Modelos de ajuste (respuestas comparadas con la referencia, mezcla)Hola a todos,
Hace poco comencé a usar jmp para aprender a planificar experimentos. Hasta ahora hice algunas pruebas, pero tengo problemas con todas las diferentes opciones y disposiciones de datos al crear modelos. Comparto algunos datos para mostrarles dónde me quedé atascado:
Experimento 1:
3 factores (componente de mezcla 1, componente de mezcla 2, factor continuo 1), 9 experimentos
3 respuestas (solo 2 en la hoja de datos; objetivo: maximizar)
Mis primeras preguntas son sobre las respuestas:
Las respuestas se miden como la diferencia con los valores antes del experimento (también una media de varias mediciones) y no sé cómo agregar esta información a los datos para construir el modelo (en la hoja simplemente resté la media para tener algo con qué comenzar).
Tampoco estoy seguro de si necesito agregar el número de experimento al modelo. ¿Se supone que los datos provienen de diferentes experimentos si no lo hago?
La otra parte que me pregunto es cómo manejar los componentes de mezcla en el modelo. En ese ejemplo en particular, solo tengo 2 componentes, entonces, ¿es necesario ajustarlo como modelo de mezcla? El componente 1 de la mezcla no parece afectar la respuesta, pero no parece correcto eliminar un factor de mezcla de un modelo.
Espero que me puedan ayudar con eso. Agregué los datos y algunos gráficos que hice.
Hasta ahora sólo he utilizado las herramientas interactivas.
Ana
Exploración y visualización de datosDiseño de experimentosPersonalización masivaRe: Modelos ajustados (Respuestas comparadas con la referencia, Mezcla)Pido disculpas si de alguna manera te he confundido, y tal vez he malinterpretado tu situación. En la respuesta que das, hay una dicotomía. Usted dice que el total debe sumar 100 y, por lo tanto, cuando tiene x% del componente 1, debe tener 100-x% para el componente 2. Este ES un problema de mezcla, pero luego dice que no hay restricciones " (pero sin restricciones para los límites superior e inferior)" ...existen. No puede cambiar independientemente el x% del componente 1 sin afectar el % del componente 2. Esa es una restricción.
Re: Modelos ajustados (Respuestas comparadas con la referencia, Mezcla)Gracias por las explicaciones.
Tal vez haya un error en mi lógica porque todavía no entiendo esa definición de mezcla. Tengo 2 componentes que agregué en una serie de experimentos en diferentes proporciones, podría describir eso como la cantidad relativa de uno de esos componentes (ese fue mi primer razonamiento). Luego vi algunos ejemplos que aplicaron mezclas en sus modelos, así que pensé que eso también se aplica a mi experimento, porque si tengo x% de un componente, necesito tener 100-x% del otro componente (pero sin restricciones para el límites superior e inferior). Entonces eso sería una mezcla desde mi entendimiento. Estoy bastante confundido ahora, no estoy seguro de haberlo explicado bien.
Re: Modelos ajustados (Respuestas comparadas con la referencia, Mezcla)Mis pensamientos de seguimiento:
1. Desafortunadamente, el tercer factor que agregó no se agregó a la matriz de forma ortogonal y, por lo tanto, terminó con efectos principales confusos en su publicación inicial.
No estoy seguro de entender su lógica acerca de por qué debe considerarse una mezcla... Una vez más, las mezclas son un caso especial de experimentación en el que existen restricciones en el establecimiento de niveles. Usted sugiere que no hay restricciones, por lo que no tiene un problema de mezcla. Tal vez un problema factorial.
2. Las medidas repetidas son una excelente estrategia para tratar la variabilidad dentro del tratamiento (ruido a corto plazo). Sin embargo, es posible que no se analicen como si fueran respuestas independientes (no agregan DF). Ciertamente puede graficar las medidas repetidas para cada tratamiento y evaluar su consistencia, luego resumir las medidas repetidas para calcular el adecuado estadísticas enumerativas (p. ej., media, desviación estándar, mediana). Siempre desea ver esos datos para ver si hay puntos de datos inusuales antes de resumirlos. Si tiene las medidas repetidas en columnas separadas en JMP, apile esas columnas, use el generador de gráficos o diagramas de variabilidad para graficar los datos de tratamiento. Luego use Tablas>Resumen para calcular las estadísticas apropiadas para cada tratamiento.
3. Dado que no tiene comparaciones uno a uno, puede estar bien usar alguna estadística de resumen antes y valores reales después. Agregue una columna en JMP para las estadísticas anteriores (una columna para cada respuesta) y luego cree una columna de fórmula que reste la respuesta posterior de las columnas de respuesta anterior.
4. Esperas que el ruido no tenga efecto, pero ¿lo has estudiado y cuantificado? De lo contrario, su espacio de inferencia será limitado y sus modelos también tendrán una capacidad predictiva limitada.
Realmente ayuda agregar la tabla de datos JMP en lugar de capturas de pantalla.
Re: Modelos ajustados (Respuestas comparadas con la referencia, Mezcla)¡Gracias por su respuesta! Intentaré dejarlo más claro.
1. He usado el diseño personalizado en jmp, pero cuando lo hice asumí solo 2 factores continuos: la cantidad relativa del componente de mezcla 2 y el factor continuo. Solo más tarde, cuando quise variar un tercer factor, me di cuenta de que esto debe describirse como una mezcla, para obtener combinaciones realistas. Es por eso que me preguntaba si necesita ser tratado como una mezcla.
De todos modos, mis entradas de diseño se adjuntan en la imagen de diseño. Así que 2 factores, interacción y términos cuadráticos. Elegí 9 experimentos porque todos los términos no tenían alias con ese enfoque.
2. Las respuestas son medidas repetidas, por lo que las respuestas se midieron en 10 o 6 muestras (respuesta 1) y 3 muestras (respuesta 2), que es una muestra aleatoria de cada experimento. Y mi pregunta es ¿cómo puedo transferir esa información, al ajustar un modelo? Es un poco feo que el número de mediciones no sea el mismo para cada experimento, pero esto podría arreglarse (pero en realidad trato a menudo con puntos de datos faltantes).
3. Tengo datos de antes de los experimentos, pero esas no son las mismas muestras que las medidas después de los experimentos. Además, no siempre hay el mismo número de muestras medidas antes y después. Para la visualización de datos, calcularía las diferencias de las medias y el intervalo de confianza, pero no sé cómo incluir esa información en el modelo. En la tabla calculé delta restando la media de la referencia de las respuestas medidas, pero eso ignora la incertidumbre de los datos de referencia.
4. No hay restricciones para los 2 componentes de la mezcla, en realidad hay 3 componentes, pero el tercero es constante en ese caso (componente de la mezcla 3/ (componente de la mezcla 1 + componente de la mezcla 2) = const). Gracias por las referencias, leeré eso y trataré de entender qué se puede aplicar en este caso. Y sí, también hay factores descontrolados en ese experimento. Obviamente, se considera que no afectan el resultado, pero no hay datos sistemáticos para eso, así que, sinceramente, no lo sé (es difícil decir si vale la pena investigarlos, necesito estudiar más sobre esto).
5. Esa pregunta estaba relacionada con cómo asignar las respuestas a 1 experimento y no tratarlo como varios experimentos repetidos.
Gracias por su tiempo ya!
ana
Re: Modelos ajustados (Respuestas comparadas con la referencia, Mezcla)Tengo algunas ideas, pero no estoy seguro exactamente de lo que estás preguntando:
1. Parece que tiene 9 combinaciones de tratamientos, que es un factorial fraccionado del diseño 3^3, pero no estoy seguro de cómo eligió los tratamientos que hizo. Por lo general, al diseñar un experimento, comenzará con una idea del modelo que desea investigar. Esto generalmente se deriva de las hipótesis que tiene con respecto a qué factores afectan las variables de respuesta. No sé qué modelo estás investigando, pero se podría haber elegido mejor el diseño que elegiste para 9 tratamientos. Tiene términos confundidos o parcialmente alias en su experimento.
2. Dispones de múltiples medidas para cada tratamiento. No sé si se trata de medidas repetidas o réplicas, ya que no hay un orden de ejecución en su tabla de datos. Aun así, un tratamiento tiene 6 respuestas, los otros tienen 10.
3. Si desea que el delta cambie de tratamientos anteriores a posteriores, simplemente agregue una columna que contenga las medidas anteriores y luego cree una columna que sea una fórmula que calcule el delta.
4. ¿Utiliza el término componente "mezcla"? ¿Hay alguna restricción? Existen múltiples escuelas de pensamiento con respecto a los diseños de mezclas (le sugiero que lea "Experimentos con mezclas" de Cornell). Por ejemplo, ¿hay otros componentes del procesamiento que no formen parte del "lote de mezcla", como la velocidad de agitación o la temperatura? Es posible que desee investigar estos factores también. Algunas veces puede comenzar con proporciones de componentes. Los diseños de mezclas son un caso especial de experimentación. Esto se debe a que los cambios en los niveles de un factor de mezcla requieren cambios en los niveles de los otros componentes de la mezcla (por lo general, los componentes deben ser algunos de 1). , por lo tanto, algunas de las propiedades ortogonales del experimento están comprometidas. Por lo general, pienso en los diseños de mezclas como experimentos de optimización. Por lo general, esto significa que ya ha definido el modelo de primer orden y comprende completamente los efectos del ruido. Analizará las superficies de respuesta para determinar cuál es la mejor área para trabajar. Pero no sirve de nada si la superficie es la base de la montaña que intenta escalar.
Tal vez comience aquí:
https://www.jmp.com/en_us/events/mastering/topics/mixture-designs.html
5. No, no debe agregar el número de experimento al modelo. Se recomienda realizar un seguimiento del orden de ejecución, ya que a menudo ordenaremos en orden de ejecución al evaluar los residuos del modelo.
Por último, le sugiero que comience con una comprensión básica de la experimentación. JMP ofrece algunas opciones en línea para aprender sobre experimentación:
https://www.jmp.com/en_us/online-statistics-course/design-of-experiments.html
