Benutzerdefiniertes DoE-Screening-DesignIch habe zwei sehr grundlegende Fragen zum benutzerdefinierten DoE-Screening-Design.
1. Wenn ich nur wissen möchte, welche Haupteffekte für meine Antworten von Bedeutung sind, und das benutzerdefinierte Haupteffekt-Screening-Design mit den von JMP vorgegebenen Standardlaufnummern verwenden möchte, wie kann ich dann sicher sein, ob es sich um den Haupteffekt oder einen anderen verwirrenden Zwei-Wege-Effekt handelt? Interaktion, die wirklich bedeutsam ist? Wenn die Modellanalyse zeigt, dass Faktor A signifikant ist, A jedoch teilweise mit B*C korreliert, welche Faktoren sollten später in den Optimierungsentwurf einbezogen werden? Ich gehe davon aus, dass nur die Haupteffekte, die signifikant sind, wie z. B. Faktor A, für das Optimierungsdesign im Anschluss an das Haupteffekt-Screening-Design weiter untersucht werden sollten, aber B und C fehlen, wenn B*C teilweise mit Faktor A korreliert, B und C jedoch nicht signifikant sind Haupteffekte des Screening DoE?
2. Wenn ich einige unkontrollierte Faktoren in das Modell einbeziehe, zeigt JMP die Farbkarte zur Korrelation nicht mehr an. Wie kann ich das Design mit unkontrollierten Faktoren bewerten?
Danke
LL
VersuchsplanungBetreff: Benutzerdefiniertes DoE-Screening-DesignIch entschuldige mich für die vielen Fragen und danke Ihnen für die Empfehlung von Büchern und Zeitschriftenbeiträgen.Betreff: Benutzerdefiniertes DoE-Screening-DesignNicht genau, aber auch dies hängt davon ab, ob Sie eine BIB oder eine RCDB erstellen möchten.
Ich muss mich entschuldigen, aber ich glaube nicht, dass es sehr effizient ist, Ihnen in diesem Community-Chat beizubringen, wie Sie mit den Problemen umgehen, mit denen Sie konfrontiert sind. Ich empfehle Ihnen, Artikel/Bücher zu diesem Thema zu lesen, damit Sie sich mit den verschiedenen Methoden und Anwendungen vertraut machen können.
Hier sind einige Papiere, die ich vorschlage:
- Sanders, D., Leitnaker M. und McLean R. (2002) „Randomized Complete Block Designs in Industrial Studies“ Qualitätstechnik, Bd. 14, Ausgabe 1
- Box, GEP, Stephen Jones (1992), „ Split-Plot-Designs für robuste Produktexperimente ”, Zeitschrift für Angewandte Statistik , Bd. 19, Nr. 1
- Jones, Bradley, Christopher J. Nachtsheim (2009) „Split-Plot-Designs: Was, Warum und Wie“, Zeitschrift für Qualitätstechnologie , Bd. 41, Nr. 4, S. 340–361
- Bisgaard, Søren, (2000), „ Das Design und die Analyse von 2 kp X 2 qr Split-Plot-Experimente ”, Zeitschrift für Qualitätstechnologie , Bd. 32, Nr. 1, Januar
- Bisgaard, Søren, Murat Kulahei, (2001), „ Robustes Produktdesign: Speichern von Versuchen mit Split-Plot-Confounding ”, Qualitätstechnik , 13(3), 525-530
Betreff: Benutzerdefiniertes DoE-Screening-DesignIch habe noch einmal darüber nachgedacht ... schlagen Sie vor, die Datenzeilen im Modell manuell in zwei Blöcke zu unterteilen, indem Sie eine Spalte mit den Werten „-1“ und „1“ hinzufügen? Wenn ich insgesamt 20 Läufe habe, aber nur 10 Läufe an einem Tag durchführen kann, sollte ich einfach manuell eine Spalte im Modell als Blockfaktor „Tag“ hinzufügen und den ersten 10 Läufen „-1“ und den 11 Läufen „1“ zuweisen. 20 Läufe? Tut mir leid, wenn ich Ihren Standpunkt falsch verstanden habe.Betreff: Benutzerdefiniertes DoE-Screening-DesignEntschuldigung ... ich kann den Kommentaren nicht folgen, aber ich hatte nur vor, die Gesamtzahl der Läufe in zwei Blöcke aufzuteilen und dabei den Tag als Blockfaktor zu verwenden. Gibt es eine Möglichkeit, JMP mit HTC-Faktoren zu verwenden? Danke!
Betreff: Benutzerdefiniertes DoE-Screening-DesignInteressieren Sie sich für ausgeglichene unvollständige Blöcke oder randomisierte vollständige Blöcke? Normalerweise verwende ich die integrierte JMP-Blockierung nicht, da sie Blöcke als zufällige Effekte behandelt. Ich bevorzuge es, Experimente zu entwerfen, bei denen ich weiß, welches Rauschen mit dem Block verwechselt wird, und ich weise dem Modell die Block- und Block-für-Faktor-Interaktionseffekte zu. Dazu kopiere ich einen ganzen Block, füge ihn in die erste offene Zelle in der ersten Spalte unter dem ersten Block ein, füge dann eine Spalte hinzu und nenne sie Block (erster Block -1, zweiter Block 1). Normalerweise entwerfe ich auch Experimente mit nur zwei Blöcken (hauptsächlich industrielle Experimentanwendungen vs. landwirtschaftliche). Ich interessiere mich nicht für die Krümmung (nichtlinear) eines Blockeffekts, da dies unsinnig ist.
Betreff: Benutzerdefiniertes DoE-Screening-DesignFragen zum Blockieren für dieses Design...
Da ich mehrere Tage benötige, um alle Läufe abzuschließen, möchte ich den Entwurf blockieren. Da ich jedoch HTC-Faktoren in meinem Design habe, sehe ich die Option „Gruppenläufe in zufällige Blöcke mit Größe“ nicht. Ich kann der Faktorliste einen Blockierungsfaktor hinzufügen, bin mir aber nicht sicher, ob das der richtige Weg ist, da der Blockierungsfaktor (Tag) als feste Blockierung behandelt wird.
Betreff: Benutzerdefiniertes DoE-Screening-DesignNein, Sie können festlegen, dass Effekte im Normaldiagramm als signifikant angezeigt werden, aber keine praktische Bedeutung haben.
Betreff: Benutzerdefiniertes DoE-Screening-DesignAuch hier kann ich ohne die Datentabelle nicht wirklich helfen.
Betreff: Benutzerdefiniertes DoE-Screening-DesignIch vermute, dass alle Faktoren mit einem geschätzten Effekt, der größer ist als die praktisch bedeutsame Mindestverschiebung im Pareto-Diagramm, von Bedeutung sind und auch von der Normallinie im Normaldiagramm abweichen sollten. Sollten beide Plots zum gleichen Ergebnis führen?
Betreff: Benutzerdefiniertes DoE-Screening-DesignVielen Dank für die Vorschläge! Ich habe versucht, das Normaldiagramm zu erhalten, aber alle drei Diagrammoptionen unter „Effekt-Screening“ waren ausgegraut und konnten nicht angezeigt werden.
" Das erste, was ich immer mache, ist, die praktische Bedeutung zu prüfen. Haben Sie Variationen von praktischem Wert geschaffen? Was ist der kleinste Änderungsschritt in der Reaktion, der Ihrer Meinung nach von wissenschaftlichem oder technischem Wert ist? Nachdem Sie diesen Wert ermittelt haben, zeichnen Sie die Linie im Pareto-Diagramm ein und ermitteln Sie, welche Faktoren einen praktisch signifikanten Einfluss hatten. Suchen Sie dann nach diesen Effekten im Normaldiagramm (Daniels-Diagramm).“
Ich kann die Standardabweichungen für alle Faktoren abschätzen und kenne die praktisch bedeutsame minimale Verschiebung der Reaktion, bin mir aber bei Ihrem Vorschlag nicht sicher, „ Nachdem Sie diesen Wert ermittelt haben, zeichnen Sie die Linie im Pareto-Diagramm ein und ermitteln Sie, welche Faktoren einen praktisch signifikanten Einfluss hatten. Suchen Sie dann nach diesen Effekten im Normaldiagramm (Daniels-Diagramm).“ Können Sie bitte etwas näher erläutern, wie das geht und warum? Danke!
Betreff: Benutzerdefiniertes DoE-Screening-Design@JMP38401 Entschuldigung für die Verzögerung ... Es ist schwierig, nur die von Ihnen geteilten Ergebnisse zu betrachten und daraus Schlussfolgerungen zu ziehen. Es sieht so aus, als hätten Sie ein nicht repliziertes Design und Ihr Modell ist gesättigt. Wenn dies der Fall ist, sollten Sie versuchen, Normaldiagramme für die statistische Signifikanz (manchmal müssen Sie die PSE-Linie von Länge ignorieren), Paretodiagramme für die praktische Signifikanz und Bayes-Diagramme zu erhalten, wenn Sie sich für die Bayes'sche Philosophie interessieren (Modell anpassen > Rotes Optionsdreieck). neben Antwort > Wirkungsscreening). Das erste, was ich immer mache, ist, die praktische Bedeutung zu prüfen. Haben Sie Variationen von praktischem Wert geschaffen? Was ist der kleinste Änderungsschritt in der Reaktion, der Ihrer Meinung nach von wissenschaftlichem oder technischem Wert ist? Nachdem Sie diesen Wert ermittelt haben, zeichnen Sie die Linie im Pareto-Diagramm ein und ermitteln Sie, welche Faktoren einen praktisch signifikanten Einfluss hatten. Suchen Sie dann nach diesen Effekten im Normaldiagramm (Daniels-Diagramm).
Was die Optimierung betrifft, ist es äußerst schwierig, mit der Menge an Kontext, die Sie angegeben haben, Ratschläge zu geben. Bitte beachten Sie, dass Optimierung weit mehr ist als nur ein statistisches Design. Es erfordert eine Interpretation durch jemanden, der sich mit Wissenschaft/Technik auskennt. Ein paar Gedanken jedoch:
1. Sie versuchen nicht, ein unglaublich komplexes nichtlineares Modell zu erstellen, das alles beschreibt. Modelle sollen effiziente Näherungen sein, die für die Vorhersage nützlich sind.
2. Sie sollten KEINE Optimierung von Designfaktoren vornehmen, es sei denn, Sie verstehen den Lärm gründlich.
3. Was meinten Sie mit RSM? GEP Box impliziert, dass es sich um sequentielles Experimentieren handelt. Es handelt sich nicht um ein zentrales Verbunddesign.
4. Sie sollten auch multivariat denken. Es nützt nichts, ein Y auf Kosten anderer zu optimieren.
Betreff: Benutzerdefiniertes DoE-Screening-DesignWenden Sie sich anschließend an die benutzerdefinierte DoE, um die Haupteffekte zu überprüfen. Nachfolgend finden Sie die Ergebnisse der Modellanpassung. Kann man mit Sicherheit sagen, dass die Faktoren mit t-Verhältnissen kleiner als 2 eliminiert werden können und nur die Faktoren mit t-Verhältnissen größer als 2 für den Optimierungsentwurf unter Verwendung eines RSM verwendet werden? Wenn für jeden Faktor ein p-Wert verfügbar ist, denke ich, dass die Faktoren mit einem p-Wert kleiner als 0,05 als nächstes in die RSM-Optimierungs-DoE einbezogen werden sollten. Wir freuen uns über alle Anregungen zu diesem Denkprozess. Danke!
Betreff: Benutzerdefiniertes DoE-Screening-DesignEine absolute Antwort gibt es nicht. Es kommt darauf an. Die Auswirkung der Korrelation ist die Varianzinflation, was schlecht ist. Perfekte Korrelation (Confounding) erhöht die Varianz bis ins Unendliche. Aber ansonsten kommt es auf die Varianz an, mit der Sie beginnen. Eine kleine Varianz toleriert möglicherweise eine große Korrelation, während eine große Varianz eine sehr geringe Inflation toleriert.
Betreff: Benutzerdefiniertes DoE-Screening-DesignEntschuldigung für die falsche Zahl, der Korrelationswert beträgt 0,33 statt 0,033. Ich würde denken, dass 0,33 zu groß ist, bin mir aber nicht sicher, wie klein gut genug ist. Danke
Betreff: Benutzerdefiniertes DoE-Screening-Design@statman leitet dich sehr gut. Mein einziger zusätzlicher Kommentar von der Seitenlinie ist, dass Sie in Bezug auf alte Designmethoden denken. Die Designprinzipien ändern sich nie, aber die Methoden verbessern sich ständig. Kundenspezifisches Design ist eine neue Methode. Es ermöglicht Strategien, die noch vor zwei Jahrzehnten unmöglich waren. Aber mit den neuen Fähigkeiten geht auch die Verantwortung einher, sowohl die Prinzipien als auch die Methoden der neuen Methode zu erlernen.
Beispielsweise ist die Unsicherheit hinsichtlich der aktiven Effekte seit Beginn der statistischen DOE vor einem Jahrhundert ein Problem. Nachdem aus Gründen der Wirtschaftlichkeit in Screening-Experimenten regelmäßige fraktionierte faktorielle Designs auftauchten, bestimmte die Methode die Strategie. Dies führte zu verfälschten Schätzungen (vollkommen korrelierten Schätzungen).
Achten Sie genau darauf @statman 's Fragen zu Varianz oder Rauschen. Dies sind Schlüsselfragen, mit denen sich ein gieriger Experimentator befassen muss, um aus dem kleinsten Design die meisten Informationen mit der größten Sicherheit zu gewinnen.
Betreff: Benutzerdefiniertes DoE-Screening-DesignEs ist eine Frage des Signal-Rausch-Verhältnisses. Ein sehr großes Signal (Parameterschätzung ungleich Null) wird auch dann gut geschätzt, wenn eine Korrelation besteht. Die Korrelation verzerrt weder die Schätzung noch das Modell. Es erhöht den Standardfehler der Schätzung. Ich halte 0,033 für sehr klein.
Betreff: Benutzerdefiniertes DoE-Screening-DesignAlle Designbewertungsinformationen sind eine Funktion der Designmatrix, aber die Spalten für die unkontrollierten Faktoren sind leer.
Betreff: Benutzerdefiniertes DoE-Screening-DesignUm nur eines hinzuzufügen: Die Korrelation zwischen X1 (HTC) und X2 (HTC) in der Farbkarte beträgt 0,033, was für mich zu groß klingt. Gibt es einen empfohlenen Wert für die maximale Korrelation, um sich keine Sorgen über Aliasing zu machen? Danke!
Betreff: Benutzerdefiniertes DoE-Screening-Design
Oben ist das Design mit 10 Faktoren (7 kontinuierliche Faktoren, davon 3 HTC). 3 weitere unkontrollierte Faktoren.
Nachdem ich das Design erstellt habe, wird mir die Design-Bewertungsplattform nicht angezeigt, wie ich es normalerweise sehe, wenn es keine unkontrollierten Faktoren gibt.
Ich musste auf „Tabelle erstellen“ und dann auf „DoE-Dialog“ klicken, um die Designbewertung anzuzeigen. Als ich jedoch die Faktoren überprüfte, wurden X8, X9 und X10 zu „Kontinuierlich“ statt ursprünglich „Unkontrolliert“. Ich bin mir nicht sicher, warum und wie sich das auf die Designbewertung auswirkt. Das letzte Bild unten zeigt die auf diese Weise erhaltene Farbkarte der Korrelation.
Meine Hauptfrage ist, ob dieses Design ein gutes Design ist, um festzustellen, welche Haupteffekte dieser 10 Faktoren signifikant sind, ohne sich Gedanken über ihre Verwechslung untereinander und andere wechselseitige Wechselwirkungen machen zu müssen. Mein Plan ist es, diese signifikanten Haupteffekte aus diesem Screening-DoE für mein nächstes Optimierungs-DoE mit RSM zu nutzen. Vielen Dank!
Betreff: Benutzerdefiniertes DoE-Screening-DesignDas Custom Design ist sehr flexibel. Es ist möglich, ein Haupteffektmodell und die Zwei-Interaktions-Alias-Matrix zu definieren und dennoch Korrelationen zu erhalten. Beispielsweise kann die Anzahl der Durchläufe verhindern, dass ein orthogonales Design erstellt wird. Denken Sie an 3 Faktoren in 7 Läufen.
Können Sie ein Bild der benutzerdefinierten Designelemente (Faktoren, Modell, Alias-Matrix, Design und Korrelationskarte) veröffentlichen?
Betreff: Benutzerdefiniertes DoE-Screening-DesignDanke, für die schnelle Antwort!
„2. Wenn Sie Interaktionseffekte (≥2. Ordnung) vermuten, sollten Sie die Auflösung möglicherweise auf IV+ erhöhen.“
Ich weiß, wie ich die Designauflösungen in Minitab finde, kann aber die Designauflösung nicht aus JMP Custom Design ermitteln. Können Sie mir bitte mitteilen, wie ich die Designauflösungsinformationen in JMP erhalten kann?
„4. Ich verstehe Ihre zweite Frage nicht ganz. Wenn Sie Kovariaten in der Datentabelle haben, können Sie die Korrelation zwischen den Kovariaten und den Designfaktoren sicherlich erkennen. „Multivariate Methoden“ > „Multivariat“ stellt Streudiagramme bereit und durch Auswahl der Optionen (rotes Dreieck) können Sie Farbkarten erhalten. Wenn Sie viele haben, können Sie natürlich VIFs abrufen, indem Sie mit der rechten Maustaste in die Ausgabetabelle der Parameterschätzungen klicken und >Spalten>VIFs hinzufügen.
Entschuldigung für die Verwirrung. Wenn ich keine unkontrollierten Faktoren habe (in der Spalte „Faktorrolle“ steht „Unkontrolliert“ statt „Kontinuierlich“ usw.), kann ich unter „Designbewertung“ die Farbkarte der Korrelation und die Alias-Matrix sehen. Sobald ich jedoch unkontrollierte Faktoren hinzufüge, ist die Designbewertung verschwunden und ich kann die Alias-Matrix, die Farbkarte der Korrelation und die Leistungsanalyse usw. nicht sehen.
Betreff: Benutzerdefiniertes DoE-Screening-DesignDanke für die schnelle Antwort!
" Tragen Sie die Haupteffekte in die Begriffsliste unter Modell ein. Stellen Sie sicher, dass alle bidirektionalen Interaktionen in der Begriffsliste unter „Alias“ aufgeführt sind. Klicken Sie oben auf das rote Dreieck und wählen Sie „Optimalitätskriterium“ > „Alias optimal gestalten“ aus.
Ich habe es versucht und keine Änderungen in der Alias-Matrix unter Designbewertung der Modelle festgestellt. Habe ich etwas übersehen oder woher weiß ich, dass das Modell für Alias optimiert ist? Es tut mir leid, wenn ich die Funktionsweise von „Make Alias Optimal Design“ falsch verstanden habe, indem ich davon ausgehe, dass ich unter der Alias-Matrix oder der Farbkarte der Korrelation einen geringeren Korrelationseffekt sehen werde.
„(Sie müssen die Anzahl der tatsächlich aktiven Begriffe schätzen und Läufe zum Minimum für sie hinzufügen.)“
Ich habe 7 kontinuierliche Faktoren, davon 3 HTC. Ich habe auch 3 unkontrollierte Faktoren, deren Werte ich während meiner DoE-Läufe aufzeichne, also insgesamt 10 Faktoren. Als ich das Screening-Design mit der benutzerdefinierten DoE-Plattform erstellt habe, habe ich eine Mindestanzahl von Durchläufen von 11 (10 Faktoren plus Schnittpunkt) und 18 Durchläufe als Standard. Unter den Alias-Bedingungen gibt es 45 wechselseitige Interaktionen. Wenn ich vermute, dass 10 dieser 45 Zwei-Wege-Interaktionen aktive Begriffe sein könnten, schlagen Sie vor, diese 10 Zwei-Wege-Interaktionen zum Modell hinzuzufügen, ihre „Schätzbarkeit“ auf „Wenn möglich“ zu ändern und 10 Läufe zu den mindestens 11 durchzuführenden Läufen hinzuzufügen Sind es insgesamt 21 Läufe oder addieren Sie die 10 Läufe zu den standardmäßigen 18 Läufen, um insgesamt 28 Läufe zu erhalten? Da ich HTC-Faktoren im Modell habe, scheint das endgültige Screening-Design nicht zu funktionieren.
Betreff: Benutzerdefiniertes DoE-Screening-Design@JMP38401 , Hier sind meine Gedanken:
1. Es gibt drei Prinzipien, auf die wir uns bei gebrochenen Fakultäten und Bildschirmdesigns verlassen:
Knappheit: Es gibt relativ wenige signifikante Effekte (analog zum Pareto-Prinzip)
Hierarchie: 1. Ordnung > 2. Ordnung >> 3. Ordnung usw.
Vererbung: Damit eine Interaktion signifikant ist, muss mindestens ein Elternteil signifikant sein
In Bezug auf Ihre Frage rate ich Ihnen, die Auswirkungen des Rangordnungsmodells vorherzusagen (zumindest bis zur 2. Ordnung). Ihre Vorhersagen darüber, welche Effekte Ihrer Meinung nach sinnvoll sind und sich wahrscheinlich auf die Auswahl der Entwurfsauflösung auswirken werden. Wenn alle Ihre Effekte 1. Ordnung über Effekten 2. Ordnung liegen, erscheint eine niedrigere Auflösung sinnvoll, um mit dem iterativen Untersuchungsprozess zu beginnen. Tatsächlich handelt es sich hierbei um das Hierarchieprinzip. Erweitern Sie die Anzahl der Faktoren (Effekte 1. Ordnung), indem Sie Effekte höherer Ordnung verwechseln.
2. Wenn Sie Interaktionseffekte (≥2. Ordnung) vermuten, sollten Sie die Auflösung möglicherweise auf IV+ erhöhen.
3. Ich weiß, dass ich nicht den Großteil der Überlegungen zu optimalen Designs vertrete. Ich bin kein großer Fan von „partiellem Confounding“, um ein effizienteres Design zu erstellen, denn wenn es Fälle gibt, die in der Datenanalyse keinen Sinn ergeben, kann die nächste Iteration eine schwierige Entscheidung sein (z. B. funktionieren umklappbare Designs nicht). ).
4. Ich verstehe Ihre zweite Frage nicht ganz. Wenn Sie Kovariaten in der Datentabelle haben, können Sie die Korrelation zwischen den Kovariaten und den Designfaktoren sicherlich erkennen. „Multivariate Methoden“ > „Multivariat“ stellt Streudiagramme bereit und durch Auswahl der Optionen (rotes Dreieck) können Sie Farbkarten erhalten. Wenn Sie viele haben, können Sie natürlich VIFs erhalten, indem Sie mit der rechten Maustaste in die Ausgabetabelle der Parameterschätzungen klicken und >Spalten>VIFs hinzufügen.
Betreff: Benutzerdefiniertes DoE-Screening-Design" Wenn ich nur wissen wollte, welche Haupteffekte für meine Antworten von Bedeutung sind, und das benutzerdefinierte Haupteffekt-Screening-Design mit den von JMP vorgegebenen Standarddurchlaufnummern verwenden wollte, wie kann ich dann sicher sein, ob es sich um den Haupteffekt oder eine andere verwirrende wechselseitige Interaktion handelt? ist das wirklich bedeutsam? "
Tragen Sie die Haupteffekte in die Begriffsliste unter Modell ein. Stellen Sie sicher, dass alle bidirektionalen Interaktionen in der Begriffsliste unter „Alias“ aufgeführt sind. Klicken Sie oben auf das rote Dreieck und wählen Sie Optimalitätskriterium > Alias-Optimierungsdesign erstellen.
" Wenn die Modellanalyse zeigt, dass Faktor A signifikant ist, A jedoch teilweise mit B*C korreliert, welche Faktoren sollten später in den Optimierungsentwurf einbezogen werden? Ich gehe davon aus, dass nur die Haupteffekte, die signifikant sind, wie z. B. Faktor A, für das Optimierungsdesign im Anschluss an das Haupteffekt-Screening-Design weiter untersucht werden sollten, aber B und C fehlen, wenn B*C teilweise mit Faktor A korreliert, B und C jedoch nicht signifikant sind Haupteffekte des Screening DoE? "
Wenn Sie den Verdacht haben, dass Begriffe höherer Ordnung möglicherweise aktiv sind, empfehle ich zwei Möglichkeiten. Fügen Sie zunächst alle potenziellen Begriffe zur Modellliste hinzu. Wählen Sie diese Begriffe aus und klicken Sie in der Spalte „Schätzbarkeit“ auf „Erforderlich“ und wählen Sie dann „Wenn möglich“ aus. Diese Änderung wird zu zwei Ergebnissen führen. Das erste Ergebnis ist, dass die Mindestanzahl der Läufe abnimmt, da sie durch die Anzahl der zu schätzenden Parameter bestimmt wird. (Sie müssen die Anzahl der tatsächlich aktiven Begriffe schätzen und deren Mindestanzahl Läufe hinzufügen.) Die andere Möglichkeit besteht darin, ein Screening-Design wie das Definitive Screening Design zu verwenden. Dieser Weg wird funktionieren, solange es sich um eine echte Screening-Situation handelt, in der die wichtigsten Screening-Grundsätze gelten. Wie viele Faktoren haben Sie? Wie viele werden voraussichtlich aktiv sein?
Die Antwort auf Ihre zweite Frage weiß ich auf den ersten Blick nicht. Vielleicht hat jemand anderes dieses Wissen.
