Modelli di adattamento (risposte rispetto al riferimento, miscela)Ciao a tutti,
Ho iniziato a usare jmp di recente per imparare a pianificare esperimenti. Finora ho fatto qualche prova, ma ho problemi con tutte le diverse opzioni e disposizioni dei dati quando costruisco modelli. Condivido alcuni dati per mostrarti dove mi sono bloccato:
Esperimento 1:
3 fattori (componente miscela 1, componente miscela 2, fattore continuo 1), 9 esperimenti
3 risposte (solo 2 nella scheda tecnica; obiettivo: massimizzare)
Le mie prime domande riguardano le risposte:
Le risposte vengono misurate come differenza rispetto ai valori precedenti all'esperimento (anche come media di diverse misurazioni) e non so come aggiungere queste informazioni ai dati per costruire il modello (nel foglio ho semplicemente sottratto la media per avere qualcosa da cui partire).
Non sono nemmeno sicuro se devo aggiungere il numero dell'esperimento al modello. Si presume che i dati provengano da esperimenti diversi se non lo faccio?
L'altra parte su cui mi sto interrogando è come gestire i componenti della miscela nel modello. In quell'esempio particolare ho solo 2 componenti, quindi è necessario adattarlo come modello di miscela?. Il componente della miscela 1 non sembra influenzare la risposta, ma non sembra corretto rimuovere un fattore di miscela da un modello.
Spero che tu possa aiutarmi. Ho aggiunto i dati e alcuni grafici che ho fatto.
Finora ho utilizzato solo gli strumenti interattivi.
Anna
Esplorazione e visualizzazione dei datiProgettazione degli esperimentiPersonalizzazione di massaRe: Fit Models (risposte rispetto al riferimento, miscela)Mi scuso se in qualche modo ti ho confuso e forse ho interpretato male la tua situazione. Nella risposta che fornisci, c'è una dicotomia. Dici che il totale deve sommarsi a 100 e quindi quando hai x% del componente 1 devi avere 100-x% per il componente 2. Questo È un problema di miscela, ma poi dici che non ci sono vincoli " (ma nessun vincolo per i limiti superiore e inferiore)" ...ci sono. Non puoi modificare indipendentemente x% del componente 1 senza influire sulla % del componente 2. Questo è un vincolo.
Re: Fit Models (risposte rispetto al riferimento, miscela)Grazie per le spiegazioni.
Forse c'è un errore nella mia logica perché non ottengo ancora quella definizione della miscela. Ho 2 componenti che ho aggiunto in una serie di esperimenti in rapporti diversi, potrei descriverlo come la quantità relativa di uno di quei componenti (questo è stato il mio primo ragionamento). Poi ho visto alcuni esempi che applicavano miscele nei loro modelli, quindi ho pensato che valesse anche per il mio esperimento, perché se ho x% di un componente devo avere il 100-x% dell'altro componente (ma nessun vincolo per il limite superiore e inferiore). Quindi sarebbe una miscela dalla mia comprensione. Ora sono abbastanza confuso, non sono sicuro di averlo spiegato bene.
Re: Fit Models (risposte rispetto al riferimento, miscela)I miei pensieri successivi:
1. Sfortunatamente il 3° fattore che hai aggiunto non è stato aggiunto alla matrice ortogonalmente e quindi hai finito con gli effetti principali confusi nel tuo post iniziale.
Non sono sicuro di aver capito la tua logica sul perché deve essere considerata una miscela ... Anche in questo caso le miscele sono un caso speciale di sperimentazione in cui ci sono vincoli sull'impostazione del livello. Suggerisci che non ci sono vincoli, quindi non hai problemi di miscela. Forse un problema fattoriale.
2. Le misure ripetute sono un'eccellente strategia per affrontare la variabilità del trattamento (rumore a breve termine). Tuttavia, potrebbero non essere analizzati come se fossero risposte indipendenti (non aggiungono DF). Puoi certamente rappresentare graficamente le misure ripetute per ogni trattamento e valutarne la coerenza, quindi riassumere le misure ripetute per calcolare il adeguata statistiche enumerative (p. es., media, deviazione standard, mediana). Vuoi sempre guardare quei dati per vedere se ci sono punti dati insoliti prima di riassumere quei dati. Se si dispone delle misure ripetute in colonne separate in JMP, impilare tali colonne, utilizzare il generatore di grafici o i grafici di variabilità per rappresentare graficamente i dati all'interno del trattamento. Quindi utilizzare Tabelle>Riepilogo per calcolare le statistiche appropriate per ciascun trattamento.
3. Dal momento che non si hanno confronti uno a uno, l'utilizzo di alcune statistiche di riepilogo prima e dei valori effettivi dopo potrebbe essere OK. Aggiungere una colonna in JMP per le statistiche prima (una colonna per ogni risposta) e quindi creare una colonna formula che sottrae la risposta dopo dalle colonne della risposta prima.
4. Speri che il rumore non abbia effetto, ma l'hai studiato e quantificato? In caso contrario, il tuo spazio di inferenza sarà limitato e anche i tuoi modelli saranno limitati nella loro capacità predittiva.
Aiuta davvero ad aggiungere la tabella dei dati JMP invece delle schermate.
Re: Fit Models (risposte rispetto al riferimento, miscela)Grazie per la vostra risposta! Proverò a renderlo più chiaro.
1. Ho usato il design personalizzato in jmp, ma quando l'ho fatto ho assunto solo 2 fattori continui: la quantità relativa del componente di miscelazione 2 e il fattore continuo. Solo più tardi, quando ho voluto variare un terzo fattore, mi sono reso conto che questo deve essere descritto come un impasto, per ottenere combinazioni realistiche. Per questo mi chiedevo se fosse da trattare come una miscela.
Ad ogni modo i miei input di progettazione sono allegati nell'immagine di progettazione. Quindi 2 fattori, interazione e termini quadratici. Scelgo 9 esperimenti perché tutti i termini non erano alias con quell'approccio.
2. Le risposte sono misure ripetute, quindi le risposte sono state misurate su 10 o 6 campioni (risposta 1) e 3 campioni (risposta 2), che è un campione casuale di ciascun esperimento. E la mia domanda è: come posso trasferire queste informazioni, durante l'adattamento di un modello? È un po' brutto che il numero di misurazioni non sia lo stesso per ogni esperimento, ma questo potrebbe essere risolto (ma in realtà mi occupo spesso di punti dati mancanti).
3. Ho i dati di prima degli esperimenti, ma quelli non sono gli stessi campioni di quelli misurati dopo gli esperimenti. Inoltre, non c'è sempre lo stesso numero di campioni misurati prima e dopo. Per la visualizzazione dei dati calcolerei le differenze delle medie e l'intervallo di confidenza, ma non so come ottenere tali informazioni nel modello. Nella tabella ho calcolato il delta sottraendo la media del riferimento dalle risposte misurate, ma ciò ignora l'incertezza dei dati di riferimento.
4. Non ci sono vincoli per i 2 componenti della miscela, in realtà ci sono 3 componenti, ma in questo caso il 3° è costante (componente della miscela 3/ (componente della miscela 1 + componente della miscela 2) = const). Grazie per i riferimenti, leggerò e cercherò di capire cosa può essere applicato in questo caso. E sì, ci sono anche fattori incontrollati in quell'esperimento. Ovviamente si ritiene che non influiscano sul risultato, ma non ci sono dati sistematici per questo, quindi onestamente non lo so (difficile dire se valga la pena indagare su questi, è necessario approfondire questo aspetto).
5. Quella domanda era correlata a come assegnare le risposte a 1 esperimento e non trattarlo come diversi esperimenti ripetuti.
Grazie per il tuo tempo già!
Anna
Re: Fit Models (risposte rispetto al riferimento, miscela)Ho alcune idee, ma non sono sicuro di cosa stai chiedendo esattamente:
1. Sembra che tu abbia 9 combinazioni di trattamenti che è un fattoriale frazionario del design 3^3, ma non sono sicuro di come hai scelto i trattamenti che hai fatto? In genere, durante la progettazione di un esperimento, inizierai con un'idea del modello che desideri esaminare. Questo di solito è derivato dalle ipotesi che hai riguardo a quali fattori influenzano le variabili di risposta. Non so quale modello stai studiando, ma il design che hai scelto per 9 trattamenti avrebbe potuto essere scelto meglio. Hai confuso o parzialmente alias termini nel tuo esperimento.
2. Hai più misure per ogni trattamento. Non so se si tratta di misure ripetute o repliche poiché non esiste un ordine di esecuzione nella tabella dei dati. Anche così, un trattamento ha 6 risposte, gli altri 10.
3. Se si desidera che il delta cambi da prima dei trattamenti a dopo, è sufficiente aggiungere una colonna che contenga le misure prima e quindi creare una colonna che sia una formula che calcola il delta.
4. Usi il termine componente "miscela"? Ci sono dei vincoli? Esistono diverse scuole di pensiero riguardo ai design delle miscele (ti suggerisco di leggere "Esperimenti con miscele" di Cornell). Ad esempio, ci sono altri componenti della lavorazione che non fanno parte del "batch di miscela" come la velocità di agitazione o la temperatura? Potresti voler indagare anche su questi fattori. Alcune volte puoi iniziare con i rapporti dei componenti. I design delle miscele sono un caso speciale di sperimentazione. Questo perché i cambiamenti nei livelli di un fattore della miscela richiedono cambiamenti nei livelli per gli altri componenti della miscela (di solito i componenti devono essere da alcuni a 1). , quindi alcune delle proprietà ortogonali dell'esperimento sono compromesse. Di solito penso ai progetti di miscele come esperimenti di tipo ottimizzazione. In genere, ciò significa che hai già definito il modello del primo ordine e comprendi completamente gli effetti del rumore. Analizzerai le superfici di risposta per determinare dove è l'area migliore in cui lavorare. Ma non serve a niente se la superficie è la base della montagna che stai cercando di scalare.
Magari inizia da qui:
https://www.jmp.com/en_us/events/mastering/topics/mixture-designs.html
5. No, non dovresti aggiungere il numero dell'esperimento al modello. Si consiglia di tenere traccia dell'ordine di esecuzione poiché spesso si ordina in ordine di esecuzione durante la valutazione dei residui del modello.
Infine, ti suggerisco di iniziare con alcune nozioni di base sulla sperimentazione. JMP offre alcune opzioni online per conoscere la sperimentazione:
https://www.jmp.com/en_us/online-statistics-course/design-of-experiments.html
