Salut @Olaf ,
En regardant le cas d'utilisation, la conception semble être une conception de parcelle fractionnée (puisque "Condition" est imbriquée dans le facteur "Cage"), avec :
- facteur catégoriel "Cage" défini sur "Très difficile à changer" (avec 6 niveaux)
- facteur catégoriel "Condition" défini comme "Difficile à changer" (avec 4 niveaux)
- facteur catégorique "Régime" réglé sur "Facile à changer" (avec 3 niveaux).
Plus d'infos ici : Conceptions avec des restrictions de randomisation (jmp.com)
En spécifiant 6 parcelles entières et 12 sous-parcelles pour 36 exécutions, vous devriez obtenir le même type de tableau que celui que vous avez partagé (voir tableau "Custom-Designer-and-Random-Effects-Desingn-Evaluation-and-Random").
Le script pour générer la table DoE est ici :
DOE(
Custom Design,
{Add Response( Maximize, "Gain", ., ., . ),
Add Factor( Categorical, {"C1", "C2", "C3", "C4", "C5", "C6"}, "Cage", 2 ),
Add Factor( Categorical, {"A1", "A2", "A3", "A4"}, "Condition", 1 ),
Add Factor( Categorical, {"Restrict", "Normal", "Supplementary"}, "Diet", 0 ),
Set Random Seed( 641607656 ), Number of Starts( 1562 ), Add Term( {1, 0} ),
Add Term( {1, 1} ), Add Term( {2, 1} ), Add Term( {3, 1} ),
Add Alias Term( {1, 1}, {3, 1} ), Set N Whole Plots( 6 ), Set N Subplots( 12 ),
Set Sample Size( 36 ), Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)</CODE></PRE>
<P>Cependant, il y aura des colonnes redondantes dans l'analyse et le modèle, car les parcelles entières correspondent au facteur "Cage" et les sous-parcelles correspondent au facteur "Condition".</P>
<P>Ainsi lors du lancement de l'analyse, vous devrez peut-être spécifier le modèle manuellement afin de correspondre à l'analyse dont vous disposez :</P>
<UL>
<LI>Effets fixes : Condition, Régime, Condition x Régime</LI>
<LI>Effets aléatoires : Cage, Cage x Condition</LI>
</UL>
<P>J'ai enregistré le script pour lancer ce modèle dans le script "Fit Mixed Model" dans la table de données.</P>
<P>Le code JSL est :</P>
<PRE><CODE class=" language-jsl">Fit Model(
Y( :Gain ),
Effects( :Condition, :Diet, :Condition * :Diet ),
Random Effects( :Cage, :Cage * :Condition ),
Personality( "Mixed Model" )
)
Concernant les exécutions à supprimer/ajouter, dans la génération de conception, le nombre minimum d'exécutions est de 13 et par défaut, JMP recommande 36 exécutions (le nombre que vous avez dans votre étude de cas). Il n'y a pas de nombre maximum d'exécutions, mais vous pouvez essayer avec 48 exécutions par exemple (pour avoir un multiple de 6 et 12, pour l'ensemble de la parcelle et de la sous-parcelle respectivement).
Ainsi vous pourrez comparer 3 designs avec 24, 36 et 48 runs et voir quel est le meilleur design pour un bon compromis entre précision et budget expérimental. L'évaluation des conceptions peut ne pas être très "précise", car certaines colonnes sont redondantes dans l'analyse (et vous n'utiliserez pas tous vos facteurs comme effets fixes). Mais cela peut toujours fournir une vue intéressante et comparative sur l'analyse de puissance (puissance inférieure pour les facteurs difficiles/très difficiles à modifier par rapport au facteur facile à modifier), la variance de prédiction et les alias dans la conception.
J'espère que cette réponse vous aidera,
Bonjour Viktor,
Vous avez parfaitement répondu à la question générationnelle. Parfois, nous négligeons simplement le plus évident au profit de quelque chose de beaucoup plus compliqué 
Merci beaucoup.
Olaf
Bonjour, j'ai essayé de reproduire un joli Design dans le chapitre 4 du livre d'Elizabeth A. Claassens "JMP for Mixed Models" utilisant JMP DOE Concepteur personnalisé . Mais j'ai échoué et je ne sais pas pourquoi/comment le résoudre.
Le design lui-même est simple : il y a 6 cages . Chaque cage peut être divisée en deux domaines . Une zone peut être définie sur l'un des 4 états . Chacune des zones est assez grande pour contenir de l'espace pour 3 nids différents . A l'intérieur d'un nid, les souris seront attribuées à l'un des 3 régimes différents .
L'expérience est mise en place pour apprendre comment les souris prennent du poids en fonction de état et alimentation. Voici les effets fixes .
La partie intéressante est le fait que cage*état sera traité comme un r effet aléatoire comme c'est le véritable unité expérimentale. J'ai ajouté deux photos pour montrer l'évaluation.
J'ai également joint deux conceptions faites à la main différentes pour montrer l'idée. Le premier est tiré du livre d'Elizabeth. La seconde envisage une cage plus grande.
Comment puis-je produire de tels designs avec Custom Designer tenant compte du caractère aléatoire de l'unité expérimentale ? (Et bien sûr, obtenez une randomisation.)
Qui court devrais-je goutte /ajouter si je pouvais me permettre moins/plus de courses en gardant l'équilibre à l'esprit ?La bière blonde en vaut-elle la peine ?
Comment puis-je comparer les deux conceptions incluant les effets aléatoires ?
Meilleur Olaf
