Niveau: Mittelstufe
Bradley Jones, JMP Distinguished Research Fellow, SAS
JMP 14 bietet mehrere neue Funktionen für Versuchsplanungen (DOE). Die wichtigste ist wohl das neue Design-Tool zur Erstellung balancierter unvollständiger Blockdesigns (BIBDs). Diese Designs umfassen einen Behandlungsfaktor und einen Blockierungsfaktor. Jede Behandlungsstufe kommt insgesamt gleich oft vor, und jede Behandlungsstufe tritt in einem Block gleich oft zusammen mit jeder anderen Behandlungsstufe auf. Dadurch entsteht eine besondere Art von Ausgewogenheit. Wir werden dieses Design genauer erläutern und die Benutzeroberfläche des neuen Tools vorstellen.
Der Custom Designer bietet nun zwei Optimalitätskriterien für die Generierung von A-optimalen und gewichteten A-optimalen Versuchsplänen. Ein A-optimaler Versuchsplan minimiert die durchschnittliche Varianz der Parameterschätzungen. Das A-Kriterium ähnelt dem bekannten D-Kriterium, da es die präzise Schätzung der Modellparameter in den Fokus rückt. A-optimale Versuchspläne bieten zwei Vorteile: Erstens ist die Funktionsweise des A-Kriteriums im Vergleich zum D-Kriterium leichter verständlich, was die Anwendung für neue Anwender der Versuchsplanung erleichtert. Zweitens ermöglichen gewichtete A-optimale Versuchspläne die unterschiedliche Gewichtung verschiedener Parametergruppen. Beispielsweise können rein quadratische Effekte gegenüber Zwei-Faktor-Wechselwirkungen und beides gegenüber der Schätzung von Haupteffekten stärker gewichtet werden.
Das Tool „Designs vergleichen“ unterstützt nun bis zu fünf Designs in der Benutzeroberfläche und bis zu zehn Designs per Skript. Zuvor lag die Grenze bei drei Designs. Wir demonstrieren diese zusätzliche Funktion anhand eines Beispiels für die Benutzeroberfläche und eines Skriptbeispiels, das die neuen A-optimalen und gewichteten A-optimalen Designs beinhaltet.
