmente sto semplificando eccessivamente la tua situazione, ma ci hai fornito pochissime informazioni di fronte a una tecnica complessa (blocco). È possibile aggiungere una nuova colonna di dati alla tabella di dati e popolare i 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 > Stima modello. Assegna le risposte al ruolo Y. Seleziona le colonne dei fattori e crea i termini appropriati per gli effetti dei fattori. Assicurati di aggiungere la colonna con i blocchi all'elenco Effetti. L'effetto di blocco viene trattato come un effetto fisso, come gli altri fattori, per impostazione predefinita. Se desideri 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.
