混合計画での候補実行の追加こんにちは。混合計画に候補ランを含めることは可能ですか。 デザインに含めたかったランを 4 つ追加しようとしたとき。 それらも別の要因として考慮している。 それで、誰かがこれがどのように機能するかを説明してもらえますか？
実験計画法Re: 混合計画での候補実行の追加はい。 4 つの候補実行を含む別の表を作成し、[共変量係数の選択] ボタンを使用すると、これらの候補実行が (下部のチェック ボックスに応じて) 計画に考慮され、含められます。
Re: 混合計画での候補実行の追加ありがとう@Jed_Campbell 。 そこで私の質問は、なぜ JMP はそれらを異なる要素として扱うのかということです。 私の理解する限り、候補の実行とは、設計の一部として見たい要素のカスタム値を追加することを意味します。 私が間違っていたら修正してください。 そして私の場合、それらは混合因子ではなく共変量因子としてのみ扱われました。 私の質問があなたにとって明確であることを願っています。
前もって感謝します。
Re: 混合計画での候補実行の追加こんにちは@Mathej01 、
以前に提案されたオプションに関する追加情報:
の候補セットアプローチ、によって説明されています@Jed_Campbell (制約された) 実験空間を完全にカバーするデータ ポイントが多数ある場合に便利です。 4 つのポイントのみから開始して上記のオプションに従うと、目的にあまり適さないエラーや小さな設計が発生する可能性があります。
これら 4 つの初期実行を使用して、それを中心にデザインを構築することを検討します。オーグメントデザイン" プラットホーム。 このようにして、因子は異なる因子としてではなく、最初に説明されたとおりに維持されます (応答も同じです)。 Augment プラットフォームを起動する前に、混合因子の列プロパティを指定する必要がある場合があります。プロパティ「混合」、「設計の役割」、および「因子の変更」(最初のテーブルに存在しない場合)。
以下の例では、4 つの初期実行 (赤) がシェッフェ立方体計画で拡張され、8 つの追加実行 (青) が追加されています。
4 回の初期実行で作成したおもちゃのデータセットを使用して両方のアプローチを確認し、ユースケースに最適なものを確認してください。
この回答がお役に立てば幸いです。
Re: 混合計画での候補実行の追加こんにちは
ありがとう@Victor_G 。 あなたの答えが私の問題を解決するための1つのアプローチである可能性があると信じています。 しかし、私は候補者を立候補させるという概念を理解するのにすでに間違いを犯していたように思います。 含めたかった実行候補は、指定した因子 (混合因子) の制限内にすでに収まっていると思います。 そこで私の考えは、現在の配合の一部を run として含めたいということでした。 そして、合計 15 回の実行の計画を作成して、予測モデルを作成します。 これには何か意味がありますか?それともこの場合、実行候補を追加しても意味がありませんか?
もしそうなら、JMP はどのようにデザインを行うでしょうか。 それとも、候補の実行によって設計の効率が制限されるのでしょうか?
私の質問が明確だったことを願っています。
前もって感謝します。
Re: 混合計画での候補実行の追加こんにちは@mathej01 、
候補セットアプローチを使用するよりも、設計に「強制実行」を入れたいようですね。これには、カスタムデザインプラットフォームが目的のモデルに関して最も有益な実行を選択する可能性のあるすべての可能な実験の組み合わせの実行を含むテーブルが必要です。調査する。
Augment Design プラットフォームは、お客様のユースケースに適した選択肢となる可能性があります。 すでに行われた配合を含めるというあなたの選択をよく理解しています。Augment Design プラットフォームは、これらの初期実行からの情報を完全に処理し、指定したモデルに必要な情報を完成させるのに役立つ新しい実行を提供することができます。
私が提供するおもちゃのデータセットでは、4 つの初期実行を設計に拡張することでユースケースをテストできます ([新しい実行を別のブロックにグループ化] をチェックすると、初期セットと拡張セットの間の変動性の変化を評価することをお勧めします)の実験)、必要なモデルと合計の実行数 (たとえば、最初の 4 回の実行を含む 15 回の実行) を指定します。 示されている例では、Scheffe Cubic モデル (ブロッキングが有効になっている) を指定し、15 回の実行で設計提案を行うことができるため、これは理にかなっています。
設計の効率は、許容できる実行数、最初の実行によってもたらされる情報 (実験空間内の点の再分割)、想定するモデルの複雑さなど、さまざまなパラメータに関連しています。
したがって、あなたの質問に対する決定的な答えはないかもしれません。最善の方法は、別のシナリオ (初期実行を拡張して生成された設計、または最初から生成された設計) を試し、「」を通じて得られた設計を比較することです。デザインの比較" プラットホーム。
最初の 4 回の実行がすでに完了しているため、計画を増強する潜在的な利点の概要をよりよく理解できるようになります。つまり、15 回の実行で増強された混合計画と 11 回の実行の混合計画を最初から比較できることになります (可能であれば)。これ以上の実行を行う余裕はありません)、この追加情報の恩恵を受けて、用語推定の精度が向上し、予測パフォーマンスが向上し、より複雑なモデルを想定できるようになります。
この回答がお役に立てば幸いです。
