Dovrei prendere in considerazione l'analisi della potenza in DOE?Qualcuno mi ha detto che dobbiamo mantenere la potenza >=80% quando si valuta un DOE, ma perché la potenza è così bassa quando si utilizza il design PB? Ad esempio, la potenza è di circa 0,27 se eseguo 12 esperimenti con 11 fattori. Posso fidarmi di questo design con una potenza così bassa? Grazie.
Progettazione di esperimentiRi: Dovrei prendere in considerazione l'analisi della potenza nel DOE?@Victor_G le risposte di sono davvero buone.
Alla domanda 2, aggiungerei che non è possibile calcolare la potenza basandosi solo su alfa = 0,5 e RMSE = 1. Come ho detto in una risposta precedente, hai anche bisogno di una stima della dimensione del segnale che devi rilevare.
Aggiungo anche che calcolare la potenza in Excel non sarà facile. Non consiglierei di provare questo.
Se vuoi davvero capire il potere, ti consiglio invece di eseguire alcune simulazioni.
1. Crea il tuo progetto sperimentale
2. Determina un modello per calcolare la tua risposta per ogni corsa con parametri per ogni effetto fattore "attivo" (In JMP questi sono i "coefficienti previsti")
3. Aggiungi rumore casuale a ciascun valore di risposta (ad es. con deviazione standard di 1, media di 0)
4. Analizza i dati simulati per determinare se gli effetti attivi sono significativi al tuo determinato livello di alfa (0,05 è usato più spesso, 0,5 sarebbe una scelta strana!)
5. Ripetere i passaggi 3 e 4 molte volte con un nuovo rumore casuale.
6. Contare il numero di volte in cui ciascun effetto attivo è dichiarato significativo
Dovresti scoprire che la proporzione di volte in cui gli effetti attivi sono dichiarati significativi corrisponde alla potenza calcolata da JMP.
Questo tipo di simulazione è molto facile da fare in JMP Pro. In effetti, viene utilizzato in situazioni in cui a priori la stima della potenza non è possibile. Ad esempio, dove la risposta è binaria. Una volta l'ho usato per aiutare una società di marketing a determinare la potenza di un esperimento per comprendere i fattori che influenzano la risposta (rispondi / non rispondere) alle loro promozioni!
Sarebbe più impegnativo e richiederebbe alcuni script per eseguire questo tipo di simulazione in JMP. Ma continuo a pensare che sarebbe un uso migliore del tempo rispetto al tentativo di calcolare la potenza in Excel.
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?Aggiunta a @Victor_G Nella spiegazione di , alla vista "macro" si risponde specificamente con il rapporto F nella tabella dell'analisi della varianza. L'ipotesi nulla è che solo il parametro dell'intercetta non sia zero. L'ipotesi alternativa è che non solo l'intercetta non sia nulla. La vista 'micro' è il termine test di livello fornito da Effect Tests o il livello di parametro fornito da Parameter Estimates. I test sugli effetti riguardano l'intero termine mentre i test sulla stima dei parametri riguardano i singoli parametri. Sono gli stessi a meno che tu non abbia un fattore categoriale con più di due livelli. I test degli effetti sono forse più utili nella selezione del modello perché in genere rimuovi un termine, non un parametro. Il test dell'effetto si basa sul rapporto F e la stima del parametro si basa sul rapporto t. Il t-ratio è (stima - stima ipotizzata) / errore standard della stima. Hanno ipotizzato che il valore sia zero (nessun effetto) per questi test.
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?CIAO @lazzybug ,
Risponderò meglio che posso alle tue domande:
1. In DoE, realizzi test di ipotesi in una vista "macro" (il modello stesso) e in una vista "dettagliata" (significato di ogni parametro). Questo può essere visto nel rapporto "Fit Least Squares" dalla modellazione delle risposte in DoE, dove viene fornito un valore p per il modello generale (sotto la visualizzazione "Effettivo vs. previsto"), dandoti un'idea di quanto sia significativo il tuo modello rispetto alla media dei valori e ai valori p calcolati per ciascun fattore nella "Tabella di riepilogo degli effetti".
- Sotto la vista "macro" (intero modello), l'ipotesi nulla sarebbe: i cambiamenti nella risposta non sono correlati ai cambiamenti nei fattori (o i fattori hanno stime vicine a 0). Un'ipotesi alternativa sarebbe che i cambiamenti nella risposta siano correlati ad almeno un fattore (o almeno un fattore abbia una stima significativamente diversa da 0).
- Nella "visualizzazione dettagliata" (per ciascun fattore), l'ipotesi nulla sarebbe: questo fattore non ha alcun impatto sul risultato finale (Livello (-1) = Livello (+1)). Ipotesi alternativa : questo fattore ha un impatto sul risultato finale (Livello (-1) != Livello (+1)).
Risorsa interessante per questo argomento: Nozioni di base sulla progettazione sperimentale per l'analisi multivariata - Comunità di utenti di JMP
2. Non sei sicuro di dove e/o come trovarlo, ma potresti trovare le risposte qui:
Calcoli di potenza (jmp.com)
Dimensione e potenza prospettiche del campione (jmp.com)
Puoi anche controllare i diversi calcolatori e simulazioni nell'Indice dei dati di esempio: Aiuto -> Dati di esempio -> Risorse didattiche, o nell'Indice delle statistiche e quindi cercare "potenza".
@Phil_Kay e altri esperti tecnici di JMP potranno completare o correggere le mie risposte 
Spero che questo ti aiuti,
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?Ciao Victor, grazie mille per il tuo materiale. Introdurrò DSD nel nostro gruppo per il lavoro di ottimizzazione in futuro.
Potrebbe spiegare le mie domande su DoE?
1. Conoscevo l'errore di tipo I e di tipo II in statistica, come li applichiamo nel DoE. Ad esempio, errore di tipo I (alfa): H0 è vero, la possibilità che lo rifiutiamo. errore di tipo II (beta): Ha è vero, la possibilità che accettiamo H0. Per un particolare DoE, qual è H0 e Ha?Diciamo che abbiamo 6 fattori, dovremmo avere 6 ipotesi nulle, e ognuna sarà come H0: Livello (-1) = Livello (+1), Ha: Livello (-1)!=Livello (+1)?
2. Hai un esempio per spiegare come posso calcolare manualmente la potenza per l'effetto principale, l'interazione e il quadratico basato su alfa = 0,5, RMSE = 1 come mostrato in JMP DoE? Voglio calcolare la potenza manualmente con Excel.
Grazie mille ancora per il tuo aiuto.
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?CIAO @lazzybug ,
Poiché il tuo obiettivo sarà quello di rilevare quali fattori sono significativi da un ampio elenco di fattori, utilizzerai sicuramente un progetto di screening.
Da quello che ho letto, ci sono due design principali che potrebbero funzionare molto bene nel tuo caso, a seconda del tipo e del numero di fattori:
- Design personalizzato D-ottimale (attraverso la piattaforma "Custom Design", specifica i tuoi fattori e la gamma e JMP troverà il design ottimale per il tuo spazio sperimentale). Una piattaforma di progettazione molto comoda, che consente molta flessibilità per il tipo di fattori, con la possibilità di limitare la randomizzazione (quando si hanno fattori difficili da modificare) e la possibilità di aggiungere covariate, fattori di blocco...
- Progettazione dello screening definitivo quando si desidera eseguire lo screening di molti fattori (utile per 5+ fattori) in modo molto efficiente, ma si hanno delle limitazioni con questo tipo di progettazione: solo fattori categoriali continui o a 2 livelli e nessuna possibilità di aggiungere un fattore di blocco (ad esempio, se sei in grado di misurare solo 10 esperimenti per esecuzione dell'apparecchiatura, puoi aggiungere un fattore di blocco di 10 misurazioni per esecuzione per tenere conto della variabilità tra le diverse esecuzioni dell'apparecchiatura). Ma se hai un numero basso di fattori significativi, potresti essere in grado di esaminare le interazioni e gli effetti quadratici con questo design, il che lo rende molto efficiente. È importante notare che gli effetti principali sono non correlati (ortogonali) tra loro e anche alle interazioni a 2 fattori e agli effetti quadratici.
Puoi anche provare un approccio più classico (come i progetti di schermatura di Plackett-Burmann), ma a volte questi progetti classici possono essere difficili da adattare a un problema specifico.
Alla fine, la scelta del progetto sarà il miglior compromesso che puoi trovare tra la tua configurazione sperimentale (numero e tipo di fattori, vincoli, numero massimo di esperimenti, ...) e le specifiche/caratteristiche del progetto. Consiglio vivamente di provare diversi design e numero di tirature e di utilizzare la piattaforma "Confronta design" (DoE -> Diagnostica design -> Confronta design) per avere una buona panoramica dei punti di forza e di debolezza di ogni design, per decidere quale design e impostazioni sarebbero fare il miglior compromesso per il tuo argomento specifico.
Indipendentemente dal design che scegli, una volta terminato lo screening e identificati i fattori significativi/gli effetti principali, puoi quindi aumentare il tuo design per creare una superficie di risposta completamente personalizzata per l'ottimizzazione di questi fattori.
Alcune risorse sui progetti di vagliatura definitivi:
Progettazione definitiva dello screening: definizione semplice, quando utilizzarla - Come fare per le statistiche
Progettazione definitiva dello screening - Comunità di utenti JMP
Potente analisi dei progetti di screening definitivi: sfruttare la loro spe... - Comunità di utenti JMP
Spero che questo ti aiuti,
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?@Victor_G E @Phil_Kay , grazie mille per la tua spiegazione. È molto utile per me capire la potenza e l'RMSE. Ho un'altra domanda. Per il mio esperimento, voglio solo rilevare quali fattori in molti fattori sono significativi per la mia risposta mediante lo screening del design, dopodiché utilizzerò la superficie di risposta per ottimizzare quei fattori selezionati. Prima dell'esperimento, non so quale sia l'RMSE e quale coefficiente impostare nell'analisi della potenza. Puoi spiegare meglio come dovrei progettare il mio esperimento? Grazie mille ancora.
Ho appena notato che questo è un ottimo posto per fare domande. Spero di aver conosciuto questa community prima.
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?Sono d'accordo con tutto ciò che @Victor_G ha detto. Voglio solo ripetere che il potere è significativo solo quando:
- Conosci la dimensione del segnale che devi rilevare E...
- Hai buone stime del rumore sperimentale e di misurazione della risposta (RMSE)
(Devi anche decidere un livello di significatività)
È molto comune che manchi una o entrambe queste cose. In questi casi, il potere può ancora essere utile, ma solo come modo per confrontare progetti alternativi.
Non ha molto senso preoccuparsi se la potenza è inferiore all'80% se si utilizzano solo le stime predefinite del segnale e del rumore in JMP.
Ho allegato alcune diapositive che ho creato per spiegare come funziona la potenza in JMP DOE.
Spero che aiuti,
Fil
Ri: Dovrei prendere in considerazione l'analisi della potenza nel DOE?CIAO @lazzybug ,
Il potere è la capacità di rilevare effetti significativi se sono effettivamente presenti.
Questo 80% è una regola empirica pratica per valutare se il tuo progetto di schermatura può essere in grado di rilevare gli effetti principali in modo efficiente, ma teniamo presente che il calcolo della potenza dipende non solo dal progetto (e dalla sua dimensione del campione), ma anche dalla significatività livello (spesso 0,05), dimensione della differenza da rilevare e rapporto segnale/rumore atteso (o RMSE) della/e risposta/e.
Quindi, se il tuo RMSE previsto è inferiore (le risposte sono/sono misurate in modo più preciso e con una varianza inferiore) e/o la dimensione della differenza che desideri rilevare è maggiore, potresti aspettarti una potenza maggiore per i tuoi effetti.
Il potere potrebbe non essere molto interessante da considerare in caso di progettazione di ottimizzazione (progetti di miscele, progetti di riempimento dello spazio ...), perché il loro obiettivo principale sarà la precisione della previsione delle risposte, non la precisione del calcolo delle stime. Ma il potere è di primario interesse nel caso del design schermante, come nel tuo caso.
Difficile dire se possiamo fidarci del tuo progetto con queste informazioni, poiché dipende non solo dal progetto stesso e dalle sue aspettative (RMSE, livello di significatività, dimensione della differenza da rilevare, ...), ma anche da quali fattori vuoi schermare , quali ti aspetti di vedere differenze significative e attese da rilevare... = competenza del dominio.
Forse una soluzione per te sarebbe provare a calcolare diversi progetti, al fine di confrontare i punti di forza e di debolezza dei diversi progetti di schermatura.
Guardando il Custom Design, se fisso 12 esperimenti per 11 fattori continui (numero minimo di corse richieste), trovo anche la potenza per gli effetti principali vicino a 0,21 (quindi 21% di possibilità di vedere un effetto significativo se presente). Ma se si aumenta il numero di corse a 16 (consigliato da JMP, impostazione "Predefinita"), la potenza per gli effetti principali sale a 0,84. Se il costo sperimentale non è eccessivo, aumentare la dimensione del campione può aiutarti molto ad acquisire maggiore fiducia nella tua capacità di screening.
Spero che questo ti aiuti,
