적합 모델(참조와 비교한 응답, 혼합)안녕하세요 여러분,
저는 최근에 jmp를 사용하여 실험을 계획하는 방법을 배우기 시작했습니다. 지금까지 몇 가지 시도를 했지만 모델을 빌드할 때 모든 다양한 옵션과 데이터 배열에 문제가 있습니다. 제가 막힌 부분을 보여주기 위해 몇 가지 데이터를 공유합니다.
실험 1 :
3가지 요인(혼합성분 1, 혼합성분 2, 연속적 요인 1), 9가지 실험
3개의 응답(데이터 시트에는 2개만 있음; 목표: 최대화)
제가 첫 번째로 질문드릴 내용은 답변에 관한 것입니다.
반응은 실험 전 값과의 차이로 측정되며(여러 측정값의 평균도 사용), 모델을 구축하기 위해 이 정보를 데이터에 추가하는 방법을 모르겠습니다(시트에서는 시작점을 정하기 위해 평균을 뺐을 뿐입니다).
실험 번호를 모델에 추가해야 하는지 확실하지 않습니다. 추가하지 않으면 데이터가 다른 실험에서 온 것으로 가정합니까?
제가 궁금한 다른 부분은 모델에서 혼합 구성 요소를 처리하는 방법입니다. 그 특정 예에서는 구성 요소가 2개뿐이므로 혼합 모델로 맞춰야 합니까? 혼합 구성 요소 1은 응답에 영향을 미치지 않는 것 같지만 모델에서 혼합 요인을 제거하는 것은 올바르지 않은 것 같습니다.
당신이 저를 도와주셨으면 좋겠습니다. 저는 제가 만든 데이터와 몇 가지 플롯을 추가했습니다.
지금까지는 대화형 도구만 사용해 봤습니다.
안나
데이터 탐색 및 시각화실험 설계대량 맞춤형Re: Fit Models(참조 대비 반응, 혼합물)내가 어떻게든 당신을 혼란스럽게 했다면 사과하고, 아마도 내가 당신의 상황을 잘못 이해했을 것입니다. 귀하가 제공한 응답에는 이분법이 있습니다. 당신은 합계가 100에 더해져야 한다고 말했고 따라서 성분 1의 x%가 있을 때 성분 2에 대해 100-x%가 있어야 한다고 말합니다. 이것은 혼합 문제이지만 제약 조건이 없다고 말합니다. (그러나 상한 및 하한에 대한 제약은 없음)" ...있다. 구성 요소 2의 %에 영향을 주지 않고 구성 요소 1의 x%를 독립적으로 변경할 수 없습니다. 그것이 제약입니다.
Re: Fit Models(참조 대비 반응, 혼합물)설명 감사합니다.
나는 여전히 그 혼합물 정의를 얻지 못하기 때문에 내 논리에 실수가 있을 수 있습니다. 일련의 실험에서 다른 비율로 추가한 2개의 구성 요소가 있습니다. 이 구성 요소 중 하나의 상대적인 양으로 설명할 수 있습니다(첫 번째 추론이었습니다). 그런 다음 나는 그들의 모델에 혼합물을 적용한 몇 가지 예를 보았고 그것이 내 실험에도 적용된다고 생각했습니다. 왜냐하면 한 구성 요소의 x%가 있으면 다른 구성 요소의 100-x%가 필요하기 때문입니다. 상한 및 하한) . 그래서 그것은 내 이해의 혼합물이 될 것입니다. 지금 제가 설명을 잘 못해서 혼란스럽습니다.
Re: Fit Models(참조 대비 반응, 혼합물)내 후속 생각:
1. 불행히도 추가한 세 번째 요소는 매트릭스에 직교로 추가되지 않았으므로 초기 게시물에서 혼란스러운 주효과로 끝났습니다.
혼합으로 간주되어야 하는 이유에 대한 논리를 이해하고 있다고 확신합니다...다시 말해서 혼합은 레벨 설정에 제약이 있는 특별한 실험의 경우입니다. 제약 조건이 없으므로 혼합 문제가 없다고 제안합니다. 아마도 요인 문제일 것입니다.
2. 반복 조치는 치료 변동성(단기 잡음) 내에서 가장 잘 처리되는 우수한 전략입니다. 그러나 독립 응답인 것처럼 분석되지 않을 수 있습니다(DF를 추가하지 않음). 각 치료에 대한 반복 측정을 확실히 그래프로 표시하고 일관성을 평가한 다음 반복 측정을 요약하여 계산할 수 있습니다. 적절한 열거 통계(예: 평균, 표준 편차, 중앙값). 데이터를 요약하기 전에 항상 해당 데이터를 살펴보고 비정상적인 데이터 포인트가 있는지 확인하려고 합니다. JMP의 개별 열에 반복 측정이 있는 경우 해당 열을 쌓고 그래프 빌더 또는 변동성 도표를 사용하여 처리 데이터 내에서 그래프를 작성하십시오. 그런 다음 Tables>Summary를 사용하여 각 처리에 대한 적절한 통계를 계산합니다.
3. 일대일 비교가 없으므로 이전의 일부 요약 통계와 이후의 실제 값을 사용하는 것이 좋습니다. JMP에 이전 통계에 대한 열을 추가한 다음(각 응답에 대해 하나의 열) 이전 응답 열에서 이후 응답을 빼는 공식 열을 생성합니다.
4. 노이즈가 효과가 없기를 바라지만, 그것을 연구하고 정량화한 적이 있습니까? 그렇지 않으면 추론 공간이 제한되고 모델의 예측 능력도 제한됩니다.
스크린샷 대신 JMP 데이터 테이블을 추가하는 것이 정말 도움이 됩니다.
Re: Fit Models(참조 대비 반응, 혼합물)당신의 응답을 주셔서 감사합니다! 나는 그것을 명확하게하려고 노력할 것입니다.
1. 나는 jmp에서 커스텀 디자인을 사용했지만, 그렇게 했을 때 나는 2개의 연속 요소, 즉 혼합 성분 2의 상대적인 양과 연속 요소만을 가정했습니다. 나중에 세 번째 요소를 변경하고 싶었을 때 현실적인 조합을 얻으려면 이것이 혼합물로 설명되어야 한다는 것을 깨달았습니다. 그렇기 때문에 혼합물로 취급해야 하는지 궁금합니다.
어쨌든 내 디자인 입력은 디자인 그림에 첨부됩니다. 따라서 두 가지 요인, 상호 작용 및 이차 항. 모든 용어가 해당 접근 방식으로 앨리어싱되지 않았기 때문에 9개의 실험을 선택했습니다.
2. 응답은 반복 측정이므로 각 실험에서 무작위로 추출한 10개 또는 6개의 샘플(응답 1)과 3개의 샘플(응답 2)에 대해 응답을 측정했습니다. 그리고 제 질문은 모델을 피팅할 때 그 정보를 어떻게 전송할 수 있습니까? 각 실험에 대해 측정 수가 동일하지 않다는 점은 약간 추악하지만 이것은 고칠 수 있습니다(그러나 실제로는 누락된 데이터 포인트를 자주 처리합니다).
삼. 실험 전 데이터가 있지만 실험 후 측정한 것과 동일한 샘플이 아닙니다. 또한 이전과 이후에 측정된 샘플 수가 항상 같은 것은 아닙니다. 데이터 시각화의 경우 평균과 신뢰 구간의 차이를 계산하지만 해당 정보를 모델로 가져오는 방법을 모르겠습니다. 표에서 측정된 응답에서 참조의 평균을 빼서 델타를 계산했지만 참조 데이터의 불확실성은 무시합니다.
4. 2개의 혼합물 성분에 대한 제약은 없으며 실제로 3개의 성분이 있지만 이 경우 세 번째 성분은 일정합니다(혼합물 성분 3/(혼합물 성분 1 + 혼합물 성분 2) = const). 참조에 감사드립니다. 해당 내용을 읽고 이 경우에 적용할 수 있는 내용을 이해하려고 노력하겠습니다. 그리고 예, 그 실험에는 통제되지 않은 요인도 있습니다. 분명히 그들은 결과에 영향을 미치지 않는 것으로 간주되지만 이에 대한 체계적인 데이터가 없으므로 솔직히 나는 모릅니다(이를 조사할 가치가 있는지 말하기는 어렵습니다. 이에 대해 더 연구해야 합니다).
5. 그 질문은 하나의 실험에 응답을 할당하고 여러 반복 실험으로 처리하지 않는 방법과 관련되었습니다.
시간 내주셔서 감사합니다!
안나
Re: Fit Models(참조 대비 반응, 혼합물)몇 가지 생각이 있지만 정확히 무엇을 묻고 있는지 잘 모르겠습니다.
1. 3^3 설계의 분수 요인인 9가지 치료 조합이 있는 것 같은데 어떻게 치료를 선택했는지 잘 모르겠습니다. 일반적으로 실험을 설계할 때 조사하려는 모델에 대한 아이디어로 시작합니다. 이것은 일반적으로 어떤 요인이 반응 변수에 영향을 미치는지에 관한 가설에서 파생됩니다. 어떤 모델을 조사하고 있는지 모르겠지만 9가지 치료에 대해 선택한 디자인이 더 잘 선택되었을 수 있습니다. 실험에서 혼동되거나 부분적으로 별칭이 지정된 용어가 있습니다.
2. 각 치료에 대해 여러 측정값이 있습니다. 데이터 테이블에 실행 순서가 없기 때문에 이것이 반복 측정인지 복제인지 모르겠습니다. 그럼에도 불구하고 한 치료법에는 6개의 반응이 있고 다른 치료법에는 10개의 반응이 있습니다.
3. 치료 전에서 치료 후로 델타를 변경하려면 이전의 측정값을 포함하는 열을 추가한 다음 델타를 계산하는 공식인 열을 생성하기만 하면 됩니다.
4. "혼합물"이라는 용어를 사용합니까? 제약이 있습니까? 혼합물 설계와 관련하여 여러 학파가 있습니다(Cornell "혼합물을 사용한 실험"을 읽는 것이 좋습니다.) 예를 들어, 교반 속도 또는 온도와 같이 "혼합 배치"의 일부가 아닌 처리의 다른 구성 요소가 있습니까? 이러한 요인도 조사할 수 있습니다. 때로는 구성 요소의 비율로 시작할 수 있습니다. 혼합물 설계는 실험의 특별한 경우입니다. 이는 한 혼합 요소의 수준이 변경되면 다른 혼합물 구성 요소의 수준도 변경되어야 하기 때문입니다(일반적으로 구성 요소는 일부에서 1이 되어야 함). , 따라서 실험의 직교 속성 중 일부가 손상됩니다. 나는 일반적으로 혼합 설계를 최적화 유형 실험으로 생각합니다. 일반적으로 이것은 이미 1차 모델을 정의했고 노이즈 효과를 완전히 이해했음을 의미합니다. 반응 표면을 분석하여 가장 적합한 영역을 결정합니다. 그러나 그 표면이 당신이 오르려고 하는 산의 기슭이라면 아무 소용이 없습니다.
여기에서 시작할 수 있습니다.
https://www.jmp.com/en_us/events/mastering/topics/mixture-designs.html
5. 아니요, 모델에 실험 번호를 추가하면 안 됩니다. 모델의 잔차를 평가할 때 실행 순서대로 정렬하는 경우가 많으므로 실행 순서를 추적하는 것이 좋습니다.
마지막으로 실험에 대한 기본적인 이해부터 시작하는 것이 좋습니다. JMP는 실험에 대해 배울 수 있는 몇 가지 온라인 옵션을 제공합니다.
https://www.jmp.com/en_us/online-statistics-course/design-of-experiments.html
