Funktionale Versuchsplanung – Kategoriale FaktorenHallo,
Sollte ich das Functional Design of Experiments in der Functional Data Explorer-Plattform mit kategorialen Faktoren verwenden?
Ich habe eine vollständige faktorielle DoE mit zwei kategorialen Faktoren und einem kontinuierlichen Faktor (3 Stufen) durchgeführt. Meine Antwort ist eine Kurve (% Ertrag vs. drei Zeitpunkte). Sollte ich in diesem Fall den Functional Data Explorer verwenden?
Vielen Dank!
Datenexploration und -visualisierungVersuchsplanungBetreff: Funktionale Versuchsplanung – Kategoriale FaktorenSie fragen sich, ob es ratsam ist oder wie man es macht?
Grundsätzlich sollten Sie Ihre Kurven als funktionale Reaktionen analysieren können, aber drei Punkte sind keine große Funktion. Es liegen möglicherweise nicht genügend Details vor, um eine FDE im Vergleich zur linearen Regression zu rechtfertigen. Sie können Zeit als Kovariate in die Analyse und Kreuzterme einbeziehen, um Wechselwirkungen zwischen dem Kovariateneffekt und den Faktorstufen zu modellieren. Das heißt, die Funktion hängt von den Bedingungen ab.
Hast du das gelesen? Dokumentation zur Analyse eines Experiments mit funktionalen Antworten ?
Ich denke, es ist einen Versuch wert!
Betreff: Funktionale Versuchsplanung – Kategoriale FaktorenHallo Sofia,
Sie können mit dem Functional Data Explorer-Tool drei Zeitpunkte verwenden, wenn die Form der Kurve für Ihr Verständnis von wesentlicher Bedeutung ist. Als @Mark_Bailey Wie bereits erwähnt, reduzieren 3 Zeitpunkte zwar Ihre Auflösung – aber Sie können mit FDE trotzdem Modelle generieren, die wertvolle Erkenntnisse liefern, wenn Sie damit zufrieden sind, dass nur 3 Zeitpunkte angezeigt werden.
Zur Veranschaulichung habe ich ein Beispiel einer vereinfachten Wachstumskurve mit nur drei Zeitpunkten angehängt, die mit einem kategorialen (Zelllinie) und einem numerischen (Maltose-%)-Faktor aufgezeichnet wurden, und ein Modell mit dem Functional Data Analyzer und mit dem Fit Curve/Curve DoE erstellt Tool (klicken Sie einfach auf die grünen Skriptschaltflächen links in der Datentabelle). Die Anpassungskurve eignet sich zum Modellieren von Kurven mit einer erwarteten/vorbestimmten Form (z. B. sigmoidal, Wachstum/Verfall), basierend auf Ihrem theoretischen Verständnis, und kann Ihre Kurven „glätten“.
Ausgabe von einer FDE
Ausgabe aus einem Kurven-DoE mit Fit Curve – Beachten Sie, wie die Zeitreihe jetzt geglättet wird, um einer „Logistic 3P“-Sigmoidkurve zu entsprechen
Lassen Sie mich wissen, ob das hilft.
Danke,
Ben
Betreff: Funktionale Versuchsplanung – Kategoriale FaktorenVielen Dank @Mark_Bailey Und @Ben_Ingham für eure schnellen Antworten 
Es hat mir wirklich geholfen, FDE besser zu verstehen und neue Ansätze zur Erforschung meiner Daten zu finden!
