Sind Leistungsberechnungen in Mischungsexperimenten zuverlässig?In einem ternären 12-Durchläufe-Mischungsexperiment mit einem speziellen Sheffé-Modell erhalte ich nur 5 % Leistung der Komponenten. Das bedeutet eine 95-prozentige Chance, dass der Komponenteneffekt nicht beobachtet werden kann? Sind Leistungsberechnungen in Mischungsexperimenten zuverlässig, wenn man eine hohe Kollinearität zwischen den Faktoren berücksichtigt?
VersuchsplanungBetreff: Sind Leistungsberechnungen in Mischungsexperimenten zuverlässig?Ja, sie sind zuverlässig. Erstens ist die Aussagekraft aufgrund der inhärent hohen Korrelation zwischen den Schätzungen gering. Zweitens verstärken jegliche Einschränkungen der einzelnen Komponenten oder Komponentenkombinationen die Korrelationen weiter, was wiederum die Aussagekraft verringert. Drittens erwarten wir in der Regel nicht, dass ein Mischungsdesign uns Aufschluss darüber gibt, welche Komponenten signifikant sind. Alle Komponenten ändern sich gemeinsam, nicht unabhängig voneinander, sodass es unmöglich ist, Signifikanz zuzuweisen. Bei Mischungsexperimenten geht es in der Regel um Vorhersagen für Explorations- oder Optimierungszwecke.
Betreff: Sind Leistungsberechnungen in Mischungsexperimenten zuverlässig?Hallo @frankderuyck ,
Mischungsdesigns sind Optimierungsdesigns, keine Screening-Designs. Ein Mischungsdesign wird im Allgemeinen durchgeführt, wenn die Anzahl der Faktoren gering ist und/oder bekannt ist, dass die Komponenten einen Einfluss auf die Antwort(en) haben. Daher sind Leistungsberechnungen kein sinnvolles (auch wenn „zuverlässiges“) Maß, das ich zur Bewertung/zum Vergleich von Mischungsdesigns verwenden würde. Versuchen Sie, prädiktive Maße wie das Vorhersagevarianzprofil , das Diagramm des Anteils des Designraums , die Vorhersagevarianzoberfläche und die Designdiagnose zu verwenden: relative G-Effizienz (bezogen auf die maximale Vorhersagevarianz über den experimentellen Raum) und durchschnittliche Varianz der Vorhersage, um Mischungsdesigns zu bewerten und zu vergleichen.
Da ein Mischungsdesign außerdem Faktoren umfasst, die linear abhängig sind (Summe = 100 % oder 1), entsteht in dieser Situation Multikollinearität, die den Fehler bei der Schätzung der Effektterme erhöht. Aus diesem Grund hätten Sie für die verschiedenen Effekte in Ihrem Modell eine sehr geringe Aussagekraft.
Siehe andere relevante Diskussionen:
Kundenspezifisches Design: Mischung mit Prozessvariablen. Wie wird das Design bewertet?
Sollte ich eine Leistungsanalyse im DOE in Betracht ziehen?
Wie kann die Wirkungszusammenfassung effektiv für eine Mischungs-DOE verwendet werden?
Hoffe, diese Antwort wird Ihnen helfen,
Betreff: Sind Leistungsberechnungen in Mischungsexperimenten zuverlässig?Danke Victor, indde Multikollinearität ist Quelle unzuverlässiger Leistungsvorhersage
Betreff: Sind Leistungsberechnungen in Mischungsexperimenten zuverlässig?Da die Mischung DOE I-optimale Leistung ist, macht es keinen Sinn
