Bonjour,
Lorsque je passe pas la plateforme plan optimal :
- je fais un plan avec 3 facteurs catégoriels chacun avec 3 niveaux + j'ajoute seulement les 3 effets principaux => 18 essais recommandés
- je fais un plan avec 3 facteurs catégoriels, 2 facteurs avec 3 niveaux et 1 facteur avec 4 niveaux + j'ajoute seulement les 3 effets principaux => 12 essais recommandés.
Pourquoi il y a moins d'essais pour le 2nd plan alors qu'il y a plus de niveaux de facteur pour un des facteurs catégoriels ?
Merci d'avance
Une petite erreur dans le post : Quand j'utilise Plateforme DESIGN SUR MESURE
Salut @Charlotte1 ,
Bienvenue dans la Communauté !
Une partie de la réponse peut être trouvée ici sur la façon dont est calculé le nombre d'exécutions "par défaut" dans la plate-forme Custom Design : Génération de conception (jmp.com) : " Cette valeur est basée sur l'heuristique pour créer une conception équilibrée avec au moins quatre exécutions de plus que le nombre minimum d'exécutions. "
Lors de la reproduction de vos exemples, voici la situation :
- Dans votre cas 1, le nombre minimum d'exécutions est de 7 : vous avez 1 intercept, et 2 termes pour chaque facteur catégoriel à 3 niveaux (nombre de niveaux-1, puisque la dernière estimation de niveau peut être calculée à partir des autres : L1+L2 +L3 = 0). JMP pourrait recommander 11 exécutions (7 exécutions minimales pour l'estimation des effets principaux + 4 exécutions supplémentaires), mais ce nombre conduit à la création d'un plan déséquilibré, dans lequel tous les facteurs ne sont pas estimés aussi précisément et uniformément qu'ils le pourraient. JMP calcule donc le nombre minimum d'exécutions pour satisfaire la condition d'avoir une conception équilibrée avec au moins quatre exécutions de plus que le nombre minimum d'exécutions (et dans ce cas, avec seulement un nombre impair de niveaux pour vos facteurs, cela conduit à 18 exécutions ).
- Dans votre cas 2, le nombre minimum d'exécutions est de 8 : vous avez 1 intercept, 2 termes pour chaque facteur catégoriel à 3 niveaux et 3 termes pour le facteur catégoriel à 4 niveaux. Lorsque vous ajoutez 4 séries supplémentaires, vous pouvez obtenir une conception équilibrée avec 12 séries, c'est donc la suggestion de JMP.
Attention cependant, ce paramètre par défaut peut ne pas être optimal dans vos cas d'utilisation et il y a d'autres caractéristiques à évaluer. Par exemple, en regardant l'analyse de puissance (capacité à détecter un effet statistiquement significatif s'il y en a un), on voit que les deux designs ne sont clairement pas équivalents :
Cas d'utilisation 1 avec 18 exécutions vs cas d'utilisation 2 avec 12 exécutions :
Et la même comparaison et analyse pourraient être faites pour la variance de prédiction (variance de prédiction plus élevée avec 12 exécutions qu'avec 18 exécutions), et en examinant les différences pour les alias dans les conceptions, etc.
Vous pouvez aussi comparer rapidement le nombre de runs par défaut pour estimer les effets principaux par rapport au nombre de runs si vous avez fait toutes les combinaisons entre niveaux de facteurs :
- Dans le cas d'utilisation 1, vous avez 3^3 = 27 combinaisons possibles.
- Dans le cas d'utilisation 2, vous avez 4x3x3 = 36 combinaisons possibles.
Donc assez intuitivement, même si les deux designs peuvent utiliser le nombre "par défaut" de runs, ils ne couvrent pas le même espace expérimental de toutes les combinaisons : dans le cas d'utilisation 1, vous couvrez 66,7% de toutes les combinaisons possibles, alors que dans cas d'utilisation 2, vous ne couvrez que 33,3% de toutes les combinaisons possibles, d'où une puissance plus élevée pour les facteurs, une variance de prédiction plus faible, ... dans le cas d'utilisation 1 par rapport au cas d'utilisation 2.
J'espère que cette réponse vous aidera,
