Punto central vs nivel de factorHola:
Estoy estudiando un libro de texto del DOE y en un ejemplo hay dos factores con dos niveles.
Se configura un experimento 2^2 con 5 puntos centrales. No hay réplicas ni bloques. En total 9 carreras
Mi pregunta es ¿cuál es el beneficio del CP? ¿Por qué no un experimento de dos factores con tres niveles? En total 8 ejecuciones.
P1) ¿Qué escenario es más beneficioso?
P2) ¿Hay algún caso en el que debamos usar CP y en el que debamos usar un nivel adicional?
Tu ayuda es altamente apreciada.
Atentamente,
Varun Katiyar
Diseño de experimentosRe: Punto central vs nivel de factorHola @VarunK ,
¿Revisaste mi respuesta anterior a una de tus publicaciones anteriores sobre las diferencias entre puntos medios y puntos centrales?
https://community.jmp.com/t5/Discussions/effect-of-centre-points/mp/671637/highlight/true#M85961
En mi respuesta, traté de explicar que existen diferentes usos entre los puntos "intermedios" (para probar y estimar términos de coeficientes cuadráticos específicos) y los puntos centrales (prueba de curvatura, prueba de falta de ajuste, predicción de disminución de la varianza en el centro de el espacio experimental,...), así que creo que tus dos preguntas ya fueron respondidas en el post anterior.
No hay un escenario “más beneficioso” que otro, sólo algún escenario que quizás se adapte más a un objetivo concreto que otro. Lea nuevamente mi respuesta en su publicación anterior y márquela como solución si ha encontrado las respuestas que está buscando, eso también ayudará a otros miembros a detectar directamente la información que están buscando.
Re: Punto central vs nivel de factorHola Víctor:
Muchas gracias por tu tiempo.
Leí su respuesta anterior y, en base a eso, tenía algunas preguntas más que intenté investigar pero no pude encontrar la respuesta.
Si tomo el ejemplo del libro de texto, un diseño factorial completo 2^2 con 5 CP y mi diseño de tema de interés de 3^2 (ambos factores tienen tres niveles en lugar de 2), ambos escenarios tienen 9 ejecuciones experimentales, ¿cuáles son? los beneficios de cada carrera.
1) Las ejecuciones de CP ayudarán en la detección de curvatura (pero no dirán qué factor si hay curvatura presente) y ayudarán con el error puro y, por lo tanto, aumentarán la potencia.
2) Las ejecuciones de tres niveles ayudarán con la detección de curvatura y también a identificar el factor y creo que también aumentarán la potencia (en un valor menor en comparación con las ejecuciones de CP) pero no darán un error puro.
Entonces, estaba tratando de comprender qué hará que el investigador elija cualquier opción.
Tu ayuda es altamente apreciada.
Re: Punto central vs nivel de factorA continuación se muestra la comparación de potencia de ambos diseños.
El poder de intercepción es menor en el diseño 3^2 en comparación con el diseño 2^2 con cp, el resto son todos mayores o casi similares.
Habría elegido 3^2 para este caso, pero más factores y el diseño 3^k serán más costosos y consumirán más tiempo y, por lo tanto, los diseños de superficie de respuesta o el diseño 2^k con CP que conduzca a diseños compuestos centrales serán más beneficiosos.
Avíseme si hay algún otro detalle que me falta en comparación.
Re: Punto central vs nivel de factorComo comentaba en el otro post, puede haber varios puntos a tener en cuenta para elegir/decidir entre las dos posibilidades de diseño:
- Fase de estudio : ¿Este diseño es parte de un
- Fase de selección , por lo que puede que no sean necesarios términos cuadráticos para estimar, pero puede ser interesante considerar la prueba de falta de ajuste si el área experimental elegida es relevante para verificar si el modelo es adecuado para el sistema bajo estudio.
- Fase de optimización, por lo que es posible que necesite una estimación de términos cuadráticos para ajustarse a un modelo de superficie de respuesta, o
- Fase de robustez; Si desea evaluar la solidez de su configuración óptima, el punto central corresponderá a las condiciones óptimas encontradas anteriormente y desea estar seguro de que la variación alrededor de este óptimo es insignificante, por lo que es posible que aquí no se necesiten puntos medios y el énfasis Se trata más de evaluar y reducir la varianza de la predicción en el centro del espacio experimental que de estimar términos complejos en un modelo, ya que se espera poca o ninguna variación, por lo que no hay efectos estadísticamente significativos.
- ?
- Experiencia en el campo : ¿Existe ya conocimiento previo sobre la necesidad de estimar efectos cuadráticos? ¿Tiene sentido considerar términos cuadráticos para este sistema en estudio? ¿O tal vez sea suficiente considerar un modelo más simple?
- Meta (relacionada con la fase de estudio) : ¿Está poniendo énfasis en la detección de efectos/significancia estadística y/o en el desempeño predictivo? Dependiendo del(los) objetivo(s), un diseño puede ser más apropiado que otro.
También tenga en cuenta que este ejemplo es simple con solo 2 factores (por lo tanto, es más un ejemplo educativo), pero si se trabaja con más factores, la brecha en las ejecuciones experimentales es numérica entre un diseño sin estimación de efectos cuadráticos y un diseño con estimación de estos efectos. puede volverse rápidamente importante.
Estos puntos no son exhaustivos, pero sirven como ilustración para explicarle que la evaluación del diseño puede ser importante para elegir un diseño sobre otro, pero la elección siempre debe tener en cuenta la experiencia en el dominio, el objetivo y la fase de estudio para encontrar el compromiso más informativo. para el menor número de ejecuciones experimentales.
Espero que esta respuesta te ayude,
Re: Punto central vs nivel de factorGracias Víctor por tu tiempo y por compartir conocimientos.
