I calcoli di potenza negli esperimenti sulle miscele sono affidabili?In un esperimento ternario su una miscela di 12 fattori, utilizzando uno speciale modello di Sheffé, ottengo solo il 5% della potenza dei componenti; ciò significa una probabilità del 95% che l'effetto dei componenti non possa essere osservato. I calcoli della potenza negli esperimenti su miscele sono affidabili tenendo conto dell'elevata collinearità tra i fattori?
Progettazione degli esperimentiRe: I calcoli di potenza negli esperimenti sulle miscele sono affidabili?Sì, sono affidabili. Innanzitutto, la potenza è bassa a causa dell'elevato grado di correlazione intrinseco tra le stime. In secondo luogo, qualsiasi vincolo sui singoli componenti o sulle combinazioni di componenti aumenta ulteriormente le correlazioni, il che riduce la potenza. In terzo luogo, di solito non ci aspettiamo che un progetto di miscela ci indichi quali componenti siano significativi. Tutti i componenti cambiano insieme, non indipendentemente, quindi è impossibile attribuire significatività. Gli esperimenti di miscela sono solitamente volti a predire a fini esplorativi o di ottimizzazione.
Re: I calcoli di potenza negli esperimenti sulle miscele sono affidabili?Ciao @frankderuyck ,
I progetti di miscele sono progetti di ottimizzazione, non di screening. Un progetto di miscele viene generalmente eseguito se il numero di fattori è basso e/o è noto che i componenti hanno un effetto sulla/e risposta/i. Pertanto, i calcoli di potenza non sono una metrica sensata (anche se "affidabile") che userei per valutare/confrontare i progetti di miscele. Provate a utilizzare metriche predittive come il profilo di varianza di previsione , il grafico della frazione dello spazio di progettazione , la superficie di varianza di previsione e la diagnostica di progettazione : efficienza G relativa (correlata alla varianza massima di previsione nello spazio sperimentale) e varianza media della previsione per valutare e confrontare i progetti di miscele.
Inoltre, poiché un progetto di miscela coinvolge fattori linearmente dipendenti (somma = 100% o 1), questa situazione crea multicollinearità, che aumenta l'errore per le stime dei termini di effetto, ecco perché avresti una potenza molto bassa per i diversi effetti nel tuo modello.
Vedi altre discussioni pertinenti:
Progettazione personalizzata: miscela con variabili di processo. Come valutare la progettazione?
Dovrei prendere in considerazione l'analisi della potenza nel DOE?
Come utilizzare efficacemente il riepilogo degli effetti per una miscela DOE?
Spero che questa risposta ti sia d'aiuto,
Re: I calcoli di potenza negli esperimenti sulle miscele sono affidabili?Grazie Victor, la multicollinearità è fonte di previsioni di potenza inaffidabili
Re: I calcoli di potenza negli esperimenti sulle miscele sono affidabili?Infatti, poiché la miscela DOE è I-ottimale, la potenza non ha senso
