Query sulla generazione del DOE con quattro variabili (a 2 livelli) e sull'analisi di 2 variabili alla voltaCiao:
Ho variabili a 4, 2 livelli e stavo pianificando di eseguire un'esecuzione DOR fattoriale completa senza replicare.
Quindi 16 corse.
Invece di analizzare il risultato per quattro variabili, cosa succede se analizzo solo due variabili alla volta, questo mi darà un totale di sei DOE da analizzare all'interno dello stesso set di 16 esperimenti ma ciascuno con 4 repliche ora.
Variabili: A, B, C, D
invece di analizzare insieme ABCD, cosa succede se analizzo AB, AC, AD, BC, BD, CD.
In questo modo posso vedere quali fattori e interazioni sono significativi.
Credo che l'analizzatore DOE faccia lo stesso, ma perché si suggerisce sempre di avere più repliche?
Mi sto perdendo qualcosa o la mia comprensione è difettosa da qualche parte.
Il tuo aiuto è molto apprezzato.
Modellazione statistica avanzataProgettazione di esperimentiRi: Query sulla generazione di DOE con quattro variabili (a 2 livelli) e sull'analisi di 2 variabili alla voltaCiao @VarunK ,
Ci sono diverse domande nel tuo post, quindi farò del mio meglio per rispondere passo dopo passo.
Informazioni sull'uso del disegno fattoriale completo e cosa aspettarsi da esso:
Se hai intenzione di eseguire un disegno fattoriale completo su 4 fattori continui con 2 livelli con 16 esecuzioni, ciò significa che presumi che il tuo modello completo a priori conterrà l'intercetta, i 4 effetti principali (per ciascun fattore) e le 6 interazioni tra 2 fattori. In totale, hai 11 termini da stimare, quindi ti restano ancora 5 gradi di libertà per valutare l'errore: Analisi della varianza
Consiglierei di iniziare prima con il modello completo, poiché è il modello presupposto a priori e potrebbe fornirti una migliore panoramica della pertinenza e dell'influenza dei diversi termini, invece di ripetere il modello adattandolo a molte combinazioni diverse senza alcuna conoscenza pregressa (questo richiederebbe più tempo e potresti rimanere confuso da modelli diversi o contrastanti).
Naturalmente, a seconda dei risultati, questo modello completo potrebbe non essere quello più appropriato o pertinente e potrebbe non esistere un unico modello che possa rispondere alle tue esigenze.
Inoltre, se uno (o più) fattori e i termini di ordine superiore associati (effetto di interazione) non hanno influenza sul modello, le esecuzioni corrispondenti alla stima di questi effetti possono essere proiettate nello spazio dimensionale inferiore, facendole sembrare si replica. Questa è chiamata proprietà di proiezione dei disegni fattoriali e il motivo (insieme al principio della scarsità degli effetti) per cui i disegni di screening/disegni fattoriali frazionari possono essere molto potenti e flessibili. Diversi collegamenti sono disponibili su Internet se vuoi saperne di più: Classical Designs-Fractional Fractorial Designs Rev1.pdf (afit.edu)
Proprietà di proiezione dei disegni fattoriali per lo screening fattoriale | SpringerLink
E ho anche fatto un post su LinkedIn per spiegare in modo intuitivo come funziona attraverso un confronto con shadowgraphy: https://www.linkedin.com/posts/victorguiller_designofexperiments-statistics-dataanalytics-activity-7155469237921153025-ul7E
L'aggiunta di repliche è una buona tecnica per migliorare la stima dei parametri/coefficienti, ma può aumentare notevolmente il budget sperimentale. Per fornire una maggiore flessibilità, e a seconda della piattaforma utilizzata, è possibile utilizzare replica (replica completa del progetto) o replicate run (replica di un certo numero di esecuzioni). Per ulteriori informazioni su questa differenza di replica e sui vantaggi delle repliche, vedere https://community.jmp.com/t5/Discussions/Doe-and-replications/mp/565296/highlight/true#M77731
Informazioni su come analizzare la tua DoE:
A seconda dei tuoi obiettivi, potresti avere percorsi diversi per la valutazione e la selezione dei modelli:
- Modello esplicativo : in una modalità esplicativa, sei più concentrato sui termini che hanno una certa influenza sulle risposte, quindi potresti valutare la necessità di includere i diversi termini in base alla significatività statistica (con l'aiuto di p- valori e una soglia predefinita per esso come 0,05) e significato pratico (dimensione delle stime, selezione basata sulle competenze del settore). R², R² corretto (e la differenza tra i due, che deve essere ridotta al minimo) potrebbero essere buoni parametri per comprendere quanta variazione è spiegata dai termini identificati e selezionare i modelli pertinenti per spiegare il sistema in esame.
- Modello predittivo : in modalità predittiva, ti concentri maggiormente sui termini che ti aiutano a ridurre al minimo gli errori di previsione, quindi potresti valutare la necessità di includere i diversi termini in base a come ciò migliora le prestazioni predittive, attraverso la visualizzazione del rapporto reale vs. grafico predittivo e dimensione degli errori (grafico dei residui). L'RMSE potrebbe essere una buona metrica per valutare quali modelli hanno le migliori prestazioni predittive (l'obiettivo è ridurre al minimo l'RMSE).
Potrebbe anche interessarti una combinazione delle due parti, quindi potrebbero essere utilizzate metriche diverse per aiutarti a valutare e selezionare i modelli, come i criteri di informazione (AICc, BIC) che aiutano a trovare un compromesso tra le prestazioni predittive del modello e la sua complessità. Per valutare e selezionare un modello in base a questi criteri, più basso è, meglio è. Potresti anche utilizzare la massima verosimiglianza che è simile ma non include una penalità per la complessità del modello.
Come puoi vedere, potrebbero esserci diversi modi per valutare e selezionare i modelli più rilevanti.
Spero che questa risposta ti aiuti ad avere una panoramica di cosa provare successivamente per il tuo caso d'uso.
Re: Query sulla generazione di DOE con quattro variabili (a 2 livelli) e analisi di 2 variabili alla voltaMmm, mi dispiace discutere, ma non è corretto. Se si esegue un fattoriale completo su 4 fattori a 2 livelli, i 15 DF vengono assegnati come segue:
4 DF: 4 effetti principali,
6 DF: 6 effetti di interazione del 2° ordine,
4 DF: 4 effetti di interazione del 3° ordine,
1DF: effetto di interazione del 4° ordine.
Non ci sono DF per la stima dell'errore. Il fatto che si escludano gli effetti di ordine superiore dal modello non li rende stime indipendenti dell'errore.
Re: Query sulla generazione di DOE con quattro variabili (a 2 livelli) e analisi di 2 variabili alla volta@statman , sono d'accordo sul lato teorico, ma sul lato pratico e per impostazione predefinita, JMP presuppone un modello con solo effetti di secondo ordine quando si crea un disegno frazionario completo (quindi solo effetti principali e interazioni a 2 fattori).
Ho appena controllato anche per essere sicuro prima di postare;)
