Análisis de datos sobre el plan de mezcla.Buenos días a todos,
Intenté hacer una especie de plan de mezcla usando un script que me proporcionó un experto de JMP.
El script me permite tener 10 componentes (a1, a2 - b1, b2, b3, b4 - c1, c2 - d1, d2) y mi mezcla estaría compuesta únicamente por:
a1 o a2 o 0
b1 o b2 o b3 o b4 o 0
c1 y/o c2
d1 o d2 o 0
Al elegir los pasos, el guión me proporcionó una tabla de experimentos para hacer (que enriquecí con nuevos experimentos y los componentes puros porque tenía coeficientes sesgados).
Para la explotación del modelo, utilicé un modelo de grado 2. Esperaba que no funcionara con tan pocos experimentos para tantos coeficientes, pero en ciertas propiedades funcionó.
Tomé 2 propiedades como ejemplo.
En p2, el ajuste funciona bien, tengo un modelo que encaja bien en observación y predicción.
En p4, el ajuste funciona bien en observación, pero tengo EC enormes y la predicción funciona mal con una presión de r² < 0.
¿Tiene algún comentario o una solución para mejorar la calidad de mi modelo?
Le agradezco de antemano
Modelado estadístico avanzadoAnálisis y modelado de datos básicosExploración y visualización de datosDiseño de experimentosRe: Análisis de datos sobre diseño de mezclas.Lo siento, pero no estoy seguro de lo que hiciste. ¿Ni siquiera estoy seguro de que sea un diseño mixto? Estoy confundido acerca de los factores. ¿Existen realmente 4 componentes a, b, c, d? ¿Son a1 y a2 niveles diferentes de a? ¿El factor b tiene 4 niveles? Si es así, su tabla de datos no está configurada correctamente. ¿Tampoco entiendes lo que quieres decir con " que enriquecí con nuevos experimentos y componentes puros porque tenía coeficientes sesgados"?
El análisis de diseños de mezclas no sigue el análisis de diseño experimental típico. Los diseños de mezclas tendrán multicolinealidad, por lo que la interpretación de las estadísticas es un poco más desafiante. Esto se debe a que los componentes de un diseño de mezcla no son independientes. A medida que cambia el nivel de 1 factor, esto afecta los niveles de los otros factores. La suma de los componentes de la formulación = 1.
https://www.jmp.com/support/help/en/17.2/?os=mac&source=application#page/jmp/mixture-designs.shtml
Utilizo principalmente el perfilador de superficies de mezclas para analizar diseños de mezclas.
Re: Análisis de datos sobre diseño de mezclas.Y para agregar a las preguntas de @statman , ¿cuántas ejecuciones generales se realizaron? ¿Por qué pondrías a1*a2 en el modelo cuando nunca tuviste a1 y a2 en la misma combinación? ¿JMP está siquiera analizando esto como una mezcla? No estoy seguro de que sea así, pero debe comprobarlo mirando la tabla Análisis de varianza y viendo el mensaje: Probado con el modelo reducido Y=media. El modelo para p2 puede parecer bueno, pero es claramente un modelo sobreespecificado, por lo que probablemente esté sobreajustando. Eso significa que el modelo no predeciría muy bien observaciones futuras. Cada vez que sus estimaciones de parámetros contienen las palabras "Puesta a cero" y "Sesgado", JMP elimina automáticamente términos del modelo para obtener resultados. No hay garantía de que se hayan eliminado los términos correctos. Por lo tanto, nunca debes confiar en los resultados cuando veas esas palabras en tu tabla de estimaciones de parámetros.
Puede resultarle útil adjuntar su tabla de datos para poder examinarla más de cerca. Están sucediendo muchas cosas muy inusuales con este "diseño".
Re: Análisis de datos sobre diseño de mezclas.Hola,
Gracias por tus comentarios.
Puedo confirmar que este es efectivamente un diseño mixto con 10 factores.
a, b, cyd son un tipo de componente y el número asociado es un subtipo, no un nivel. Puedes ver, la suma de cada fila es = 1
Pero incluí esas restricciones porque, por ejemplo, quería evitar a1 y a2 o b1 y b2 en mi combinación. Imaginemos una receta de repostería: es posible que quiera incluir una fruta en mi receta. Podría ser ralladura de limón (a1) o jugo de naranja (a2), o ninguno de los dos. De hecho, se trata de dos componentes distintos y no de variables categóricas.
" que enriquecí con nuevos experimentos y componentes puros porque tenía coeficientes sesgados "
Quise decir que agregué una nueva ejecución porque el coeficiente para a1, a2... no estaba definido con precisión. Entonces agregué la ejecución con el 100% de a1, a2.... para tener el valor real de esos coeficientes.
Con el mismo propósito, como tenía muchos coeficientes sesgados, hice nuevas ejecuciones para obtener un valor pero, como dije, la desviación estándar sigue siendo alta y no tengo una buena predicción.
Re: Análisis de datos sobre diseño de mezclas.Hola,
Gracias por su respuesta. El script me dio 36 o 40 ejecuciones y agregué muchas ejecuciones porque el coeficiente para a1, a2... no estaba definido con precisión. Entonces agregué la ejecución con el 100% de a1, a2.... para tener el valor real de esos coeficientes.
No puse a1*a2 en mi modelo (es = 0).
Adjunté el archivo.
