CIAO @Olaf ,
Guardando il caso d'uso, il design sembra essere un design di trama diviso in due parti (poiché "Condition" è annidato nel fattore "Cage"), con:
- fattore categorico "Gabbia" impostato come "Molto difficile da cambiare" (con 6 livelli)
- fattore categoriale "Condizione" impostato come "Difficile da cambiare" (con 4 livelli)
- fattore categorico "Dieta" impostato come "Facile da cambiare" (con 3 livelli).
Maggiori informazioni qui: Disegni con restrizioni di randomizzazione (jmp.com)
Specificando 6 trame intere e 12 sottotrame per 36 esecuzioni, dovresti ottenere lo stesso tipo di tabella di quella che hai condiviso (vedi tabella "Custom-Designer-and-Random-Effects-Desingn-Evaluation-and-Random").
Lo script per generare la tabella DoE è qui:
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>Tuttavia, ci saranno alcune colonne ridondanti nell'analisi e nel modello, poiché tutti i grafici corrispondono al fattore "Gabbia" e i sottotrame corrispondono al fattore "Condizione".</P>
<P>Quindi, quando si avvia l'analisi, potrebbe essere necessario specificare manualmente il modello in modo che corrisponda all'analisi che si ha:</P>
<UL>
<LI>Effetti fissi: Condizione, Dieta, Condizione x Dieta</LI>
<LI>Effetti casuali : Gabbia, Gabbia x Condizione</LI>
</UL>
<P>Ho salvato lo script per lanciare questo modello nello script "Fit Mixed Model" nel datatable.</P>
<P>Il codice JSL è:</P>
<PRE><CODE class=" language-jsl">Fit Model(
Y( :Gain ),
Effects( :Condition, :Diet, :Condition * :Diet ),
Random Effects( :Cage, :Cage * :Condition ),
Personality( "Mixed Model" )
)
Per quanto riguarda le esecuzioni da eliminare/aggiungere, nella generazione del progetto il numero minimo di esecuzioni è 13 e per impostazione predefinita JMP consiglia 36 esecuzioni (il numero che hai nel tuo case study). Non esiste un numero massimo di esecuzioni, ma puoi provare con 48 esecuzioni ad esempio (per avere un multiplo di 6 e 12, rispettivamente per l'intera trama e sottotrama).
Quindi puoi confrontare 3 progetti con 24, 36 e 48 tirature e vedere qual è il miglior progetto per un buon compromesso tra accuratezza e budget sperimentale. La valutazione dei progetti potrebbe non essere molto "accurata", poiché alcune colonne sono ridondanti nell'analisi (e non utilizzerai tutti i tuoi fattori come effetti fissi). Tuttavia, può comunque fornire una visione interessante e comparativa dell'analisi della potenza (potenza inferiore per fattori difficili/molto difficili da modificare rispetto a fattori facili da modificare), varianza della previsione e alias nella progettazione.
Spero che questa risposta ti possa aiutare,
Ciao Vittorio,
Hai risposto perfettamente alla domanda sulla generazione. A volte trascuriamo semplicemente il più ovvio a favore di qualcosa di molto più complicato;)
Grazie mille.
Olaf
Ciao, ho provato a riprodurre un bel Design nel capitolo 4 del libro di Elizabeth A. Claassen "JMP for Mixed Models" utilizzando JMP DOE Progettista personalizzato . Ma ho fallito e non so perché/come risolverlo.
Il design stesso è semplice: ci sono 6 gabbie . Ogni gabbia può essere divisa in due aree . Un'area può essere impostata su uno di 4 condizione . Ognuna delle aree è abbastanza grande da contenere spazio per 3 diversi nidi . All'interno di un nido i topi saranno attribuiti a uno di 3 diverse diete .
L'esperimento è impostato per imparare come i topi aumentano di peso a seconda condizione e dieta. Queste sono le effetti fissi .
La parte interessante è il fatto che gabbia*condizione deve essere trattato come a R effetto casuale com'è il vera e propria unità sperimentale. Ho aggiunto due immagini per mostrare la valutazione.
Ho anche allegato due diversi disegni fatti a mano per mostrare l'idea. Il primo è tratto dal libro di Elizabeth. Il secondo considera una gabbia più grande.
Come produrrei tali progetti con Custom Designer tenendo conto della natura casuale dell'unità sperimentale? (E ovviamente ottieni un po 'di randomizzazione.)
Quale corre vorrei gocciolare /aggiungi se potessi permettermi meno/più corse tenendo a mente l'equilibrio?Vale la pena quella lager?
Come posso confrontare il due disegni compresi gli effetti casuali?
Miglior Olaf
