Point central vs niveau de facteurBonjour:
J'étudie un manuel du DOE et dans un exemple, il y a deux facteurs à deux niveaux.
Une expérience 2^2 est mise en place avec 5 points centraux. Il n'y a pas de répliques ni de blocs. Au total 9 courses
Ma question est de savoir quel est l'avantage du CP, pourquoi pas une expérience à deux facteurs avec trois niveaux, au total 8 exécutions
Q1) Quel scénario est le plus avantageux ?
Q2) Y a-t-il des cas où nous devrions utiliser le CP et où nous devrions utiliser un niveau supplémentaire ?
Votre aide est grandement appréciée.
Cordialement,
Varun Katiyar
Conception d'expériencesRe : Point central vs niveau de facteurSalut @VarunK ,
Avez-vous vérifié ma réponse précédente à l'un de vos précédents messages sur les différences entre les points médians et les points centraux ?
https://community.jmp.com/t5/Discussions/effect-of-centre-points/mp/671637/highlight/true#M85961
Dans ma réponse, j'ai essayé d'expliquer qu'il existe différentes utilisations entre les points « médians » (pour tester et estimer des termes de coefficient quadratique spécifiques) et les points centraux (test de courbure, test de manque d'ajustement, prédiction de diminution de la variance au centre de l'espace expérimental, ...), donc je pense que vos deux questions ont déjà trouvé une réponse dans le post précédent.
Il n’existe pas de scénario « plus bénéfique » qu’un autre, juste un scénario peut-être plus adapté à un objectif précis qu’à un autre. Veuillez relire ma réponse sur votre message précédent, et cochez-la comme solution si vous avez trouvé les réponses que vous recherchez, cela aidera également les autres membres à repérer directement les informations qu'ils recherchent.
Re : Point central vs niveau de facteurSalut Victor :
Merci beaucoup pour votre temps.
J'ai lu votre réponse précédente et, sur cette base, j'avais d'autres questions sur lesquelles j'ai essayé de rechercher mais je n'ai pas trouvé de réponse.
Si je prends l'exemple du manuel, un plan factoriel complet 2 ^ 2 avec 5 CP et mon sujet d'intérêt un plan 3 ^ 2 (les deux facteurs ont trois niveaux au lieu de 2), les deux scénarios ont 9 exécutions expérimentales, que sont les avantages de chaque course.
1) Les analyses CP aideront à détecter la courbure (mais ne diront pas quel facteur si une courbure est présente) et aideront à résoudre l'erreur pure et donc à augmenter la puissance.
2) Les analyses à trois niveaux aideront à détecter la courbure et à identifier le facteur et, je crois, augmenteront également la puissance (par une valeur plus petite par rapport aux analyses CP) mais ne donneront pas d'erreur pure.
J’essayais donc de comprendre ce qui amènerait le chercheur à choisir une option.
Votre aide est grandement appréciée.
Re : Point central vs niveau de facteurVous trouverez ci-dessous la comparaison de puissance des deux modèles.
La puissance d'interception est inférieure dans la conception 3 ^ 2 par rapport à la conception 2 ^ 2 avec cp, les autres sont tous supérieurs ou presque similaires.
J'aurais choisi 3 ^ 2 pour ce cas, mais tout facteur supplémentaire et la conception 3 ^ k seront plus coûteux et prendront plus de temps et donc les conceptions de surface de réponse ou la conception 2 ^ k avec CP menant à des conceptions composites centrales seront plus bénéfiques.
S'il vous plaît laissez-moi savoir s'il y a d'autres détails qui me manquent en comparaison.
Re : Point central vs niveau de facteurComme je le mentionnais dans l'autre post, il peut y avoir plusieurs points à prendre en considération afin de choisir entre les deux possibilités de designs :
- Phase d'étude : Cette conception fait-elle partie d'un
- Phase de dépistage , donc les termes quadratiques peuvent ne pas être nécessaires pour estimer, mais un test de manque d'ajustement peut être intéressant à considérer si la zone expérimentale choisie est pertinente pour vérifier si le modèle est adéquat pour le système étudié,
- Phase d'optimisation, vous aurez donc peut-être besoin d'une estimation de termes quadratiques pour ajuster un modèle de surface de réponse, ou
- Phase de robustesse ; si vous souhaitez évaluer la robustesse de vos paramètres optimaux, le point central correspondra aux conditions optimales trouvées auparavant, et vous voulez être sûr que la variation autour de cet optimal est négligeable, donc les points médians ne seront peut-être pas nécessaires ici, et l'accent Il s'agit davantage d'évaluer et de réduire la variance de prédiction au centre de l'espace expérimental que d'estimer des termes complexes dans un modèle, puisque vous vous attendez à peu ou pas de variation, donc à aucun effet statistiquement significatif.
- ?
- Domaine d'expertise : Existe-t-il déjà des connaissances préalables sur la nécessité d'estimer les effets quadratiques ? Est-il judicieux de considérer des termes quadratiques pour le système étudié ? Ou un modèle plus simple peut suffire à envisager ?
- Objectif (lié à la phase d'étude) : Mettez-vous l'accent sur le dépistage des effets/signification statistique, et/ou sur les performances prédictives ? En fonction du ou des objectifs, une conception peut être plus appropriée qu'une autre.
Tenez également compte du fait que cet exemple est simple avec seulement 2 facteurs (donc plutôt un exemple pédagogique), mais si vous travaillez avec plus de facteurs, l'écart dans les essais expérimentaux se situe entre un plan sans estimation des effets quadratiques et et avec ces estimations d'effets. peut vite devenir important.
Ces points ne sont pas exhaustifs, mais servent d'illustration pour vous expliquer que l'évaluation de la conception peut être importante pour choisir une conception plutôt qu'une autre, mais le choix doit également toujours prendre en compte l'expertise du domaine, l'objectif et la phase d'étude pour trouver le compromis le plus informatif. pour le plus petit nombre d’essais expérimentaux.
J'espère que cette réponse vous aidera,
Re : Point central vs niveau de facteurMerci Victor pour votre temps et votre partage de connaissances.
