Fit Models (Réponses comparées à la référence, Mélange)Bonjour à tous,
J'ai commencé à utiliser jmp récemment pour apprendre à planifier des expériences. Jusqu'à présent, j'ai fait quelques essais, mais j'ai des problèmes avec toutes les différentes options et dispositions de données lors de la création de modèles. Je partage quelques données pour vous montrer où je suis bloqué :
Expérience 1 :
3 facteurs (composant du mélange 1, composant du mélange 2, facteur continu 1), 9 expériences
3 réponses (seulement 2 dans la fiche technique ; objectif : maximiser)
Mes premières questions portent sur les réponses :
Les réponses sont mesurées comme la différence avec les valeurs avant l'expérience (également une moyenne de plusieurs mesures) et je ne sais pas comment ajouter cette information aux données pour construire le modèle (dans la feuille, je viens de soustraire la moyenne pour que quelque chose commence avec).
Je ne sais pas non plus si je dois ajouter le numéro d'expérience au modèle. Faut-il supposer que les données proviennent d'expériences différentes si ce n'est pas le cas ?
L'autre partie sur laquelle je me demande est de savoir comment traiter les composants du mélange dans le modèle. Dans cet exemple particulier, je n'ai que 2 composants, est-il donc nécessaire de l'adapter comme modèle de mélange ?. Le composant de mélange 1 ne semble pas affecter la réponse, mais il ne semble pas correct de supprimer un facteur de mélange d'un modèle.
J'espère que vous pourrez m'aider avec ça. J'ai ajouté les données et quelques tracés que j'ai faits.
Je n'ai utilisé que les outils interactifs jusqu'à présent.
Anne
Tableau de donnéesRe: Fit Models (Réponses comparées à la référence, Mélange)J'ai quelques réflexions, mais je ne sais pas exactement ce que vous demandez :
1. Il semble que vous ayez 9 combinaisons de traitements, ce qui est une factorielle fractionnaire du plan 3^3, mais je ne sais pas comment vous avez choisi les traitements que vous avez faits ? En règle générale, lors de la conception d'une expérience, vous commencerez par une idée du modèle que vous souhaitez étudier. Ceci est généralement dérivé des hypothèses que vous avez concernant les facteurs qui affectent les variables de réponse. Je ne sais pas quel modèle vous étudiez, mais le design que vous avez choisi pour 9 traitements aurait pu être mieux choisi. Vous avez confondu ou partiellement aliasé des termes dans votre expérience.
2. Vous disposez de plusieurs mesures pour chaque traitement. Je ne sais pas s'il s'agit de mesures répétées ou de répétitions car il n'y a pas d'ordre d'exécution dans votre table de données. Même ainsi, un traitement a 6 réponses, les autres en ont 10.
3. Si vous souhaitez que le delta passe d'avant les traitements à après, ajoutez simplement une colonne pour qui contient les mesures avant, puis créez une colonne qui est une formule qui calcule le delta.
4. Vous utilisez le terme composant « mélange » ? Y a-t-il des contraintes ? Il existe plusieurs écoles de pensée concernant les conceptions de mélanges (je vous suggère de lire Cornell "Expériences avec des mélanges".) Par exemple, y a-t-il d'autres composants du traitement qui ne font pas partie du « lot de mélange », comme la vitesse d'agitation ou la température ? Vous voudrez peut-être également étudier ces facteurs. Parfois, vous pouvez commencer avec des ratios de composants. Les plans de mélange sont un cas particulier d'expérimentation. C'est parce que les changements dans les niveaux d'un facteur de mélange nécessitent des changements dans les niveaux pour les autres composants du mélange (généralement les composants doivent atteindre 1). , par conséquent, certaines des propriétés orthogonales de l'expérience sont compromises. Je considère généralement les conceptions de mélanges comme des expériences de type optimisation. En règle générale, cela signifie que vous avez déjà défini le modèle du premier ordre et que vous comprenez parfaitement les effets du bruit. Vous analyserez les surfaces de réponse pour déterminer où travailler le mieux. Mais cela ne sert à rien si la surface est la base de la montagne que vous essayez de gravir.
Peut-être commencer ici :
https://www.jmp.com/en_us/events/mastering/topics/mixture-designs.html
5. Non, vous ne devez pas ajouter de numéro d'expérience au modèle. Il serait conseillé de garder une trace de l'ordre d'exécution car nous trierons souvent dans l'ordre d'exécution lors de l'évaluation des résidus du modèle.
Enfin, je vous suggère de commencer par une compréhension de base de l'expérimentation. JMP propose des options en ligne pour en savoir plus sur l'expérimentation :
https://www.jmp.com/en_us/online-statistics-course/design-of-experiments.html
Re: Fit Models (Réponses comparées à la référence, Mélange)Merci pour votre réponse! Je vais essayer d'être plus clair.
1. J'ai utilisé la conception personnalisée dans jmp, mais lorsque je l'ai fait, je n'ai supposé que 2 facteurs continus : la quantité relative du composant de mélange 2 et le facteur continu. Ce n'est que plus tard, quand j'ai voulu faire varier un troisième facteur, que j'ai réalisé que cela devait être décrit comme un mélange, pour obtenir des combinaisons réalistes. C'est pourquoi je me suis demandé s'il fallait le traiter comme un mélange.
Quoi qu'il en soit, mes entrées de conception sont attachées à l'image de conception. Donc 2 facteurs, interaction et termes quadratiques. J'ai choisi 9 expériences car tous les termes n'étaient pas aliasés avec cette approche.
2. Les réponses sont des mesures répétées, donc les réponses ont été mesurées sur 10 ou 6 échantillons (réponse 1) et 3 échantillons (réponse 2), qui est un échantillon aléatoire de chaque expérience. Et ma question est de savoir comment puis-je transférer ces informations lors de l'ajustement d'un modèle ? C'est un peu moche que le nombre de mesures ne soit pas le même pour chaque expérience, mais cela pourrait être corrigé (mais en réalité je fais souvent face à des points de données manquants).
3. J'ai des données d'avant les expériences, mais ce ne sont pas les mêmes échantillons que ceux mesurés après les expériences. De plus, il n'y a pas toujours le même nombre d'échantillons mesurés avant et après. Pour la visualisation des données, je calculerais les différences entre les moyennes et l'intervalle de confiance, mais je ne sais pas comment intégrer ces informations dans le modèle. Dans le tableau, j'ai calculé delta en soustrayant la moyenne de la référence des réponses mesurées, mais cela ignore l'incertitude des données de référence.
4. Il n'y a pas de contraintes pour les 2 composants du mélange, en fait il y a 3 composants, mais le 3ème est constant dans ce cas (composant du mélange 3/ (composant du mélange 1 + composant du mélange 2) = const). Merci pour les références, je vais lire cela et essayer de comprendre ce qui peut être appliqué dans ce cas. Et oui, il y a aussi des facteurs incontrôlés dans cette expérience. De toute évidence, ils sont considérés comme n'affectant pas le résultat, mais il n'y a pas de données systématiques pour cela, donc honnêtement, je ne sais pas (difficile de dire si cela vaut la peine de les étudier, il faut étudier davantage à ce sujet).
5. Cette question était liée à la façon d'attribuer les réponses à 1 expérience et de ne pas la traiter comme plusieurs expériences répétées.
Merci pour votre temps déjà!
Anne
