回复：Doe 将数据添加到现有的 doe 运行这就是我的建议...创建第二个 JMP 数据表，它是合并的原始设计和附加运行。 您如何做到这一点的范围可以从手动输入额外的运行......或进行数据表连接。 然后在分析之前，我建议运行比较设计平台，看看更大的设计与原始设计相比如何。 这是比较设计平台的链接。
比较设计
特别注意效果可估计性的设计诊断。 如果附加点以负面方式发生重大变化，即您估计效果的能力，如果效果可估计性对您非常重要，您将不得不就这种合并的可取性做出决定。 JMP 定制设计平台的一个非常理想的特性是设计是模型驱动的……因此该设计将最佳地支持估计您所表达的效果。 通过在实验中添加额外的治疗组合，您可能会无意中对估计效果的能力产生负面影响。
回复：Doe 将数据添加到现有的 doe 运行彼得，嗨！ 谢谢你的解释。 我的同事还想在设计空间的某些特定点添加一些额外的运行。 我不明白，你为什么要这样做？ 这种方法背后的合理性是什么？ 是否有用于此的特定术语（可以帮助我找到一些参考资料）？ 谢谢你和问候。
回复：Doe 将数据添加到现有的 doe 运行你好@阿齐扎,
@P_Bartell建议并行运行两个设计（原始设计和加分设计），以验证和计算原始模型中找到的参数估计与加分设计中的参数估计足够相似，和/或您不要错过任何其他条款/效果，和/或您没有不适合新点可能增加的额外自由度。
请注意，根据添加的新值（和噪声），它可能会更改模型中的项。 您可能需要：
- 在您的第二个模型中添加新项（如果之前在 DoE 中没有足够的点来估计/检测它们或者它们不够重要），
- 删除第二个模型中的现有项（因为与之前在 DOE 中进行的实验相比，新点显示出相反/相反的行为，因此效果不再显着），
- 只需保持与以前相同的术语，参数估计精度可能会提高（取决于实验方差）。
一个“其他”选项（可能在模型比较之前做）也可能是使用新添加的点（不是来自原始设计）作为验证点（在机器学习中验证集的传统中）。 通过这种方式，您可以检查基于 DoE 创建的模型是否足够准确，并且可以通过可视化残差和比较您的性能指标（R²、R² 调整、RMSE 等）推广到新实验，具体取决于您的目标）模型中的点（训练集）和新添加的点（验证集）之间。
根据您在训练集和验证集上发现的模型结果之间的差异，您可能需要更精确地探索模型并使用模型比较方法，以发现和理解添加新点的差异和后果。
希望这对你有帮助:)
回复：Doe 将数据添加到现有的 doe 运行我将针对您的问题提供一些想法：
1.“这种方法背后的理性（原文如此）是什么？” 我认为你的意思是“理性”？ 所以这是我的想法。 让我们从在进行实验之前添加运行的角度出发。 有人可能会说这样的话来合理化这一点，好吧，最佳设计不包括我们绝对需要经验结果的治疗组合，因此让我们将它们添加到设计中，而不是对这些组合进行第二次实验。 主要是方便和实用的问题。 此类事情的另一个例子是在原始实验中添加我们所谓的“检查”。 对我们来说，“检查”是一种治疗组合，我们非常清楚反应会是什么，我们使用“检查”作为一种手段来让自己放心，没有一些大的噪音或滋扰因素影响结果的平衡。 我们从未在分析中包含“检查”。 重要的警告是，最佳的 DOE 方法是模型驱动的，添加任意组合并在分析中包括这些组合可能会无意中使从原始设计中寻求的分析中获取信息变得更加困难。
2. 如果在进行原始实验后将处理组合添加到原始设计中，这就是许多人所说的“增强”原始设计。 这背后的基本原理通常很简单……原始设计的分析并没有使我们能够解决手头的实际问题……但我们认为我们走在正确的轨道上……并添加深思熟虑的（使用最优的 DOE 策略和策略）运行到原始设计将使我们更接近手头问题的解决方案。 示例可能是……我们需要估计我们原始设计中无法估计的交互作用或二次效应。 这在 JMP 中使用 Augment Design 平台很容易实现。 以下是 JMP 在线文档部分的链接，该部分描述了 JMP 中的扩充设计策略和策略以及“操作方法”，包括一个示例： JMP 中的扩充设计
最后，作为参考和示例，我建议使用 Joos 和 Jones 的第 3 章“Optimal Design of Experiments A Case Study Approach”。
希望这可以帮助？
回复：Doe 将数据添加到现有的 doe 运行非常感谢您，Peter 非常有见地且清晰地提出了答案。 我现在明白多了。 我还将充分利用您提到的参考资料。 我感谢您的支持。 真挚地。
回复：Doe 将数据添加到现有的 doe 运行我会将我的想法添加到已经提到的优秀建议中：
“稍后”添加相同治疗组合的额外重复会给研究增加额外的噪音。 您应该注意如何分析额外的运行。 由于您（和/或您的同事）似乎是在“选择性地”选择要复制的治疗方法，因此请注意这种偏差。 （参见关于随机完整（和不完整，BIB）块设计的论文），例如：
桑德斯，D.， Leitnaker M. 和 McLean R.（2002 年）“工业研究中的随机完整区组设计”质量工程，卷。 14，第1期
通过在不断变化的噪声上运行复制来增加推理空间可能非常有利。 如果这是系统地/有目的地完成的，您可能会更深入地了解工作机制（哪些因素会产生影响），以及这些因素的影响是否对不断变化的条件（噪音）具有鲁棒性。 如果这是随机完成的，您会增加推理空间，但会对设计的精度产生负面影响。
回复：Doe 将数据添加到现有的 doe 运行非常感谢您的意见。 我会考虑它并查看参考资料。 感谢您的时间和支持。
Doe 将数据添加到现有的 doe runs你好，
我设计并运行了自定义母鹿。此外，我还得到了具有相同参数的结果，我也想将这些结果放入拟合分析中。有什么选择吗？
谢谢
实验设计共享和交流结果
