Factor de bloqueo al analizar datosHola,
Mi pregunta es cómo bloquear un factor al analizar datos.
Gracias !
I
Análisis de fiabilidadRe: Factor de bloqueo al analizar datosHola Statman,
¡Muchas gracias por tus comentarios! Está más claro ahora. He actualizado la tabla de datos (la anterior era la 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 estadísticas es muy limitado, no entiendo por qué necesitamos realizar árboles potenciados y potenciados neuronales.
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 el material entrante se puede medir, puede agregar esa medida como una variable aleatoria en el modelo (no como un bloque aleatorio). El modelo luego incluirá este término para futuras predicciones.
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 y)
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 su mesa. Veo que codificas por colores las columnas de interés. Supongo que los naranjas son lotes, X1 y X2 y veo las 2 Y. Ninguna de las otras columnas se explica.
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 datos¡Gracias por su respuesta!
Lo siento, no fue bien explicado, intentaré aclarar para la declaración:
Nuestro objetivo es maximizar el rendimiento de proteína, sabemos que cada material de partida tendrá una concentración de proteína diferente, y también cada lote usado no se usará en el futuro. Por eso 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 entre lotes es significativa. Será interesante tener en cuenta la cantidad de esta variación, si es posible, pero ya se realizaron todos los experimentos y solo se usaron 2 lotes.
2. Sabemos que hay una variación de lote a lote y que tiene un efecto en el rendimiento. No estamos interesados en reducir la variación entrante de lote a lote. 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 proteína que influyen en el rendimiento (Y1) y, por supuesto, 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 el R2 y el R2 ajustado estaban alrededor del 50%, lo que significa que todavía tenemos cierta cantidad de variabilidad que no consideramos en el modelo.
Y para su declaración, "Ahora, si no ha realizado la diligencia debida para identificar qué factores de ruido se confunden con el bloque, entonces debe tratar el 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 mientras mantiene Y2 por debajo de 70 
Mejor !
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 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 resultado del análisis.
No entiendo esta afirmación:
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 desea/necesita tener en cuenta la variación entrante de la variación de lote a lote que sabe que puede ser significativa.
2. Si sabe que hay variación de lote a lote, ¿sabe si afecta el rendimiento? Si es así, ¿qué está haciendo para reducir la variación entrante de lote a lote?
3. ¿Se puede medir el lote entrante? ¿Hay alguna medida del lote entrante que cree que se relaciona con el rendimiento? Si es así, ¿por qué no tratar esa medida como una covariable?
4. Daré una visión diferente del uso del bloqueo... Como indicas, 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 eficaz del bloque es como efecto fijo. Cuando analiza el modelo, desea incluir los bloques Y todas las interacciones de bloque por factor. De hecho, los efectos más importantes podrían ser las interacciones bloque por factor. Por qué, porque quiere que los efectos de sus factores sean consistentes sobre el ruido cambiante (esta es la definición de robusto), esto, en esencia, significa la ausencia de interacciones bloque por factor.
Ahora bien, si no ha realizado la diligencia debida para identificar qué factores de ruido se confunden con el bloque, entonces le queda tratar el bloque como un efecto aleatorio y un medio para reducir el error cuadrático medio (lo que puede proporcionar una F más significativa). -prueba).
"Bloquea lo que puedas, aleatoriza lo que no puedas" GEP Caja
Bloquee lo que pueda identificar, aleatorice lo que no pueda identificar.
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 principal objetivo es maximizar el rendimiento Y1 pero manteniendo un nivel aceptable de impurezas (Y2 inferior a 70).
Tenemos una variación significativa en el material de partida de lote a lote.
Según lo que he leído en la comunidad de JMP, aquí está la diferencia entre bloques aleatorios o fijos (corríjame si me equivoco):
- A fijado bloque se trata como los otros factores, por defecto en el software. Se muestra en el modelo. Eso significa que 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 es necesario 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 ir con el bloqueo aleatorio como lo describiste, sin embargo, hay dos cosas extrañas con JMP:
- No se mostró tabla ANOVA para bloqueo aleatorio
- Además, cuando hago el simulador, no hay una tasa de defectos por bloqueo aleatorio
¿Podría por favor ayudarme a entender por qué falta esa información?
Gracias !
I
Re: Factor de bloqueo al analizar datosSu afirmación no tiene sentido. ¿Has completado un experimento? ¿Diseñaste el experimento con ejecuciones bloqueadas?
Es probable que esté simplificando demasiado su situación, pero nos dio 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 Y. Seleccione columnas de factores y haga los términos apropiados para los efectos de los factores. Asegúrese de agregar la columna con los bloques a la lista de Efectos. El efecto de bloque 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.
