809996_it-IT

liliconcom

Tutorial per sviluppatori: come gestire efficacemente le covariate nella progettazione degli esperimenti.

(visualizza in I miei video)

• Che cos'è una covariata?
  • Variabili di input che vogliamo tenere in considerazione, ma su cui non abbiamo il controllo completo.
  • Incontrollato, ma osservabile in anticipo.
  • Approccio basato sul "set di candidati".
• Perché è importante per Custom Design?
  • Scambio di coordinate (progettazione personalizzata)
    • Inizia con un disegno "casuale".
    • Esamina il progetto elemento per elemento e apporta una modifica se ciò migliora i criteri.
    • Ripetere.
    • Non è richiesto un gruppo di candidati.
  • Scambio di fila
    • PROC OPTEX (SAS)
    • Inizia con un insieme di possibili sequenze di esecuzione candidate.
    • Il progetto iniziale è un sottoinsieme dell'insieme dei candidati.
    • Valuta la possibilità di scambiare le righe non previste nel progetto, effettuando lo scambio se ciò migliora i criteri.
• Prima di JMP 16 (a partire da JMP 10)
  • Scambio di righe sulle covariate (D-ottimalità).
  • Scambio di coordinate sui fattori controllabili.
  • Le covariate sono state fissate fin dall'inizio e non potevamo tornare indietro per vedere se c'era qualcosa di meglio.
• JMP 16
  • Approccio ibrido con scambio di righe o scambio di coordinate durante la fase di progettazione.
  • Consente di considerare diversi criteri di ottimalità per le covariate.
  • Maggiore flessibilità nella creazione dei tuoi progetti (il meglio di entrambi i mondi).
  • Molto più visibile all'utente.
  • Come usare
    • Non richiede JMP Pro.
    • È necessaria una tabella di dati con l'insieme dei candidati (covariate con le nostre possibili esecuzioni).
    • Aggiungi covariate in Progettazione personalizzata utilizzando Aggiungi fattore->Covariata (JMP 10+) o la struttura "Covariate/Set di candidati" (JMP 16+).
• Due casi d'uso tipici
  • Utilizzando tutte le righe
    • Per le nostre unità sperimentali disponiamo di fattori osservabili e incontrollabili di cui vogliamo tenere conto.
    • Vogliamo imporre una struttura specifica per un sottoinsieme di input (che possono anche essere controllabili).
  • Scelta di un sottoinsieme di righe
    • Scegli un sottoinsieme ottimale (NON un sottoinsieme casuale).
    • Ottimizzare le informazioni a nostra disposizione in base al budget disponibile.

• Esempio 1 - Utilizzo di tutte le righe

  • Vogliamo 12 sequenze, 5 fattori a 2 livelli, ma il fattore A richiede 2/3 dei livelli a "L1" e 1/3 a "L2".

• Esempio 2 - Utilizzo di tutte le righe
  • Utilizzando il dataset Big Class, si desidera assegnare uno dei due trattamenti a ciascuno studente.
  • Vogliamo tenere conto del sesso, dell'altezza e del peso.
• Esempio 3 - Utilizzo di tutte le righe
  • Blocchi di dimensione 4, una variabile categoriale a 8 livelli e 4 fattori continui.
  • 56 punti in totale.
  • Per iniziare, utilizza un disegno a blocchi incompleti bilanciato (BIBD).

• Esempio 4 - Utilizzo di un sottoinsieme di righe

  • Vorrei selezionare solo 20 studenti dalla classe numerosa.

  • E se ci fossero degli studenti specifici che vorremmo assolutamente selezionare?

  • Aggiungi l'etichetta del lotto, ma rimuovila dal modello.

Covariata.JPG

Risorse

• Meyer, RK, & Nachtsheim, CJ L'algoritmo di scambio di coordinate per la costruzione di progetti sperimentali ottimali esatti. Tecnometria , 37 (1), 60-69, 1995. Versione PDF .
• Fedorov, VV Teoria degli esperimenti ottimali . Academic Press, New York, 1992.
• Goos, P. e Jones, B. Progettazione ottimale degli esperimenti - Un approccio basato su casi di studio , Wiley, 2011.
• Come creare un progetto sperimentale robusto rispetto a un trend temporale lineare nella risposta ( blog di Bradley Jones).
• Documentazione JMP sulla covariata DOE
• Lista dei desideri per JMP: Suggerimenti per il nostro team di sviluppo su ciò di cui la vostra organizzazione ha bisogno per sfruttare al meglio JMP.

Progettazione degli esperimenti