Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Vielleicht verstehe ich deine Frage nicht. Ich denke, Sie fragen nach dem Modellieren oder Testen der Varianz der Antwort. Ihr Design und Ihr Modell gehen davon aus, dass die Varianz der Antwort überall konstant ist. Die Konfidenzintervalle/-regionen stellen die Unsicherheit bei der Schätzung des Mittelwerts der Antwortvariablen oder einzelner Vorhersagen dar, nicht die inhärente Variation der Antwortvariablen.
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hallo Mark,
Danke dafür! Ja, ich beziehe mich auf das Testen der Varianz der Antwort, aber in Bezug auf bestimmte Regionen über einen Eingabefaktor. Ich werde versuchen, ein konkreteres Beispiel zu geben:
Einer meiner Eingabefaktoren ist der pH-Wert im Bereich von 4,5 bis 7,5, wobei pH 6 einer der zentralen Punkte ist. Es besteht die Möglichkeit, dass die Reaktion bei einem höheren pH-Wert stärker variiert als bei einem niedrigeren pH-Wert. Wenn dies der Fall ist, möchten wir dies schätzen. Da dies bedeuten kann, dass wir unseren pH-Bereich (etwas unter 7,5) einschränken müssen, um ein genauer angepasstes Modell zu erstellen. Ich gehe jedoch davon aus, dass ich Replikationen bestimmter Punkte über den Designbereich ausführen müsste (ich kann es mir nicht leisten, doppelte Läufe auszuführen), was sich als schwierig erweisen würde, da es sich um ein benutzerdefiniertes Design handelt und ich „die Ecken“ meines nicht visualisieren kann Gestaltungsraum.
Ich hoffe, das ist etwas klarer, ich bin neu bei DoE, also kann es eine Lücke in meinem Wissen sein, die ich hier ansprechen muss. Jeder Vorschlag für bestimmte Ressourcen wäre sehr willkommen. Danke schön!
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hier sind meine Gedanken, wie ich Ihre Frage verstehe. Sie möchten zusätzlich zum Mittelwert die Varianz modellieren. Dazu müssen Sie bei jeder Behandlungskombination mehrere Datenpunkte erfassen. Wie Sie diese Datenpunkte sammeln, hängt davon ab, welche x Ihrer Meinung nach die Variation beeinflussen würden. Angenommen, Sie haben bei jeder Behandlung eine Probe entnommen und diese wird an mehreren Stellen der Probe gemessen (eine Versuchseinheit für jede Behandlung). In diesem Fall würde die Variation darauf zurückzuführen sein, dass sich x innerhalb des Abtast- und Messfehlers ändert. Wenn Sie die Faktoren in Ihrem Experiment modellieren, können Sie erfahren, ob Faktoren (oder Faktorwechselwirkungen) diese verwechselten Variationskomponenten beeinflussen (wahrscheinlich innerhalb der Stichprobe, da es unwahrscheinlich ist, dass die Faktoren in Ihrem Experiment die Messfehler beeinflussen). Ein weiteres Beispiel: Angenommen, Sie erhalten mehrere Proben für jede Behandlung (immer noch eine Versuchseinheit) und messen jede Probe. Der Grund für die Schwankung in diesem Fall ist die Änderung der x-Werte von Probe zu Probe innerhalb von Probe und Messfehler. Auch hier würde die Modellierung der Faktoren aus Ihrem DOE einen Einblick geben, ob die Faktoren die Variabilität dieser Variationskomponenten beeinflussen. Natürlich können Sie mehrere "Ebenen" verschachtelter Komponenten erstellen, um festzustellen, ob Faktoren Varianzkomponenten beeinflussen.Sinn ergeben?
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hi @aaidaa ,
Sie haben bereits hervorragende Antworten und Fragen von anderen brillanten Mitgliedern dieser Community erhalten.
Beim Lesen Ihrer Fragen denke ich an (mindestens) drei Varianzquellen, die möglicherweise miteinander verbunden sind, aber unabhängig voneinander bewertet werden könnten:
- Vorhersagevarianz des erstellten Designs: Abhängig von der Verteilung der Punkte im Design haben Sie einen Unterschied in der Genauigkeit Ihrer Vorhersagen aufgrund des gewählten Designs, des Optimalitätskriteriums, der Anzahl der Durchläufe, der Wiederholungen/Zentren usw. .. Wenn Sie die nur Ihrem Design zugeschriebene Vorhersagevarianz wissen möchten, können Sie sich das Skript "Evaluate Design" in Ihrer DoE-Datentabelle ansehen und sich das " Prognoseabweichungsprofil (jmp.com) ". Diese Vorhersagevarianz ist nur auf Ihr Design zurückzuführen und hilft Ihnen herauszufinden, wo in Ihrem Designbereich Ihre Vorhersagen mehr oder weniger Variabilität aufweisen.
- Antwortvarianz : Sie haben bereits eine großartige Antwort von @statmann . Für diesen Teil könnte es interessant sein, bei jedem Durchlauf Ihres Designs mehrere Male zu messen und dann den Mittelwert und die Standardabweichung Ihrer pH-Reaktion für jeden Durchlauf zu berechnen. Wenn Sie die pH-Reaktion modellieren, können Sie dann zwei Antworten anstelle von einer (Mittelwert und Std) haben, um eine Vorstellung von dem vorhergesagten Wert in Ihrem experimentellen Raum (dank berechneter Mittelwerte) und der Variabilität Ihrer Antwort zu haben (dank Std-Werte berechnet). Es kann Ihnen helfen, herauszufinden, ob Ihre pH-Reaktion ein heteroskedastisches Verhalten aufweist (die Standardabweichung ist über den Messbereich nicht konstant).
- Input-Varianz: Zusätzlich zu diesen beiden Varianzquellen müssen Sie möglicherweise auch die Varianz Ihrer Inputs berücksichtigen (z. B. Einfluss der Rohstoffcharge für Ihren Faktor). Für diesen Teil können nur Wiederholungen (einzelne Läufe mit der gleichen Behandlung) diese Varianzinformationen liefern, gemischt mit der Messvarianz der Reaktion und der Vorhersagevarianz (je nachdem, wo sich die Wiederholungspunkte in Ihrem Versuchsraum befinden).
Eine Kombination dieser verschiedenen Techniken (mehrere Messungen/Läufe, Verwendung von Wiederholungen und Visualisierung/Analyse des Profils der Vorhersagevarianz) kann Ihnen dabei helfen, die Ursachen der Variabilität und ihre „Größen“ zu unterscheiden.
Ich hoffe, diese zusätzliche Antwort wird Ihnen helfen,
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Vielen Dank für die Bestätigung, dass Sie am Testen und Modellieren von Effekten auf die Varianz der Antwortvariablen interessiert sind. Derzeit gibt es keine Methode zum Entwerfen von Experimenten zum Modellieren der Varianz der Antwort. Bitte befolgen Sie die Ratschläge anderer bezüglich der Replikation von Läufen. Ich beziehe mich nicht auf die wiederholte Messung des Versuchsgeräts am Ende eines Laufs, sondern auf die Wiederholung der Behandlung mit einem neuen Versuchsgerät. Das Tolle daran ist, dass JMP eine Analysemethode hat, die Ihren Anforderungen entspricht! (Es gibt sie auch schon seit langer Zeit.) Siehe die LogLineares Varianzmodell Dokumentation, die über das Startdialogfeld „Analysieren“ > „Modell anpassen“ verfügbar ist.
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Ich stimme zu, dass es hier sehr gute Antworten gibt, aber ich werde vielleicht noch eine mit einem bestimmten Ansatz hinzufügen.
>> dh wie kann ich die Variabilität in Bezug auf die Faktoren im Designraum im Gegensatz zu nur der Antwort bewerten?
Sie können die EMP-Plattform verwenden, um zu sehen, ob bestimmte Regionen Ihres Designbereichs mehr Variationen aufweisen als andere. Kredit geht an Bill Kappele für die Erfindung dieser Taktik, die er "Sanity Check" nennt. Im Beispiel unten weist einer der Bereiche/Versuche im Designraum mehr Variationen auf als die anderen. Der Trick besteht darin, eine neue "Check"-Spalte zu erstellen, die ein Indikator für alle Ihre Faktorstufen ist. Es wird auch davon ausgegangen, dass Sie Läufe an genügend Stellen wiederholt haben, um die Varianz schätzen zu können. Ich habe eine Beispieldatentabelle angehängt, für die das EMP-Skript in der Tabelle das folgende Beispiel ausgibt.
Wenn Sie eher einen statistischen als einen visuellen Test wünschen, kann dies der Test Ungleiche Varianzen in der Plattform Fit Y by X liefern (auch in der Datentabelle als Fit Y by X gespeichert).
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hallo Statmann,
Danke für deine Nachricht!
Das einzige Problem ist, dass ich nicht ganz sicher bin, welche Faktoren (und vor allem die Bereiche innerhalb dieser Faktoren) tatsächlich eine größere Varianz verursachen, was es daher erfordert, dass ich alle experimentellen Läufe wiederholen muss, was dies zu einem sehr kostspieligen Prozess macht. Aus diesem Grund habe ich in meinem ursprünglichen Design keine Wiederholungsläufe eingefügt, sondern nur Mittelpunkte repliziert. Wenn ich einige der Behandlungen aus dem ursprünglichen Design wiederholen würde, könnte ich es mir wahrscheinlich leisten, 7 experimentelle Variationen erneut auszuführen (von den 28 Durchläufen, die mein benutzerdefiniertes DoE generiert hat). Hier suche ich nach Anregungen.
Abgesehen davon gibt es bestimmte Punkte, bei denen ich mir in Ihrem Vorschlag nicht sicher bin, ob Sie freundlicherweise darauf eingehen können. Ich habe es aufgeschlüsselt, nur um sicherzustellen, dass ich ihm folge.
Beispiel 1:
- „Nehmen wir zum Beispiel an, Sie haben bei jeder Behandlung eine Probe entnommen und diese wird an mehreren Stellen über die Probe hinweg gemessen (eine Versuchseinheit für jede Behandlung).In diesem Fall wäre die Variation darauf zurückzuführen, dass sich x innerhalb des Proben- und Messfehlers ändert.“ - Ich glaube, Sie beziehen sich auf die erneute Messung der Proben des Versuchslaufs, um den Messfehler zu verstehen?
- „Wenn Sie die Faktoren in Ihrem Experiment modellieren, können Sie erfahren, ob Faktoren (oder Faktorinteraktionen) diese verwechselten Variationskomponenten beeinflussen (wahrscheinlich innerhalb der Stichprobe, da es unwahrscheinlich ist, dass die Faktoren in Ihrem Experiment die Messfehler beeinflussen).“Wenn Sie die Faktoren in meinem Experiment modellieren, meinen Sie, sie so zu modellieren, dass die Varianz der Antwort hier die Antwort ist?
Beispiel 2
- "Ein weiteres Beispiel: Nehmen wir an, Sie erhalten mehrere Proben für jede Behandlung (immer noch eine Versuchseinheit) und messen jede Probe. Der Grund für die Variation in diesem Fall ist die Veränderung des x von Probe zu Probe, innerhalb von Probe und Messfehler.“Wenn Sie sich auf die Faktoren beziehen, die sich von Probe zu Probe ändern - beziehen Sie sich auf experimentelle Fehler, z. B. Pipettierfehler, die eine Variation zwischen Faktoren verursachen?
- „Wieder die Tatsache modellieren oder von Ihrem DOE würden einen Einblick geben, ob die Faktoren die Variabilität dieser Variationskomponenten beeinflussen.“ - Ich habe dies als Wiederholung des Vorschlags aus dem vorherigen Beispiel angesehen, das Sie bereitgestellt haben, war mir jedoch nicht sicher, was Sie mit "Variationskomponenten" meinen. Meinst du hier die Mess- und Versuchsfehler?
- "Natürlich können Sie mehrere "Schichten" von verschachtelten Komponenten erstellen, um festzustellen, ob Faktoren Varianzkomponenten beeinflussen." - wie würde man das angehen? Haben Sie ein Beispiel, auf das ich mich vielleicht beziehen könnte?
Nochmals vielen Dank für Ihre Zeit!
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hallo Viktor!
Vielen Dank für Ihre ausführliche Antwort und die Aufschlüsselung der Abweichungsquellen, ich fand sie unglaublich hilfreich.
1- Modellvarianz war etwas, das ich nicht in Betracht gezogen habe, aber es ist ein ausgezeichneter Punkt! Interessant bei dieser Betrachtung ist, dass einer der empfohlenen Faktoren, die das Modell basierend auf meinen Erwünschtheitskriterien vorgeschlagen hat, in einen Bereich fällt, in dem die Modellvarianz am höchsten ist. Ich bin mir nicht sicher, ob dies ein Problem sein sollte, da die ANOVA- und Mangel an Anpassungsanalysen meines Modells darauf hindeuten, dass das Modell gut angepasst ist und die Eingabefaktoren zur Vorhersage der Antwort verwenden kann.
2 und 3. Das ist genau das, wonach ich suche - das einzige Problem hier sind die Kosten, am liebsten würde ich jeden experimentellen Lauf wiederholen, aber ich werde einfach nicht die Ressourcen dafür haben. Kann ich trotzdem bestimmte Punkte auswählen, die ich modellieren kann, um die Antwort- und Eingabevarianz zu bewerten?
Vielen Dank für eure bisherige Hilfe und Anregungen!
Betreff: Wie wiederholt man Punkte über Extremitäten in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hallo Jed,
Vielen Dank dafür, das ist ein super nützliches Tool!
Ich gehe davon aus, dass das Y hier einfach die Antwort und nicht die Varianz der Antwort ist, und daher wäre es am nützlichsten, den Bereich von Y mit der Überprüfung zu vergleichen. Angesichts der Tatsache, dass hier davon ausgegangen wird, dass genügend Wiederholungen von Versuchsläufen durchgeführt wurden, wissen Sie, wie viele Wiederholungen mindestens erforderlich sind? Ich könnte wahrscheinlich 7-10 Läufe wiederholen, aber ich müsste das Design irgendwie erweitern, um diese Wiederholungen einzubeziehen, da ich in meinem ursprünglichen Design nur Mittelpunkte wiederholt habe. Haben Sie weitere Vorschläge?
Vielen Dank für Ihre Hilfe!
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Hi @aaidaa ,
Frohes neues Jahr ! Und danke für deine Antwort.
Betrachten Sie Ihre verschiedenen Punkte:
- Das Finden eines Optimums in einem Bereich großer(r) Varianz ist eine interessante Situation. Was Sie herausfinden müssen, ist, wie groß diese Prognoseabweichung im Vergleich zu Ihrem Ziel und Ihren Erwartungen ist. Es kann klüger sein, einige Validierungsläufe in diesen optimalen Einstellungen durchzuführen, um die Varianz zu verringern und die wirklich vorhergesagten optimalen Leistungen/Antworten an diesem Punkt zu bewerten.
- (& 3.) Wie in "Optimal Design of Experiments: a case study approach" von Bradley Jones und Peter Goos beschrieben: "Der beste Weg, einen neuen experimentellen Test zuzuweisen, ist die Behandlungskombination mit der höchsten Vorhersagevarianz". Um Ihre Bemühungen zu optimieren, können Sie iterativ neue Läufe an Orten mit der höchsten Varianz in Ihrem Experimentierraum erstellen.
- Wenn Sie sich die Modellabweichung ansehen, können Sie sich das Skript "Evaluate Design" ansehen und im roten Dreieck des "Prediction Variance Profile" auf "Maximize Variance" klicken. Dadurch erhalten Sie die Einstellungen der Faktoren, bei denen die Modellvarianz am höchsten ist, und können eine gute Richtung angeben, wo Sie ein neues Experiment in Ihrem DoE hinzufügen können.
- Für die Input- und Response-Varianz können Sie, wenn Sie bereits Kenntnisse über die Varianz der Faktoren (und/oder über die Response-Messungen, z. B. dank früherer MSA-Studien) haben, diese Informationen auch über die verwenden Simulator (jmp.com) Plattform, um simulierte Verteilungen Ihrer Antworten mit den optimalen Einstellungen zu erstellen und den Mittelwert und die Standardabweichung Ihrer verschiedenen Antworten unter Berücksichtigung der Varianz der von Ihnen eingegebenen Eingaben und Antworten auszuwerten.
- Wenn Sie sich die "endgültige/gesamte" Varianz ansehen (die wahrscheinlich eine Mischung aus Modellvarianz, Antwortvarianz und Eingabevarianz sein wird, wenn Sie Replikate haben), könnte eine Möglichkeit, fortzufahren, darin bestehen, die Spalte "PredSE" von zu speichern jeder Ihrer Antworten, und verwenden Sie den Profiler (aus dem Menü „Grafik“, dann „Profiler“) mit der Formel der vorhergesagten Standardfehler Ihrer Antworten (und suchen Sie dann, um PredSE Ihrer Antworten zu maximieren, mit der Möglichkeit, die relative Wichtigkeit zu ändern Ihrer Antworten, falls dies für Ihren Fall relevant ist), um festzustellen, worauf Sie Ihre Bemühungen konzentrieren und neue Versuchsläufe wiederholen oder erstellen können. Sie können auch einen Blick auf die Design Space Profiler (jmp.com) Plattform von JMP 17, um zu beurteilen, ob Sie angesichts einiger Einschränkungen/Spezifikationen für Ihr Antwortziel optimale Punkte finden können (und wie viele der Proben in den Spezifikationen enthalten wären). Sie können Ihren Antworten auch PredSE hinzufügen, um eine Einschränkung für die Standardabweichung jeder der Antworten anzugeben, wenn Sie eine Vorstellung von der gewünschten Genauigkeit haben.
Alle diese Ansätze sind sehr komplementär und können wirklich hilfreich sein, um die Bemühungen auf die informativsten Experimente zu konzentrieren, die durchgeführt werden sollen.
Ich hoffe, diese neuen Kommentare werden Ihnen helfen,
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Nachverfolgen:
Wiederholungen und Wiederholungen sind zwei völlig unterschiedliche Strategien zum Experimentieren. Wiederholungen sind unabhängige Läufe derselben experimentellen Behandlungen (dies bedeutet normalerweise, dass sie zu unterschiedlichen Zeiten durchgeführt werden, oft randomisiert. Wenn Sie dies in Blöcken tun, können Sie etwas über langfristige Variationskomponenten lernen). Jede Behandlung ergibt eine eigenständige Versuchseinheit.
Wiederholungen sind nicht unabhängig von den Behandlungen. Sie sind, mangels eines universellen Wortes, mehrere "Datenpunkte" für dieselbe Behandlungskombination. Sie sind keine unabhängigen Versuchseinheiten (EU) und damit keine zusätzlichen Freiheitsgrade. Wiederholungen können aus mehreren Situationen/Gründen durchgeführt werden:
1. Wenn die EU mehrmals an genau derselben Stelle gemessen wird, würde dies den Messfehler abschätzen. Wenn Sie diese Datenpunkte dann mitteln, würden Sie den Messfehler in der Studie (Varianz/n) reduzieren und die Genauigkeit des Experiments erhöhen.
2. Wenn jede EU mehrmals an verschiedenen Orten innerhalb der EU gemessen wird, würde dies eine Schätzung sowohl des Messfehlers als auch der Variation innerhalb der Stichprobe liefern (natürlich könnten Sie jeden Ort innerhalb der EU mehrmals messen, um die Messung von der Variation innerhalb der EU zu trennen). Eine erneute Mittelwertbildung reduziert die Variation der Datenpunkte innerhalb der Behandlung, aber in diesem Fall umfasst diese Variation auch die Variation innerhalb der Stichprobe, sodass Sie vielleicht daran interessiert sein könnten, ob die Behandlungen diese kurzfristige Variation innerhalb der Stichprobe beeinflussen. Sie können dies tun, indem Sie eine Antwortvariable in Form einer Streuung (z. B. Bereich, Standardabweichung, Varianz) hinzufügen. Wenn es um Messfehler ginge, würde ich jeden Ort innerhalb der Stichprobe mehrmals messen und die Durchschnittswerte verwenden, um die Varianz innerhalb der Stichprobe zu schätzen.
3. Wenn die EU aus mehreren Proben besteht, die jeweils einmal gemessen wurden, dann würden die Datenpunkte den Messfehler innerhalb der Variation von Probe und Probe zu Probe widerspiegeln (natürlich könnten Sie wie oben die Vielzahl der Varianzkomponenten trennen und zuweisen, je nachdem, wie Sie nehmen die Datenpunkte). Auch hier können Sie Mittelwerte verwenden, um die Variation zu reduzieren, oder verschachtelte Komponenten von Variationskonzepten verwenden, die verschiedenen Varianzen für jede Komponente zuweisen und eine Antwortvariable in Form einer Variation erstellen, um sie in Ihrem Experiment zu modellieren.
Zu deinen Kommentaren:
Beispiel 1:
- „Nehmen wir zum Beispiel an, Sie haben bei jeder Behandlung eine Probe entnommen und diese wird an mehreren Stellen über die Probe hinweg gemessen (eine Versuchseinheit für jede Behandlung).In diesem Fall wäre die Variation darauf zurückzuführen, dass sich x innerhalb des Proben- und Messfehlers ändert.“ - Ich glaube, Sie beziehen sich auf die erneute Messung der Proben des Versuchslaufs, um den Messfehler zu verstehen?In diesem Fall ist die Variation auf BEIDE zurückzuführen Messfehler und innerhalb der Probe nicht nur Messfehler
- „Wenn Sie die Faktoren in Ihrem Experiment modellieren, können Sie erfahren, ob Faktoren (oder Faktorinteraktionen) diese verwechselten Variationskomponenten beeinflussen (wahrscheinlich innerhalb der Stichprobe, da es unwahrscheinlich ist, dass die Faktoren in Ihrem Experiment die Messfehler beeinflussen).“Wenn Sie die Faktoren in meinem Experiment modellieren, meinen Sie, sie so zu modellieren, dass die Varianz der Antwort hier die Antwort ist? Ja, aber wenn ich mir Sorgen um das Messsystem gemacht hätte, hätte ich jeden Standort zweimal gemessen und die Durchschnittswerte dieser verwendet, da dies den Messfehler verringern würde.
Beispiel 2
- "Ein weiteres Beispiel: Nehmen wir an, Sie erhalten mehrere Proben für jede Behandlung (immer noch eine Versuchseinheit) und messen jede Probe. Der Grund für die Variation in diesem Fall ist die Veränderung des x von Probe zu Probe, innerhalb von Probe und Messfehler.“Wenn Sie sich auf die Faktoren beziehen, die sich von Probe zu Probe ändern - beziehen Sie sich auf experimentelle Fehler, z. B. Pipettierfehler, die eine Variation zwischen Faktoren verursachen? Keine einfache Antwort über dieses Forum ... Wenn die Variation zugeordnet werden kann, würde ich es nicht unbedingt als experimentellen Fehler bezeichnen. Wenn Sie randomisieren, kann der Fehler nicht zugeordnet werden und es wäre ein experimenteller Fehler. Ich schlage vor, dass sich zwischen den Proben möglicherweise mehrere x ändern. Es wird eine Funktion des Prozesses sein, der die Proben herstellt. Welche x ändern sich im Prozess jedes Mal, wenn Sie eine Probe machen? Normalerweise ändern sich x mit einer höheren Frequenz, da dies eine kurzfristige Variation ist. Ich würde den Prozess abbilden, um diese Variablen zu identifizieren.
- „Wieder die Tatsache modellieren oder von Ihrem DOE würden einen Einblick geben, ob die Faktoren die Variabilität dieser Variationskomponenten beeinflussen.“ - Ich habe dies als Wiederholung des Vorschlags aus dem vorherigen Beispiel angesehen, das Sie bereitgestellt haben, war mir jedoch nicht sicher, was Sie mit "Variationskomponenten" meinen. Meinst du hier die Mess- und Versuchsfehler? Nein ... Entschuldigung, ich kann das nicht näher erläutern. Sie müssen die Komponenten von Variationsstudien verstehen (siehe Verschachtelte oder hierarchische Studien).
- "Natürlich können Sie mehrere "Schichten" von verschachtelten Komponenten erstellen, um festzustellen, ob Faktoren Varianzkomponenten beeinflussen." - wie würde man das angehen? Haben Sie ein Beispiel, auf das ich mich vielleicht beziehen könnte? Auch hier müssen Sie die oben erwähnten CoV-Studien verstehen.
Fang hier an:
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/statistical-details-for-variance-components.shtml
Hier ist ein gutes Papier:
Sander, D., Sanders, R., und Leitnaker, M. (1994) „ Die analytische Untersuchung zeitabhängiger Varianzkomponenten “, Qualitätstechnik
Betreff: Wie wiederholt man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE, um die Varianz besser zu verstehen?Frohes neues Jahr! und vielen Dank an alle, diese Diskussion war super hilfreich!
Wie kann man Punkte über Extremitäten hinweg in einem benutzerdefinierten DoE wiederholen, um die Varianz besser zu verstehen?Hallo!
Ich optimiere derzeit ein experimentelles Verfahren und habe mich für ein benutzerdefiniertes Design mit 4 kontinuierlichen Variablen mit jeweils 2 Ebenen und einer einzelnen kategorialen Variablen mit 3 Ebenen entschieden. Ich habe Mittelpunkte (repliziert) eingefügt, um eine gewisse Varianzanalyse zu ermöglichen, und das Modell wird mit RSM-Interaktionen generiert, die nicht über 2-Faktor-Interaktionen hinausgehen. Die Darstellungen der Residuen nach Diagrammen erweisen sich als sehr nützlich, jedoch nur in Bezug auf die Ausgabe. Gibt es eine Möglichkeit, festzustellen, ob es zu einer Zunahme der Varianz (Abnahme der Wiederholbarkeit) in Verbindung mit einem extremen Ende eines der Faktoren/Wechselwirkungen kommt? Das heißt, wie kann ich die Variabilität in Bezug auf die Faktoren im Designraum und nicht nur in Bezug auf die Reaktion beurteilen?
Vielen Dank für Ihre Hilfe im Voraus!
Versuchsplanung
