¿Son las variables de bloqueo fijas lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Hola,
He estado analizando datos para un experimento que mide el crecimiento de células humanas con 3 factores: 2 de los cuales son variables independientes que se controlaron y la tercera variable es el donante del que provienen las células humanas (de los cuales hay dos). Tengo un n = 8 y el diseño fue un factorial 2^3. Sin embargo, actualmente encuentro que hay 3 formas de abordar el análisis de los datos con respecto a la variable "Donante":
1. Simplemente puedo incluirlo como un factor categórico de 2 niveles, en cuyo caso ingresa al modelo y también aparece en el generador de perfiles de predicción. Resulta que hay interacciones entre "Donante" y los otros dos factores, que son conclusiones que también se pueden visualizar fácilmente. Sin embargo, tener esto en el generador de perfiles de predicción no es particularmente útil porque la variabilidad de los donantes es algo con lo que siempre tendré que lidiar; no puedo seguir 'maximizando' volviendo al mismo donante una y otra vez.
2. Puedo cambiar el 'Rol de diseño' a una variable de bloqueo. Sin embargo, me doy cuenta de que cuando ajusto un modelo, básicamente da como resultado el mismo modelo, con la excepción de que "Donante" ya no aparece en Prediction Profiler. Esto es bueno porque puedo dilucidar qué estaban contribuyendo los otros 2 factores (que eran variables independientes reales y controlables que me gustaría manipular). Leí en una publicación anterior que las variables de bloqueo solo pueden aparecer en los efectos principales, pero esto no es cierto ya que todavía puedo modelar interacciones. En este momento, considero que este es el mejor enfoque.
3. Dado que los 2 donantes que elegí son un subconjunto de la población infinitamente grande de personas presentes y futuras, probablemente consideraría que esta variable de bloqueo es en realidad "Aleatoria" y no "Fija". Sin embargo, según algunas lecturas, parece que necesita alrededor de 5 niveles o más de la variable de bloqueo para que la estimación de la varianza sea precisa. Como tal, dado que mi conjunto de datos es pequeño (n = 8, solo 2 niveles de la variable de bloqueo), esto puede no ser ideal.
¿Está mi pensamiento en el camino correcto?
Exploración y visualización de datosRe: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?¡Sí!
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Sí, pero las parcelas divididas no se crean a partir de factores de ruido y no se analizan de la misma manera (es decir, no analiza ni interpreta los resultados de los diseños de parcelas divididas de la misma manera que los diseños en bloques).
En realidad, fue Cox en la década de 1950 quien primero tuvo la idea de experimentar con variables de ruido para cada tratamiento del experimento del factor de diseño. Llamó a estas matrices de productos cruzados (similares a las matrices internas y externas de Taguchi, pero con un análisis más similar a los diseños de parcelas divididas en lugar de agregar los datos para obtener una relación señal/ruido).
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?¡Gracias por la explicación adicional!
Entonces, los factores de ruido se trataron como factores difíciles de cambiar (no aleatorios), pero definieron un bloque para el análisis. Me recuerda a los diseños de Taguchi con matrices internas replicadas sobre ejecuciones en la matriz externa.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Marca,
Obviamente no me estoy comunicando bien. Casi siempre estamos de acuerdo, así que déjame intentarlo de nuevo.
Permítanme aclarar el ejemplo. Usamos bloques para manejar el ruido para el experimento. En el primer bloque usamos un ángulo, una presión, un tipo de sustrato y un conjunto de condiciones ambientales (esencialmente, los niveles bajos para estos). En el segundo bloque cambiamos todos esos a otro "nivel" (el nivel alto). Entonces, esas variables de ruido se mantuvieron constantes dentro del bloque, aumentando la precisión y luego se confundieron con el bloque para aumentar el espacio de inferencia y probar la solidez del producto. En este caso, tratar el bloque como un efecto fijo permite estimar si existen interacciones entre las variables de ruido (ángulo, presión, sustrato y ambiente) y los factores de diseño (formulaciones de tinta, diseño de la punta del bolígrafo, etc.). ¡Y sí los hay!
Con este enfoque, puede estudiar los efectos del factor de diseño sobre el cambio de ruido a:
- gane confianza en que los resultados que ha obtenido inicialmente son repetibles con el ruido cambiante,
- estimar la robustez de los factores al ruido (cuantificada por interacciones bloque por factor), o
- determine si la dirección de su estudio debe cambiar (los efectos de bloques grandes deben desglosarse para identificar factores potenciales para un estudio posterior).
He hecho esto con muchos productos con gran éxito.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Nuevamente, estoy totalmente de acuerdo contigo. No entendí cómo el ejemplo de desarrollar un bolígrafo ilustraba el bloqueo. Todos los factores en ese ejemplo, como el ángulo, fueron controlados y ninguno de ellos definió bloques. Todos fueron parte del tratamiento en el experimento de laboratorio.
Disculpa la confusión. ¡Realmente estamos de acuerdo!
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Marca,
Hmmm estoy realmente confundido por su declaración " No entiendo qué tienen que ver los factores de ruido con el bloqueo”. El bloqueo se hace para que dentro cada bloque, el ruido es constante, aumentando así la precisión. El ruido, que se mantuvo constante dentro del bloque, se cambia a propósito. entre bloques para aumentar el espacio de inferencia.
Tal vez sea la definición de ruido. Defino el ruido como aquellos factores/variables que no estás dispuesto a manejar (tiempo futuro). Lo que quiero decir con administrar es controlar o establecer niveles para. La razón por la que es posible que no esté dispuesto a gestionar los factores es:
1. No puedes, o no tienes la tecnología
2. Es demasiado costoso
3. Es inconveniente
Dedico la mayor parte de mi tiempo al desarrollo de productos (I+D). Gran parte de ese tiempo se dedica a comprender cómo los factores de diseño afectarán el rendimiento del producto, y realmente estamos tratando de comprender la estructura causal. Hay decisiones que se deben tomar en cuanto a qué factores se pueden manejar y cuáles no. Posteriormente obtenemos datos para respaldar o invalidar esas decisiones. El ingeniero debe considerar qué tan efectivos son los factores de diseño para impactar el desempeño del producto en las manos del cliente. El ingeniero debe considerar las fuentes de variación: materiales, fabricación/ensamblaje, prueba, distribución, almacenamiento, uso, etc. Históricamente, el desarrollo de productos se realiza con una cantidad extremadamente pequeña de muestras de un espacio de inferencia extremadamente pequeño. Dependiendo de la complejidad y el costo del producto, es posible que obtengan solo unas pocas unidades "beta" para determinar qué tan bien funcionará su diseño EN EL FUTURO. Quizás debido a esto, eligen probar el rendimiento del producto en esta pequeña escala mientras mantienen el ruido lo más constante posible (lo que aumenta la precisión de sus experimentos). Las unidades "beta" provienen de 1 lote de materia prima, 1 línea de fabricación (que probablemente no sea una línea de producción), 1 persona que realiza el ensamblaje, probadas durante un período corto de tiempo donde las condiciones ambientales no cambian mucho, con 1 sistema de medición , las variaciones en el uso del cliente se mantienen constantes (utilizando el ejemplo de tinta anterior... mantenga la presión, el ángulo, el sustrato y las condiciones ambientales CONSTANTES). Luego extrapolan estos resultados al futuro y también reclaman estadísticas de rendimiento y confiabilidad. ¡Probablemente sepas esto! La pregunta es, ¿cómo probamos una pequeña muestra de unidades beta con mayor precisión y mayor espacio de inferencia? ¡Gracias a Dios por DOE!Los ingenieros/científicos necesitan estrategias para manejar el ruido en estas situaciones. La estructura de diseño es solo una parte de la ecuación. ¿Qué porcentaje de todos los factores en un proceso y típicamente experimentado? ¿Cómo se manejan los "otros" factores? El bloqueo es una de esas estrategias (aunque, por supuesto, hay otras). Si bien el bloqueo confunde muchos factores de ruido, brinda la oportunidad de responder a las preguntas: si el ruido cambia en el futuro, lo que invariablemente ocurrirá ya que, por definición, no se gestiona, ¿seguirá funcionando el producto según lo previsto? Si el efecto de los factores de diseño un ingeniero elige mejorar el rendimiento del producto DEPENDE del ruido (esta es la definición de una interacción), entonces, ¿cómo especificará el ingeniero de diseño la configuración para el factor de diseño? Cuanto antes se descubra esto, más opciones tiene y más rentable puede solucionarse o mitigarse. Cuando los factores de diseño tienen el mismo efecto en el rendimiento del producto que el ruido cambiante, tiene un diseño de producto sólido.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Estoy de acuerdo con usted. Ahora estoy confundido por su ejemplo de factores de ruido. No entiendo qué factores de ruido tienen que ver con el bloqueo.
No, estoy sugiriendo que hay otro factor con un efecto fijo que no es un simple bloque, como Lot o Day. Puede que no se haya identificado, pero es una variable oculta no controlada que varía con los cambios de bloque. Bloqueo de cuentas para desplazamientos medios simples. Una interacción indica que otro factor está activo. Eso es todo lo que quise decir.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Puede que no entienda tu punto @Mark_Bailey ? eh, "Se supone que no deben hacer eso"? Adivina qué, esto sucede con frecuencia en el mundo real. Esta es una indicación de que el diseño del producto o proceso no es sólido. Para crear robustez, debe experimentar con los factores de diseño mientras cambia el ruido.
¿Estás sugiriendo que las interacciones factoriales bloqueadas no pueden existir desde un punto de vista científico? Si es así, debo estar en desacuerdo. Permítanme dar un ejemplo (de cientos en los que he trabajado). Diseño de una tinta para bolígrafos. El sistema de entrega de la tinta es una función de gravedad y capilaridad. El usuario sujeta la pluma a un sustrato (por ejemplo, papel) y la bola se mueve "dentro" de la pluma y permite que fluya la tinta. El sustrato absorbe la tinta. Hay una serie de factores de diseño asociados con el producto (por ejemplo, geometrías, dimensiones, materiales, química). La siguiente es una breve lista de ruidos asociados con la operación. Ninguno de estos puede ser controlado por el fabricante de la pluma.
Ángulo en el que se sostiene la pluma
Presión aplicada a la pluma
Capacidad de absorción del sustrato.
Condiciones ambientales
Históricamente, estos "factores" se mantuvieron constantes mientras se realizaba la "Prueba de escritura" para cuantificar las medidas de rendimiento del conjunto de tinta/pluma. Los diseños estaban siendo "optimizados" para una situación que prácticamente nunca ocurre en el mundo real. Lo que descubrimos a través de la experimentación es que el rendimiento de los factores de diseño depende del ruido (esto se descubrió originalmente a través de RCBD y luego se optimizó a través de matrices de productos cruzados (parcelas divididas)). Bastante racional y científicamente razonable. El motivo de las quejas de los clientes se debió a que no se probaron las condiciones en las que se usaría la pluma.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Otros abordaron bien los problemas. Quiero abordar solo la idea de excluir el factor de bloqueo de los efectos de interacción. Es una decisión un poco filosófica. El diseño asigna un bloque de corridas a un nivel de un factor de ruido, como Día o Lote. Considere el efecto de bloque como un ajuste local a la intersección. Es un cambio de la respuesta media general para dar cuenta de un cambio en un bloque. Excluimos las interacciones porque indican que los efectos fijos de los factores cambian. No se supone que hagan eso. La relación entre la respuesta y los factores debe ser la misma en todos los bloques. Si ese no es el caso, entonces debe haber factores ocultos y desconocidos que cambian entre bloques y contribuyen con más efectos fijos. Así que no son las matemáticas o el modelo lineal; es un punto de vista científico detrás de la exclusión.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Dado que hay interacciones, estaría tentado a utilizar su solución 1 y tratar al donante como un factor, especialmente porque el generador de perfiles puede ayudar a visualizar estas interacciones.
Sin embargo, tener esto en el generador de perfiles de predicción no es particularmente útil porque la variabilidad de los donantes es algo con lo que siempre tendré que lidiar: no puedo seguir "maximizando" volviendo al mismo donante una y otra vez.
Hacer clic con la tecla Alt sobre el donante en el perfilador puede mitigar el problema de maximización si selecciona "Configuración del factor de bloqueo". Esto hará que el generador de perfiles maximice los otros factores, mientras evita que el donante se mueva. Por supuesto, podría estar malinterpretando lo que escribió, y bloquear la configuración del factor puede ser exactamente lo que está tratando de evitar.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Hola @QW ,
Hay un montón de buenos consejos en las respuestas hasta ahora.
"...t aquí parece que no hay una diferencia práctica entre asignar mi variable molesta como un factor de bloqueo y simplemente llamarlo categórico. "
Correcto. En este caso no habrá diferencia en el diseño.
Ya sea que especifique el factor donante como un factor de bloqueo o un factor categórico, para 8 corridas, el factorial completo 2^3 es la solución óptima con 0 correlación de los efectos del factor (ortogonal).
Espero que eso ayude.
phil
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Déjame ser tan claro como pueda. No es JMP quien decide cómo debe proceder el análisis, es el usuario. Muchos enumerativo los estadísticos consideran que los efectos de bloque son efectos aleatorios. Adopto un enfoque más analítico para comprender la estructura causal. Cuando he hecho la diligencia debida para identificar el ruido, hay, en mi humilde opinión, un medio más efectivo para comprender el ruido y las ramificaciones del ruido. Sí, incluiría bloque y todas las interacciones de bloque por factor en el modelo saturado para RCBD.
ver: Doug Sanders, Mary G. Leitnaker y Robert A. McLean (2002) Diseños de bloques completos aleatorios en estudios industriales, Ingeniería de calidad, 14:1, 1-8, DOI: 10.1081/QEN-100106880
Con respecto a su segundo párrafo, es poco probable que pueda inferir sobre TODOS los donantes muestreando solo dos de ellos. Es posible que tenga hipótesis sobre por qué los donantes afectarían la respuesta (p. ej., edad, condiciones subyacentes, sexo, genética...). Si puede seleccionar donantes que capturen los extremos de las condiciones de los donantes (como la configuración de nivel en negrita), es posible que pueda aumentar el espacio de inferencia lo suficiente como para que los resultados de su estudio sean útiles en el futuro. Sin embargo, si esto no es posible, deberá capturar la variación de donante a donante en una muestra mucho más grande.
La regla de oro:
“Desafortunadamente, los experimentos futuros (ensayos futuros, la producción de mañana) se verán afectados por condiciones ambientales (temperatura, materiales, personas) diferentes a las que afectan este experimento… Es solo por el conocimiento del tema, posiblemente ayudado por más experimentos (cursivas añadidas) para cubrir una gama más amplia de condiciones, para que uno pueda decidir, con el riesgo de equivocarse, si las condiciones ambientales del futuro serán lo suficientemente parecidas a las de hoy para permitir el uso de los resultados disponibles”.
doctor deming
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Gracias, @statman . Con respecto a esta frase: " Con esta estrategia, puede evaluar el tamaño del efecto Bloque y la ventaja adicional de poder evaluar si los efectos del factor de diseño son consistentes sobre el ruido cambiante (según lo cuantificado con las interacciones bloque por factor)". ¿Está diciendo que si bien JMP no considera que las interacciones bloque:factor sean una característica de una variable de bloqueo (es decir, esto se consideraría una característica de un factor categórico, no una variable de bloqueo), debe intentar ajustar las interacciones bloque:factor de todos modos? ?
En segundo lugar, con respecto al punto: "Ahora, si no ha identificado el ruido, le queda tratar el ruido como un efecto aleatorio. Dado que no tiene idea de cuán representativo es el ruido de las condiciones futuras, es probable que deba aumentar el tamaño de la muestra para aumentar la confianza en la extrapolación de los resultados en el futuro". Hay tantas fuentes posibles de variabilidad de los donantes que estoy tratando de simplemente confundirlas en una sola variable, en lugar de tratar de determinar qué es específicamente lo que causa la variabilidad en los donantes. En ese caso, sería más lógico tratar esto como un efecto aleatorio. Sin embargo, dado que la mano de obra limita la cantidad de donantes que puedo evaluar a 2 o 3, probablemente necesite modelar a los donantes como efectos fijos ("Encuentro estos donantes específicos interesantes caso por caso"). ¿Existen reglas generales/estadísticas para evaluar cuántos donantes podría necesitar examinar antes de poder hacer predicciones confiables sobre el ruido asociado con la variabilidad de los donantes, que pueda extrapolar a la población en general?
Gracias.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Gracias, @Victor_G . Leí las respuestas dadas, pero todavía estoy confundido acerca de una cosa con respecto al bloqueo versus simplemente agregar un factor categórico.
En el diseñador personalizado, si tengo 8 ejecuciones y 2 variables, y elijo agruparlas en bloques de tamaño 4, básicamente obtengo un diseño factorial completo donde cada bloque es ortogonal. Si, en cambio, elijo incluir mi variable de bloqueo como una variable categórica, una vez más obtengo un diseño factorial completo, donde cada nivel de mi variable categórica es ortogonal. En ese sentido, no parece haber ninguna diferencia práctica entre asignar mi variable molesta como un factor de bloqueo y simplemente llamarlo categórico.
Para mí, entonces parece que el único punto de bloqueo es:
1. Elimine las interacciones bloque:factor del cuadro de diálogo de diseño personalizado, ya que la idea es que los efectos del factor dentro del bloque deben ser independientes del bloque en el que se encuentra.
2. Haga que el generador de perfiles de predicción sea más fácil de entender, ya que realmente no le importa encontrar el 'mejor nivel' de su bloque.
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Tengo una "toma" diferente sobre las preguntas que planteas. El bloqueo es un método para manejar el ruido en un experimento. El ruido son los factores que no está dispuesto a manejar en el futuro (ya sea porque no tiene la tecnología, el costo es prohibitivo o simplemente es inconveniente de manejar). Los bloques están destinados a agregar grandes cantidades de ruido (puede confundir muchas variables de ruido con el efecto de bloque). Los bloques aumentan el espacio de inferencia sin disminuir la precisión del diseño (de hecho, los bloques pueden aumentar la precisión del diseño. Al final del día, es posible que le interese el tamaño del efecto del Bloque, pero no puede seleccionar un "mejor" nivel. Esto, por supuesto, no es cierto para un factor categórico. Puede elegir un nivel sobre otro.
Con respecto al bloqueo, si ha identificado cuál es el ruido (este es un paso importante), tiene la opción de tratar el ruido como un efecto fijo. Con esta estrategia, puede evaluar el tamaño del efecto Bloque y la ventaja añadida de poder evaluar si los efectos del factor de diseño son consistentes sobre el ruido cambiante (cuantificado con interacciones bloque por factor). Esta es la verdadera medida de la robustez del factor de diseño. La pregunta es cómo representas este ruido en el experimento. El mismo consejo se aplica a la investigación de factores. Dado que el experimento se realiza a pequeña escala (espacio de inferencia relativamente estrecho), debe exagerar los efectos para aumentar el espacio de inferencia. Esta es la razón por la que en los experimentos de cribado se fijan los factores en niveles audaces. Esto también se aplica a los efectos de ruido, exagere el ruido en su espacio de diseño. Por ejemplo, puede ejecutar un bloque donde las condiciones ambientales sean frías y secas y el segundo bloque cálido y húmedo. ¿Por qué los donantes serían diferentes? ¿Qué características físicas del donante podrían tener un impacto en las variables de respuesta? ¿Qué factores de diseño podrían interactuar con el donante? Las respuestas a estas preguntas forman la base de las hipótesis que pueden ayudar a determinar cómo seleccionar a los donantes.
Ahora, si no ha identificado el ruido, le queda tratar el ruido como un efecto aleatorio. Dado que no tiene idea de cuán representativo es el ruido de las condiciones futuras, es probable que deba aumentar el tamaño de la muestra para aumentar la confianza en la extrapolación de los resultados al futuro.
"Bloquea lo que puedas, aleatoriza lo que no puedas" GEP Caja. (Bloquee el ruido que se ha identificado, use la aleatorización donde no haya identificado el ruido)
Re: ¿Las variables de bloqueo fijas son lo mismo que una variable categórica, solo que no aparecen en el generador de perfiles de predicción?Hola @QW ,
Su pensamiento está en el camino correcto, el factor categórico y el factor de bloqueo tienen diferentes realidades y usos (efecto fijo que puede cambiar independientemente en sus experimentos versus efecto aleatorio con un número conocido (día de la semana) o desconocido de niveles (características del donante) ).
Sugeriría echar un vistazo a los temas que trataban sobre este tema (con excelentes respuestas de @Mark_Bailey y @Dan_Obermiller ), ya que esto puede ayudarte a elegir la opción más razonable en tu caso:
También hay un seminario web grabado sobre el bloqueo en DoE: Uso de bloqueo al diseñar experimentos - Comunidad de usuarios de JMP
Espero que esta primera respuesta te ayude,
