430161_es-ES

liliconcom

Tutorial para desarrolladores: manejo eficaz de covariables al diseñar experimentos

• ¿Qué es una covariable?
  • Variables de entrada que queremos tener en cuenta, pero que no tenemos control total.
  • Incontrolado, pero observable antes de tiempo.
  • Enfoque del "conjunto de candidatos".
• ¿Por qué es importante para el diseño personalizado?
  • Intercambio de coordenadas (diseño personalizado)
    • Comience con un diseño "aleatorio".
    • Revise el diseño elemento por elemento y haga un cambio si mejora el criterio.
    • Repetir.
    • No se requiere un conjunto de candidatos.
  • Intercambio de filas
    • PROC OPTEX (SAS)
    • Comience con un conjunto candidato de posibles ejecuciones.
    • El diseño inicial es un subconjunto del conjunto candidato.
    • Considere intercambiar filas que no estén en el diseño y realice el cambio si mejora el criterio.
• Antes de JMP 16 (comenzando con JMP 10)
  • Intercambio de filas en las covariables (optimidad D).
  • Intercambio de coordenadas sobre los factores controlables.
  • Las covariables se arreglaron desde el principio y no pudimos volver atrás para ver si hay algo mejor.
• JMP 16
  • Enfoque híbrido con intercambio de filas o intercambio de coordenadas a medida que avanzamos en el diseño.
  • Permite considerar diferentes criterios de optimización para las covariables.
  • Más flexibilidad para la creación de su diseño (lo mejor de ambos mundos).
  • Mucho más visible para el usuario.
  • Cómo utilizar
    • No requiere JMP Pro.
    • Necesita una tabla de datos con un conjunto de candidatos (covariables con nuestras posibles ejecuciones).
    • Agregue covariables en Diseño personalizado usando Agregar factor->Covariable (JMP 10+) o el esquema "Covariables/Conjunto de candidatos" (JMP 16+).
• Dos casos de uso típicos
  • Usando todas las filas
    • Tenemos factores observables e incontrolables para nuestras unidades experimentales que queremos tener en cuenta.
    • Queremos forzar una estructura particular para un subconjunto de entradas (que incluso pueden ser controlables).
  • Elegir un subconjunto de filas
    • Elija un subconjunto óptimo (NO un subconjunto aleatorio).
    • Maximizando nuestra información para nuestro presupuesto.

• Ejemplo 1: usar todas las filas

  • Queremos 12 carreras, 5 factores de 2 niveles, pero el factor A necesita 2/3 de los niveles en "L1" y 1/3 en "L2".

• Ejemplo 2: uso de todas las filas
  • Utilice el conjunto de datos de Big Class; desea asignar uno de 2 tratamientos a cada estudiante.
  • Queremos tener en cuenta el género, la altura y el peso.
• Ejemplo 3: uso de todas las filas
  • Bloques de tamaño 4, categórico de 8 niveles y 4 factores continuos.
  • 56 carreras en total.
  • Utilice un diseño de bloques incompletos equilibrados (BIBD) para comenzar.

• Ejemplo 4: uso de un subconjunto de filas

  • Solo quiero elegir 20 estudiantes de Big Class.

  • ¿Qué pasa si hay ciertos estudiantes que queremos asegurarnos de que sean elegidos?

  • Agregue la etiqueta del lote, pero elimínela del modelo.

Recursos

• Meyer, RK, y Nachtsheim, CJEl algoritmo de intercambio de coordenadas para construir diseños experimentales óptimos exactos.Tecnometria , 37 (1), 60-69, 1995.versión PDF .
• Fiódorov, VV Teoría de experimentos óptimos . Prensa académica, Nueva York, 1992.
• Goos, P y Jones, B. Diseño óptimo de experimentos: un enfoque de estudio de caso , Wiley, 2011.
• Cómo crear un diseño de experimento que sea robusto a una tendencia temporal lineal en la respuesta blog de Bradley Jones.
• Documentación JMP en covariable DOE
• Lista de deseos de JMP: Productos sugerencias para nuestro equipo de desarrollo sobre lo que su organización necesita para aprovechar al máximo JMP.

Diseño de experimentosRe: Tutorial para desarrolladores: Manejo eficaz de covariables al diseñar experimentos

Hola mike @H2OSUP ,

Si selecciona esos 3 lotes de la tabla en Diseño personalizado (o solo tiene seleccionados los 3 en la tabla de datos cuando carga las covariables), marcar "Incluir todas las filas de covariables seleccionadas en los diseños" debería hacer lo que desea:

Salud,
ryan

 

Re: Tutorial para desarrolladores: Manejo eficaz de covariables al diseñar experimentos

@Ryan_Lekivetz

 

Buenos días Ryan,

 

Estoy diseñando un experimento con covariables. Me gustaría especificar tres de los lotes para usar en el DOE y dejar que el software elija el resto. Pensé que esto se podía hacer en versiones anteriores pero no veo cómo hacerlo en mi versión actual (JMP Pro 16.2.0). Se puede hacer esto? Gracias.

 

Miguel