回复：Doe 將數據添加到現有的 doe 運行這就是我的建議……創建第二個 JMP 數據表，它是合併的原始設計和附加運行。 您如何做到這一點的範圍可以從手動輸入額外的運行......或進行數據表連接。 然後在分析之前，我建議運行比較設計平台，看看更大的設計與原始設計相比如何。 這是比較設計平台的鏈接。
比較設計
特別注意效果可估計性的設計診斷。 如果附加點以負面方式發生重大變化，即您估計效果的能力，如果效果可估計性對您非常重要，您將不得不就這種合併的可取性做出決定。 JMP 定制設計平台的一個非常理想的特性是設計是模型驅動的……因此該設計將最佳地支持估計您所表達的效果。 通過在實驗中添加額外的治療組合，您可能會無意中對估計效果的能力產生負面影響。
回复：Doe 將數據添加到現有的 doe 運行彼得，嗨！ 謝謝你的解釋。 我的同事還想在設計空間的某些特定點添加一些額外的運行。 我不明白，你為什麼要這樣做？ 這種方法背後的合理性是什麼？ 是否有用於此的特定術語（可以幫助我找到一些參考資料）？ 謝謝你和問候。
回复：Doe 將數據添加到現有的 doe 運行你好@阿齊扎,
@P_Bartell建議並行運行兩個設計（原始設計和加分設計），以驗證和計算原始模型中找到的參數估計與加分設計中的參數估計足夠相似，和/或您不要錯過任何其他條款/效果，和/或您沒有不適合新點可能增加的額外自由度。
請注意，根據添加的新值（和噪聲），它可能會更改模型中的項。 您可能需要：
- 在您的第二個模型中添加新項（如果之前在 DoE 中沒有足夠的點來估計/檢測它們或者它們不夠重要），
- 刪除第二個模型中的現有項（因為與之前在 DOE 中進行的實驗相比，新點顯示出相反/相反的行為，因此效果不再顯著），
- 只需保持與以前相同的術語，參數估計精度可能會提高（取決於實驗方差）。
一個“其他”選項（可能在模型比較之前做）也可能是使用新添加的點（不是來自原始設計）作為驗證點（在機器學習中驗證集的傳統中）。 通過這種方式，您可以檢查基於 DoE 創建的模型是否足夠準確，並且可以通過可視化殘差和比較您的性能指標（R²、R² 調整、RMSE 等）推廣到新實驗，具體取決於您的目標）模型中的點（訓練集）和新添加的點（驗證集）之間。
根據您在訓練集和驗證集上發現的模型結果之間的差異，您可能需要更精確地探索模型並使用模型比較方法，以發現和理解添加新點的差異和後果。
希望這對你有幫助:)
回复：Doe 將數據添加到現有的 doe 運行我將針對您的問題提供一些想法：
1.“這種方法背後的理性（原文如此）是什麼？” 我認為你的意思是“理性”？ 所以這是我的想法。 讓我們從在進行實驗之前添加運行的角度出發。 有人可能會說這樣的話來合理化這一點，好吧，最佳設計不包括我們絕對需要經驗結果的治療組合，因此讓我們將它們添加到設計中，而不是對這些組合進行第二次實驗。 主要是方便和實用的問題。 此類事情的另一個例子是在原始實驗中添加我們所謂的“檢查”。 對我們來說，“檢查”是一種治療組合，我們非常清楚反應會是什麼，我們使用“檢查”作為一種手段來讓自己放心，沒有一些大的噪音或滋擾因素影響結果的平衡。 我們從未在分析中包含“檢查”。 重要的警告是，最佳的 DOE 方法是模型驅動的，添加任意組合併在分析中包括這些組合可能會無意中使從原始設計中尋求的分析中獲取信息變得更加困難。
2. 如果在進行原始實驗後將處理組合添加到原始設計中，這就是許多人所說的“增強”原始設計。 這背後的基本原理通常很簡單……原始設計的分析並沒有使我們能夠解決手頭的實際問題……但我們認為我們走在正確的軌道上……並添加深思熟慮的（使用最優的 DOE 策略和策略）運行到原始設計將使我們更接近手頭問題的解決方案。 示例可能是……我們需要估計我們原始設計中無法估計的交互作用或二次效應。 這在 JMP 中使用 Augment Design 平台很容易實現。 以下是 JMP 在線文檔部分的鏈接，該部分描述了 JMP 中的擴充設計策略和策略以及“操作方法”，包括一個示例： JMP 中的擴充設計
最後，作為參考和示例，我建議使用 Joos 和 Jones 的第 3 章“Optimal Design of Experiments A Case Study Approach”。
希望這可以幫助？
回复：Doe 將數據添加到現有的 doe 運行非常感謝您，Peter 非常有見地且清晰地提出了答案。 我現在明白多了。 我還將充分利用您提到的參考資料。 我感謝您的支持。 真摯地。
回复：Doe 將數據添加到現有的 doe 運行我會將我的想法添加到已經提到的優秀建議中：
“稍後”添加相同治療組合的額外重複會給研究增加額外的噪音。 您應該注意如何分析額外的運行。 由於您（和/或您的同事）似乎是在“選擇性地”選擇要復制的治療方法，因此請注意這種偏差。 （參見關於隨機完整（和不完整，BIB）塊設計的論文），例如：
桑德斯，D.， Leitnaker M. 和 McLean R. (2002)“工業研究中的隨機完整區組設計”質量工程，卷。 14，第1期
通過在不斷變化的噪聲上運行複制來增加推理空間可能非常有利。 如果這是系統地/有目的地完成的，您可能會更深入地了解工作機制（哪些因素會產生影響），以及這些因素的影響是否對不斷變化的條件（噪音）具有魯棒性。 如果這是隨機完成的，您會增加推理空間，但會對設計的精度產生負面影響。
回复：Doe 將數據添加到現有的 doe 運行非常感謝您的意見。 我會考慮它並查看參考資料。 感謝您的時間和支持。
Doe 將數據添加到現有的 doe runs你好，
我設計並運行了自定義母鹿。此外，我還得到了具有相同參數的結果，我也想將這些結果放入擬合分析中。有什麼選擇嗎？
謝謝
實驗設計共享和交流結果
