Factor de bloqueo al analizar datosHola,
Mi pregunta es cómo bloquear un factor al analizar datos.
Gracias !
I
Tabla de datosGAMARe: factor de bloqueo al analizar datosTu afirmación no tiene sentido. ¿Has completado un experimento? ¿Diseñaste el experimento con carreras bloqueadas?
Probablemente estoy simplificando demasiado tu situación, pero nos diste muy poca información frente a una técnica compleja (bloqueo). Puede agregar una nueva columna de datos a la tabla de datos y completar sus valores para indicar la pertenencia a un bloque determinado. Por ejemplo, si la tabla de datos contiene 16 ejecuciones y los bloques son 4 ejecuciones consecutivas, entonces la nueva columna podría contener 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4 y 4. Seleccione Analizar> Ajustar modelo. Asigne las respuestas al rol de Y. Seleccione columnas de factores y cree términos apropiados para los efectos de los factores. Asegúrese de agregar la columna con los bloques a la lista de Efectos. El efecto de bloqueo se trata como un efecto fijo, al igual que los demás factores, de forma predeterminada. Si desea tratar el bloque como un efecto aleatorio, seleccione el bloque en la lista Efecto, haga clic en el triángulo rojo junto a Atributos y seleccione Efecto aleatorio.
Re: factor de bloqueo al analizar datosHola,
gracias por esta explicación y perdón por no dar tanta información.
Entonces, ejecutamos un diseño factorial completo con 2 factores (X1 y X2) y 2 respuestas. El objetivo principal es maximizar el rendimiento Y1 pero mantener un nivel aceptable de impurezas (Y2 por debajo de X).
Tenemos una variación en el material de partida del lote que ya conocemos, queremos considerar esta extravariabilidad pero no para futuras investigaciones (no es necesario agregar el lote como X3 en el modelo, incluso si es significativo).
De acuerdo con lo que he leído en la comunidad de JMP, aquí está la diferencia entre bloques aleatorios o borrosos (corríjame si me equivoco):
- A reparado El bloque se trata como los demás factores, de forma predeterminada en el software. Se muestra en el modelo, es decir, consideramos 3 factores en lugar de 2 al hacer el análisis, pero excluimos la interacción y los efectos cuadráticos para el lote.
- A aleatorio bloques, se usa particularmente si nuestro objetivo es dar cuenta de la variación causada por los bloques y no necesitar hacer ninguna inferencia sobre los efectos (que es nuestro caso aquí).Eso significa que si incluyo varios lotes de materia prima en mi diseño, no me importa que el Lote A aumente la respuesta promedio en 1.5 y el Lote B en -0.6 porque no voy a usar esos lotes en el futuro. Solo quiero que los lotes que utilicé en el diseño sean representativos de la variación típica en los lotes de materia prima que encontraré en el futuro.
Decidimos usar el bloqueo aleatorio como lo describiste, sin embargo, hay dos cosas extrañas con JMP:
- No se mostró una tabla ANOVA para el bloqueo aleatorio
- Además, cuando hago el simulador, no hay una tasa de defectos para el bloqueo aleatorio.
¿Podría ayudarme a comprender por qué falta esa información?
Gracias !
I
Re: factor de bloqueo al analizar datosLo siento, un poco tarde para la discusión. ¿No estoy seguro de entender lo que estás haciendo? También sería útil para nosotros si nos pudiera proporcionar la tabla de datos, incluso si desea codificar los factores y las variables de respuesta para mantener la confidencialidad. De esta manera, podemos intentar reproducir / comprender lo que está obteniendo como resultados del análisis.
No entiendo esta declaración:
Tenemos una variación en el material de partida del lote que ya conocemos, queremos considerar esta extravariabilidad pero no para futuras investigaciones (no es necesario agregar el lote como X3 en el modelo, incluso si es significativo).
Mis pensamientos:
1. ¿Me parece que quiere / necesita tener en cuenta la variación entrante de la variación de lote a lote que sabe que puede ser significativa?
2. Si sabe que existe una variación de un lote a otro, ¿sabe si afecta el rendimiento? Si es así, ¿qué está haciendo para reducir la variación entrante de lote a lote?
3. ¿Puede medir el lote entrante? ¿Existe alguna medida del lote entrante que crea que se relaciona con el rendimiento? Si es así, ¿por qué no tratar esa medida como una covariable?
4. Proporcionaré una visión diferente del uso del bloqueo ... Como usted indica, hay 2 formas de tratar el efecto de bloqueo, como un efecto aleatorio o como un efecto fijo. Para mí, lo que determina cuál usa es la cantidad de comprensión de qué ruido se confunde con el bloque. Si tiene un conocimiento profundo de qué variables de ruido se confunden con el bloque, un uso más efectivo del bloque es como efecto fijo. Cuando analiza el modelo, desea incluir los bloques Y todas las interacciones bloque por factor. De hecho, los efectos más importantes podrían ser las interacciones bloque por factor. Porque desea que los efectos de sus factores sean consistentes con respecto al ruido cambiante (esta es la definición de robusto), esto, en esencia, significa la ausencia de interacciones bloque por factor.
Ahora, si no ha realizado la debida diligencia para identificar qué factores de ruido se confunden con el bloque, entonces se queda con el tratamiento del bloque como un efecto aleatorio y un medio para reducir el error cuadrático medio (que puede proporcionar una F más significativa -prueba).
"Bloquea lo que puedas, aleatoriza lo que no puedes" GEP Caja
Bloquea lo que puedes identificar, aleatoriza lo que no puedes identificar.
Re: factor de bloqueo al analizar datos¡Gracias por su respuesta!
Lo siento, no fue bien explicado, intentaré aclarar el enunciado:
Nuestro objetivo es maximizar el rendimiento de proteínas, sabemos que cada material de partida tendrá una concentración de proteína diferente y, además, cada lote utilizado no se utilizará en el futuro. Es por eso que no nos importa que el lote A aumente la respuesta promedio en 1,5 y el lote B en -0,6 porque no voy a usar esos lotes en el futuro.
Para las otras preguntas:
1. Sí, la variación de un lote a otro es significativa. Será interesante tener en cuenta la cantidad de esta variación, si es posible, pero ya se hicieron todos los experimentos y solo se usaron 2 lotes.
2. Sabemos que existe una variación de un lote a otro y que tiene un efecto sobre el rendimiento. No estamos interesados en reducir la variación entrante de un lote a otro. Necesitamos extraer el máximo de proteína independientemente de la cantidad de proteína inicial.
3. Sí, medimos la cantidad de proteína en el material de partida y está relacionada con el rendimiento. Sin embargo, no sé qué quiere decir con "tratar esa medida como una covariable"
4. ¡Muchas gracias! sí, tiene sentido agregar interacciones bloque por factor.
"la cantidad de comprensión de qué ruido se confunde con el bloque". Si entendí bien, para nuestro ejemplo, la variación de lote a lote se debe a diferentes concentraciones de proteínas que influyen en el rendimiento (Y1) y, por supuesto, a diferentes cantidades de impurezas que también influyen en las impurezas residuales (Y2). ¿Eso significa que tenemos que tratarlo como fijo?
Otra cosa a mencionar es que R2 y R2 ajustados estaban alrededor del 50%, lo que significa que todavía tenemos una cierta cantidad de variabilidad que no consideramos en el modelo.
Y para su declaración, "Ahora bien, si no ha realizado la debida diligencia para identificar qué factores de ruido se confunden con el bloque, entonces se queda con el tratamiento del bloque como un efecto aleatorio y un medio para reducir el error cuadrático medio (que puede proporcionar una prueba F más significativa). " No entendí completamente lo que quieres decir con "un medio para reducir el error cuadrático medio"
Gracias por todas esas explicaciones.
Adjunto encontrará la tabla de datos, por lo que tal vez pueda ayudarme a encontrar las condiciones óptimas para maximizar Y1 manteniendo Y2 por debajo de 70 
Mejor !
I
Re: factor de bloqueo al analizar datosEntiendo que no reutilizará lotes, pero debe tener en cuenta la variación de lotes en su modelo si desea tener un modelo que funcione en lotes futuros.
Si se puede medir el material entrante, puede agregar esa medición como una variable aleatoria en el modelo (no como un bloque aleatorio). El modelo incluirá entonces este término para predicciones futuras.
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
Para un modelo típico Y = X1 + X2 + X1 * X2 + Error
donde error son todos los grados de libertad no asignados a los términos (incluido el efecto de bloque ay)
Sin embargo, si puede asignar el efecto de bloque, su modelo es:
Y = X1 + X2 + X1 * X2 + Bloque + Error
Dado que se asigna el efecto de bloque, el error (error cuadrático medio) se reducirá aumentando la probabilidad de efectos estadísticamente significativos debido a relaciones F más grandes.
He mirado brevemente tu mesa. Veo que codificaste por colores las columnas de interés. Supongo que las naranjas son Lotes, X1 y X2 y veo las 2 Y. No se explica ninguna de las otras columnas.
Lo siento, pero realmente no veo un experimento diseñado ??? Ciertamente NO es un factorial en X1 y X2.
¿Podría usar la regresión para ver si hay alguna relación? Una mirada rápida a los datos también sugiere que tiene algunos puntos de datos inusuales. Pruebe Boosted Tree para Y1 y Neural Boosted para Y2.
Re: factor de bloqueo al analizar datosHola Statman,
¡Muchas gracias por tus comentarios! Ahora está más claro. Actualicé la tabla de datos (la anterior era incorrecta).
Consideramos un diseño factorial completo con dos factores (X1 y X2) y dos respuestas (Y1 e Y2) para cada lote. Para cada lote, se realizó un experimento adicional por triplicado (experimentos "referencia").
Mi conocimiento de las estadísticas es muy limitado, no entiendo por qué necesitamos realizar árboles potenciados y potenciados neuronales.
