こんにちは@巨大なP値 、
コミュニティへようこそ！
複製 (積み重ねられたテーブル) と繰り返し (分割されたテーブル) を区別しているかどうかはよくわかりません。
繰り返しと複製の違い 繰り返しとは、同じ実験実行で複数の応答測定を行うことです (データテーブル内の同じサンプル/行、このサンプルで行われた各測定の複数の列) 。一方、複製とは、各処理の組み合わせに対して複数の実験実行 (データテーブル内の複数のサンプル/行) を行うことです。
- レプリケーションは、純粋エラーをより正確に推定し、パラメータをより正確に推定するために使用されます。レプリケートは新しい実行です。レプリケーションにより、すべての変動源 (実験 + 測定) が削減されます。
- 繰り返し測定は、測定のばらつきを減らし、測定の精度/正確さを高めるために使用できます。測定を繰り返すと、測定からのばらつきのみが減ります。
この重要な違いの詳細については、こちらをご覧ください： https://cdn.statease.com/media/public/documents/2021-08_Replicates_vs_Repeats.pdf
使用例に関して、複製について言及している場合は、 オーグメントデザインプラットフォームを使用してデザインを複製できます。Replicate a Design の例を参照してください。ただし、このプラットフォームを使用して拡張すると、元のデザインと同じ順序で複製実行が並べられたテーブルが作成されます (元の実行を指定した回数だけコピーして積み重ねるだけです)。ランダム化を改善するために使用すると興味深いオプションが 2 つあります。
- 複製を使用して設計を作成し、同時に実験を実行できる場合は、データテーブル全体をランダム化できます。 @jthi は昨日、サンプル サイズ 1 のランダム サブセットを使用して「テーブル サブセット」機能を使用してデータテーブルをランダム化する便利なトリックを見つけました。 データテーブルから行をランダム化する
- 実験を同時に実行できない場合は、ブロッキング ランダム効果を追加して反復回数を特定し、各反復内で実行をランダム化すると効果的です。こうすることで、モデル内の反復間の変動を考慮できます。
「実行」と処理の組み合わせによる反復を平均化しないでください。反復は個別の新しい実行であり、自由度を高めていくつかの効果をより簡単に検出できるようにします。それらを平均化すると、この重要な利点が失われます。
質問が反復に関するものであり、複製に関するものではない場合は、さまざまな投稿でその処理方法について詳しく読むことができます。
DOE 分析に反復の標準偏差を含めることができますか?
サンプルの複数の測定値を実験設計に追加するにはどうすればよいですか?
繰り返しと複製を含むデータテーブルをどのように記述しますか
DOE - 反復と繰り返し
DOE 応答データに繰り返しを含める方法
基本的に、繰り返しシナリオでは、測定の繰り返しごとに測定列を追加し、これらの測定の平均値と、興味深いと思われる標準偏差にモデルを適合させることができます。
この回答がお役に立てば幸いです。
