¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Hola,
Obtuve un diseño de pantalla definitiva para un experimento DOE de ChatGPT 4.0. Parece razonable (después de varias discusiones). ¿Puede JMP verificar si el Diseño de Pantalla Definitivo es aceptable? Si ya tengo un diseño de Pantalla Definitiva, ¿puedo usarlo y luego evaluar los resultados experimentales de dichas mediciones mediante JMP? ¿O JMP sólo evalúa sus propios Diseños?
Diseño de experimentosRe: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Hola @Thommy7571 ,
Primer punto: si tiene JMP, le recomiendo encarecidamente usarlo en lugar de depender de modelos de lenguaje grandes para crear su DoE, ya que los LLM no pueden (por diseño) razonar, planificar y calcular. En términos generales, no utilice un LLM cuando espere un hecho, un cálculo o un análisis. Dependiendo del conjunto de entrenamiento, puede proporcionar respuestas aceptables, pero no siempre es así (y puede que no sea reproducible).
En la propia tabla de datos, también hay varios aspectos a verificar, como:
- Presencia de 3 niveles para cada factor continuo (-1, 0, 1),
- Los tramos del diseño vienen en pares plegables con un tramo al menos en el centro del espacio experimental.
Si tiene un conjunto de datos y desea comprobar cómo está organizado, le recomendaría utilizar la plataforma Evaluate Designs (jmp.com) . Hay varios aspectos que usted puede notar al utilizar un Diseño de Detección Definitivo y evaluarlo:
- Al observar el análisis de potencia para efectos principales, debería tener los mismos (o muy similares) valores de potencia para los mismos tipos de factores (aquí X1 a X5 son continuos, X6 es categórico con 2 niveles):
- Mapa de colores en Correlaciones: no debe haber correlaciones entre los efectos principales y entre los efectos principales y las interacciones de 2 factores, por lo que terminará con este tipo de patrón:
Aquí tengo una correlación muy pequeña en el área de efectos principales debido a la presencia del factor categórico X6, pero si solo tienes factores continuos, no tendrás este pequeño borde. Mirar la matriz de alias también puede ayudar a verificar si no hay confusión completa (que podría estar presente en los diseños factoriales clásicos).
- Observar una matriz de diagrama de dispersión también puede ayudar a ver la estructura particular del DSD y la ausencia de correlación entre factores:
Vea más aquí: Presentación de diseños de cribado definitivos - Comunidad de usuarios de JMP
Finalmente, si tiene JMP y aún desea verificar el diseño generado por ChatGPT 4, puede generar un DSD con JMP con la misma configuración y número de factores, y usar la plataforma Comparar diseños (jmp.com) para verificar si hay irregularidades. o diferencias fuertes.
Espero que esta respuesta pueda ayudarte,
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Respuesta corta: JMP puede evaluar cualquier conjunto de datos. Si hay algo que ganar con el análisis es una cuestión diferente.
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Hola, gracias por la respuesta. Quizás ChatGPT no sea óptimo, pero existen otras opciones, ya sea otro programa o el diseño de un colega. Entonces, ¿esto significa que puedo crear un diseño usando otro software y luego probarlo, editarlo y usarlo con JMP? Sería bueno si también existiera la posibilidad de editar posteriormente un diseño estándar (no aleatorio), es decir, agregar varios puntos centrales, aleatorizar, etc. ¿Es eso posible?
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?La respuesta corta es sí'. Puede importar casi cualquier diseño a JMP. La ruta general sería crear el diseño en cualquier aplicación original y luego guardarlo en algún formato de archivo. JMP tiene la capacidad de importar de forma nativa muchos, muchos formatos de archivos diferentes. Ver la documentación. Al menos, guarde el archivo en algún formato de uso común, por ejemplo, una hoja de trabajo .xls y luego será tan fácil como copiar y pegar en JMP. Una vez que el diseño está en una tabla de datos JMP, es completamente editable como cualquier otra tabla de datos JMP.
Ahora bien, aquí está el trato... cuando creas un diseño de forma nativa usando JMP... se crean muchos metadatos junto con las simples combinaciones de tratamiento de Jane. JMP utiliza estos metadatos en segundo plano para todo tipo de cosas relacionadas con la visualización y el análisis. Por lo general, ninguno de los metadatos viene con el archivo importado... por lo que puede terminar dedicando mucho tiempo a agregar los metadatos a cada columna para que JMP se comporte como le gustaría en su flujo de trabajo de análisis, resultados e informes JMP.
Así que mi pregunta moraleja de la historia es... si ya tienes JMP para hacer el análisis... ¿por qué irías a otro lugar para crear el diseño? Simplemente no tiene sentido para mí. La única razón que se me ocurre es que alguien más creó el diseño. Ejecutó el experimento y ahora le pide que analice los resultados.
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?@Victor_G , advertencia, pregunta de novato y disculpa por secuestrar esta conversación. Lo que me sorprende con DSD en JMP es que el número de ensayos para los primeros 6 factores agregados a un diseño permanece invariablemente en 17. Sólo con el séptimo factor el número de ensayos aumenta a 21. Para completar, incluí una fila para uno factor, aunque esto tiene un sentido limitado.
| Factores | Bloques | Nro. de carreras extra
(valor predeterminado de JMP) | Ensayos
(total) | Fuerza
(interceptar) | Fuerza
(cualquier término excepto interceptar) |
| 1 | 1 | 4 | 17 | 0,97 | 0,937 |
| 2 | 1 | 4 | 17 | 0,969 | 0,935 |
| 3 | 1 | 4 | 17 | 0,967 | 0,932 |
| 4 | 1 | 4 | 17 | 0,965 | 0,929 |
| 5 | 1 | 4 | 17 | 0,963 | 0,925 |
| 6 | 1 | 4 | 17 | 0,959 | 0,92 |
| 7 | 1 | 4 | 21 | 0,988 | 0,975 |
| 8 | 1 | 4 | 21 | 0,987 | 0,973 |
| 9 | 1 | 4 | 25 | 0,997 | 0,992 |
| 10 | 1 | 4 | 25 | 0,996 | 0,992 |
Preguntas:
- ¿Por qué JMP sugiere tantas ejecuciones con muy pocos factores y por qué el número de ejecuciones comienza a cambiar solo después de introducir el séptimo factor?
- Al observar el análisis de poder de los factores, la reducción incremental del primer al sexto factor parece marginal. ¿Por qué?
- ¿Hay algo que estoy entendiendo mal?
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Hola @Thommy7571 ,
Sí, puedes evaluar cualquier diseño con la plataforma Evaluate Designs (jmp.com) .
Puedes comparar varios diseños con la plataforma Compare Designs (jmp.com) .
Finalmente, si desea cambiar rangos de factores, términos de modelo, restricciones, agregar puntos centrales, réplicas o cualquier cosa, puede usar la plataforma Augment Designs (jmp.com) . La aleatorización siempre se propone al final de cualquier construcción de diseño, antes de crear la tabla de datos:
Hay varios ejemplos en la sección de Ayuda de JMP sobre casos de uso para aumentar un diseño: replicar un diseño, agregar puntos centrales, doblar, puntos axiales, aumento de relleno de espacio.
Todas estas operaciones se pueden realizar con cualquier diseño de cualquier fuente, siempre que pueda cargar los datos en un formato que JMP reconozca: Importe sus datos (jmp.com). Pero, como menciona @P_Bartell , es posible que tenga que hacer alguna preparación manual. Propiedades de la columna de factores y respuestas para agregar propiedades específicas que ayuden a JMP a reconocer cómo tratar los factores y las respuestas del DoE: Propiedades de columna (jmp.com)
Espero que esta respuesta responda a tus preguntas.
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Sí, tus respuestas siempre son útiles. ¡Gracias!
Re: ¿Verificar y utilizar el diseño de pantalla definitiva existente con JMP?Hola @Ressel ,
Recomiendo encarecidamente leer las publicaciones del blog de Bradley Jones sobre DSD para comprender mejor su uso:
Presentación de diseños de cribado definitivos
Uso adecuado e inadecuado de los Diseños de Detección Definitivos (DSD)
Sobre tus preguntas:
- Los DSD no se crearon como un enfoque de detección "único para todos", sino que tenían como objetivo optimizar y reducir el número de ejecuciones para experimentos de detección que involucraban más de 5 factores. Debajo de 5 factores, existen alternativas de diseño "mejores" o más adecuadas para el cribado: diseños D-óptimo, diseños de cribado clásicos o incluso diseños de Superficie de Respuesta.
Por debajo de 7 factores, JMP está creando un DSD con ejecuciones mínimas requeridas para 7 factores (17 ejecuciones) y considera los factores no utilizados como "factores falsos" para aumentar la potencia. Eso explica por qué hay una pequeña disminución de potencia en diseños que involucran de 2 a 6 factores, ya que cuantos más factores se utilizan en el diseño experimental, menos ejecuciones adicionales están disponibles para aumentar la potencia y la precisión de la estimación de términos. Para el séptimo factor, es necesario agregar carreras adicionales (4 recomendadas por JMP) para aumentar la potencia, ya que ya no hay factores falsos.
- El número mínimo de ejecuciones evoluciona linealmente para los DSD dependiendo del número de factores m:
- 2m+1 cuando el número de factores m es par,
- 2m+3 cuando el número de factores m es impar.
Esto explica por qué los diseños con 7 y 8 factores, o 9 y 10 factores, tienen el mismo número requerido de corridas.
- Las 4 ejecuciones adicionales recomendadas por JMP corresponden a agregar 2 factores falsos en un DSD. Puedes hacer la prueba y comparar los diseños (DSD con 4 ejecuciones adicionales y DSD con 2 factores falsos), deberían ser idénticos:
Espero que esta respuesta te ayude:)
