Conception d'augmentation du DOE avec covariablesQu'est-ce qui a motivé cette demande de liste de souhaits ? Les unités expérimentales avec des covariables connues (fixes) doivent être recrutées et randomisées en fonction du ou des facteurs au fil du temps afin qu'elles soient indépendantes (ou « équilibrées ») pour les covariables. Actuellement, il n'existe pas de moyen automatisé de le faire dans JMP 18.
Quelle amélioration souhaiteriez-vous voir ? J'aimerais que JMP autorise les covariables dans la plateforme Augment Design afin que de nouvelles unités expérimentales avec des covariables fixes connues puissent être randomisées pour concevoir des facteurs qui maintiennent l'équilibre de la conception existante.
Pourquoi cette idée est-elle importante ? Elle est importante pour concevoir des études avec des covariables connues importantes et un recrutement échelonné.
Études de marché et de consommationPlanification d'expériencesRé: Conception d'augmentation du DOE avec covariables - Statut modifié en : ReconnuMerci d'avoir soumis cette suggestion. Nous l'évaluons en vue d'une prise en compte dans une future version.
Re: Plan d'expérience augmenté avec covariablesIl semble que cela soit déjà possible, dans une certaine mesure. J'ajouterais une autre idée à cette demande : les covariables partielles. Autrement dit, j'ai un tableau de covariables, mais certaines d'entre elles n'ont pas de niveaux de facteur spécifiés. Il serait intéressant de pouvoir les inclure et de laisser JMP compléter les niveaux de facteur manquants à l'aide d'une approche de conception optimale. Par exemple, je planifie une étude expérimentale (DOE), j'élabore un plan initial qui fait consensus, puis un ou plusieurs facteurs supplémentaires sont ajoutés. Certaines simulations prédéfinies (par exemple, les combinaisons de cas les plus défavorables attendues, les points centraux) doivent être incluses dans le plan ; les niveaux de facteur correspondants seraient donc fixés pour les nouveaux facteurs. Plutôt que de recommencer, je souhaiterais utiliser le plan initial, en le traitant comme des covariables, puis compléter les niveaux de facteur manquants pour les nouveaux facteurs afin d'obtenir un plan optimal.
