Punto centrale vs livello di fattoreCiao:
Sto studiando un libro di testo DOE e in un esempio ci sono due fattori con due livelli.
Viene impostato un esperimento 2^2 con 5 punti centrali. Non ci sono repliche o blocchi. In totale 9 corse
La mia domanda è: qual è il vantaggio di CP, perché non un esperimento a due fattori con tre livelli, in totale 8 esecuzioni
Q1) Quale scenario è più vantaggioso?
Q2) Ci sono casi in cui dovremmo utilizzare CP e in cui dovremmo utilizzare un livello aggiuntivo?
Il tuo aiuto è molto apprezzato.
Distinti saluti,
Varun Katiyar
Progettazione di esperimentiRi: Punto centrale vs livello di fattoreCIAO @VarunK ,
Hai controllato la mia risposta precedente a uno dei tuoi post precedenti sulle differenze tra punti medi e punti centrali?
https://community.jmp.com/t5/Discussions/effect-of-centre-points/mp/671637/highlight/true#M85961
Nella mia risposta, ho cercato di spiegare che ci sono usi diversi tra punti "medi" (per testare e stimare termini specifici di coefficienti quadratici) e punti centrali (test per la curvatura, test di mancanza di adattamento, diminuzione della previsione della varianza nel centro di lo spazio sperimentale, ...), quindi penso che alle tue due domande sia già stata data risposta nel post precedente.
Non esiste uno scenario "più vantaggioso" di un altro, ma solo uno scenario che forse è più adatto a un obiettivo specifico rispetto a un altro. Per favore rileggi la mia risposta al tuo post precedente e controllala come soluzione se hai trovato le risposte che stai cercando, questo aiuterà anche gli altri membri a individuare direttamente le informazioni che stanno cercando.
Ri: Punto centrale vs livello di fattoreCiao Vittorio:
La ringrazio molto per il vostro tempo.
Ho letto la tua risposta precedente e in base a quella avevo altre domande che ho provato a cercare ma non sono riuscito a trovare la risposta.
Se prendo l'esempio del libro di testo, un disegno fattoriale completo 2^2 con 5 CP e il mio disegno dell'oggetto di interesse di 3^2 (entrambi i fattori hanno tre livelli invece di 2), entrambi gli scenari hanno 9 esecuzioni sperimentali, cosa sono i vantaggi di ogni corsa.
1) Le corse CP aiuteranno nel rilevamento della curvatura (ma non diranno quale fattore è presente se la curvatura) e aiuteranno con l'errore puro e quindi aumentando la potenza
2) Le corse a tre livelli aiuteranno con il rilevamento della curvatura e anche con l'identificazione del fattore e credo che aumenteranno anche la potenza (di un valore inferiore rispetto alle corse CP) ma non forniranno errori puri.
Quindi, stavo cercando di capire cosa spingerà il ricercatore a scegliere qualsiasi opzione.
Il tuo aiuto è molto apprezzato.
Ri: Punto centrale vs livello di fattoreDi seguito è riportato il confronto di potenza di entrambi i modelli.
La potenza di intercettazione è inferiore nel disegno 3^2 rispetto al disegno 2^2 con cp, il resto è tutto maggiore o quasi simile.
Avrei scelto 3^2 per questo caso, ma qualsiasi fattore in più e la progettazione 3^k saranno più costosi e richiederanno tempo e quindi i progetti di superfici di risposta o il progetto 2^k con CP che porta a progetti compositi centrali saranno più vantaggiosi.
Per favore fatemi sapere se ci sono altri dettagli che mi mancano nel confronto.
Ri: Punto centrale vs livello di fattoreCome accennavo nell'altro post, potrebbero esserci diversi punti da prendere in considerazione per scegliere/decidere tra le due possibilità di design:
- Fase di studio : Questo disegno fa parte di a
- Fase di screening , quindi i termini quadratici potrebbero non essere necessari per la stima, ma il test di mancanza di adattamento può essere interessante da considerare se l'area sperimentale scelta è rilevante per verificare se il modello è adeguato per il sistema in studio,
- Fase di ottimizzazione, quindi potresti aver bisogno della stima dei termini quadratici per adattare un modello di superficie di risposta, o
- Fase di robustezza; se vuoi valutare la robustezza delle tue impostazioni ottimali, il punto centrale corrisponderà alle condizioni ottimali trovate prima, e vuoi essere sicuro che la variazione attorno a questo ottimo sia trascurabile, quindi i punti medi potrebbero non essere necessari qui, e l'enfasi si tratta più di valutare e ridurre la varianza di previsione al centro dello spazio sperimentale che di stimare termini complessi in un modello, poiché non ci si aspetta alcuna o poca variazione, quindi nessun effetto statisticamente significativo.
- ?
- Competenza nel dominio : Esiste già una conoscenza preliminare della necessità di stimare gli effetti quadratici ? Ha senso considerare termini quadratici per questo sistema in studio? Oppure potrebbe essere sufficiente prendere in considerazione un modello più semplice?
- Obiettivo (relativo alla fase di studio) : Si sta ponendo l'accento sullo screening degli effetti/significatività statistica e/o sulle prestazioni predittive? A seconda degli obiettivi, un progetto può essere più appropriato di un altro.
Tieni inoltre presente che questo esempio è semplice con solo 2 fattori (quindi più un esempio educativo), ma se si lavora con più fattori, il divario nel numero di esecuzioni sperimentali tra un progetto senza stima degli effetti quadratici e e con questi effetti stima può diventare rapidamente importante.
Questi punti non sono esaustivi, ma servono come esempio per spiegare che la valutazione del progetto può essere importante per scegliere un progetto piuttosto che un altro, ma la scelta dovrebbe sempre prendere in considerazione anche le competenze del settore, l'obiettivo e la fase di studio per trovare il compromesso più informativo. per il minor numero di esecuzioni sperimentali.
Spero che questa risposta ti possa aiutare,
Ri: Punto centrale vs livello di fattoreGrazie Victor per il tuo tempo e la condivisione delle tue conoscenze.
