En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar los términos del modelo) no es simplemente la suma de la cantidad de ejecuciones enEn un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se observa que el número de ejecuciones experimentales recomendadas para el diseño aumentado (después de añadir los términos del modelo) no es simplemente la suma del número de ejecuciones del experimento original y el número de términos del modelo recién añadidos. ¿Cómo se debe calcular el número de ejecuciones experimentales recomendadas al realizar un diseño aumentado que incluye factores de bloque?
Diseño de experimentosRe: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Hola @CompositeCamel5 ,
De hecho, si amplía un diseño que ya incluye un factor de bloqueo, la cantidad recomendada de ejecuciones para el diseño aumentado dependerá de la cantidad de términos recientemente agregados, así como de la cantidad de ejecuciones por bloque que pueda realizar.
A continuación se presenta un ejemplo simple, con un diseño de detección de 12 ejecuciones para 3 factores continuos, 1 factor categórico de tres niveles y 1 factor de bloqueo (con 4 ejecuciones por bloque).
Tengo 8 términos para estimar: 1 intersección, 3 efectos principales para cada uno de los tres factores continuos, 2 efectos para los factores categóricos de tres niveles (el efecto del tercer nivel se puede deducir de los dos estimados: L1+L2+L3=0), y 2 efectos de bloque: para 12 ejecuciones, necesito 3 bloques de 4 ejecuciones, por lo que necesito estimar 2 efectos de bloque, el tercero se deduce de los otros dos, situación similar a la del factor categórico.
Si quiero ampliar este diseño:
- Manteniendo todos los factores (incluido el factor de bloqueo) y el mismo modelo supuesto, el número recomendado de ejecuciones es 22, pero puedo reducirlo a 15 o 16 (para obtener bloques completos de 4 ejecuciones), ya que solo necesito estimar un nuevo término añadido (un nivel de efecto de bloque) en comparación con el diseño inicial de 12 ejecuciones. Las 22 ejecuciones recomendadas proporcionan mayor potencia y precisión a la estimación de los efectos, pero se puede reducir esta sugerencia.
- Al mantener todos los factores (incluido el factor de bloque) y ampliar mi modelo con términos de interacción de 2 factores, JMP sigue recomendando 22 ejecuciones, y ahora tengo que estimar 11 términos nuevos: 9 términos de interacción y 2 nuevos niveles de efecto de bloque (ya que ahora tengo 6 bloques en mi diseño con esta recomendación de 22 ejecuciones). Respecto a las 12 ejecuciones iniciales de mi diseño original, esto representa una adición de "solo" 10 ejecuciones, ya que me quedaba cierto grado de libertad en mi diseño original. Si hubiera comenzado con un diseño de cribado de ejecuciones mínimas con 7 ejecuciones en lugar de 12, JMP habría recomendado 23 ejecuciones en este escenario de ampliación del modelo, ya que se necesitan más ejecuciones para estimar con precisión los efectos principales y la adición de términos de interacción en el modelo aumenta el número requerido de ejecuciones, por lo que también es necesario agregar algún nuevo efecto de bloque para estimar.
Espero que esta explicación y ejemplo te ayuden a comprender mejor cómo funciona la plataforma de diseño de aumento.
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Lo siento mucho, pero aún no lo he entendido del todo. Pongamos un ejemplo: supongamos que el experimento original incluye 5 factores continuos y 1 factor de bloqueo, con 2 ejecuciones experimentales por bloque, lo que suma un total de 16 ejecuciones experimentales. Ahora bien, al realizar un diseño ampliado, si añadimos un término de interacción (entre factores continuos) al modelo original, el número recomendado de ejecuciones experimentales pasa a ser 20; si añadimos dos términos de interacción (entre factores continuos), el número recomendado de ejecuciones experimentales aumenta a 24. ¿Podría explicar por qué ocurre esto? ¿Y cómo se calcula el número recomendado de ejecuciones?
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Como se ilustra en el ejemplo (o figura) proporcionado:
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Hola @CompositeCamel5 ,
Bueno, veamos con tu ejemplo.
En el diseño original, tienes un diseño de detección de 16 ejecuciones, donde necesitas estimar 12 términos: 1 intersección, 5 efectos principales y 7 efectos de bloque (ya que tienes 8 bloques de 2 ejecuciones en este diseño original).
- Si agrega un término de interacción, necesitará estimar otro término de interacción y un efecto de bloque adicional en caso de agregar dos ejecuciones. Sin embargo, al agregar solo estas dos ejecuciones (18 ejecuciones en total), no tendrá grado de libertad para estimar el error estándar de estos efectos (valores p, etc.), ya que solo agrega dos ejecuciones para dos términos nuevos. Por lo tanto, JMP recomienda agregar otro bloque con dos ejecuciones, de modo que tenga cuatro ejecuciones adicionales para tres términos nuevos (un término de interacción y dos efectos de bloque). En total, tendrá 20 ejecuciones, con 15 términos para estimar.
- Si agrega dos términos de interacción, deberá estimar dos nuevos términos de interacción, por lo que necesita al menos cuatro ejecuciones nuevas, ya que cada uno de estos términos requerirá un nuevo bloque de dos ejecuciones. Sin embargo, se encontrará en la misma situación que antes: cuatro nuevas ejecuciones para cuatro nuevos efectos a estimar (dos efectos de interacción y dos nuevos efectos de bloque), por lo que no queda ningún grado de libertad para estimar. Por lo tanto, JMP recomienda agregar seis ejecuciones (tres bloques de dos ejecuciones), lo que permite estimar cinco nuevos efectos: dos términos de interacción y tres nuevos efectos de bloque.
Tenga en cuenta que puede encontrar esta explicación con un mensaje de error al intentar forzar el número de ejecuciones por debajo de la recomendación propuesta por JMP (aquí por ejemplo 1):
Espero que esta explicación pueda resolver tu duda.
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Aquí está la **traducción formal al inglés** de su párrafo completo, conservando **todo el significado y detalle original**, sin acortarlo ni simplificarlo: --- **Traducción formal al inglés:** Muchas gracias por su paciente explicación. Sin embargo, todavía tengo las siguientes preguntas que me resultan bastante confusas: 1. En el diseño con *cinco factores continuos y un factor de bloqueo (dos ejecuciones por bloque, para un total de 16 ejecuciones)*, al realizar un diseño aumentado añadiendo un término de interacción, su explicación indica que añadir solo dos ejecuciones adicionales (para un total de 18 ejecuciones) no dejaría grados de libertad para estimar los errores estándar (y, por lo tanto, los valores p) de estos efectos. ¿Por qué no habría grados de libertad disponibles para estimar estos efectos y sus valores p? ¿No quedarían todavía cuatro grados de libertad restantes para la estimación, ya que (18 - 14 = 4)?
2. En el diseño con *cinco factores continuos y un factor de bloqueo (cuatro ejecuciones por bloque, para un total de 12 ejecuciones)*, al ampliar el diseño añadiendo un término del modelo, el número recomendado de ejecuciones después de la ampliación se mantiene en 12. Al añadir dos o tres términos del modelo, el número recomendado de ejecuciones también se mantiene en 12. Solo al añadir cuatro términos del modelo, el número recomendado de ejecuciones aumenta a 16, y al añadir nueve términos del modelo, el número recomendado de ejecuciones se convierte en 23. ¿El principio detrás de este cambio en el número de ejecuciones recomendado es el mismo que en el ejemplo anterior?
3. En el diseño con *cinco factores continuos y un factor de bloqueo (cuatro ejecuciones por bloque, para un total de 12 ejecuciones)*, cuando se agregan nueve términos de interacción (sin términos de potencia), el número recomendado de ejecuciones pasa a ser 23; sin embargo, cuando los nueve términos de interacción incluyen dos términos de potencia, el número recomendado de ejecuciones disminuye a 22. ¿Cuál es la razón de esta diferencia?
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Hola @CompositeCamel5 ,
- No, no se pueden agrupar todas las ejecuciones individuales y comparar el número total de grados de libertad aportados por el diseño mejorado con el número total de términos. El diseño original no incluía el término de interacción en el modelo, por lo que las 16 ejecuciones ya se utilizan únicamente para los modelos de efectos principales. Si se añaden nuevos términos (directamente en el panel del modelo o indirectamente añadiendo nuevos bloques), se deben añadir nuevas ejecuciones específicas para estimar estos efectos. Por lo tanto, mi respuesta es que con 18 ejecuciones no se tendrá ningún grado de libertad, ya que se necesitarán dos nuevas ejecuciones para estimar dos nuevos términos (un efecto de bloque y el efecto de interacción).
- En esta segunda situación, se parte del diseño original con 12 ejecuciones para estimar 8 términos: 1 intersección, 5 efectos principales y 2 efectos de bloque (ya que en un diseño de 12 ejecuciones con un factor de bloqueo de 4 ejecuciones por bloque, se necesitan 3 bloques, es decir, 2 efectos de bloque para estimar). Por lo tanto, quedan 4 grados de libertad.
Como ha creado su diseño con más ejecuciones de las necesarias y el diseño es factorial, las ejecuciones restantes son otras combinaciones de niveles de factores que podrían usarse para una estimación más precisa de los efectos principales o para detectar interacciones significativas entre 2 factores (puede echar un vistazo al Mapa de colores sobre correlaciones en la plataforma Evaluar diseños o usar el script "Evaluar diseño" una vez creado su diseño):
Como no existe una confusión perfecta entre el efecto principal y los términos de interacción, incluso si agrega uno, dos o tres efectos nuevos, tiene la posibilidad de detectarlos y estimarlos sin agregar ejecuciones, ya que estos efectos no están completamente confundidos/aliasados con otros términos y tiene suficiente grado de libertad para estimarlos (le quedan 4 DF).
No tengo los mismos resultados que usted: para cuatro términos, JMP recomienda por defecto 15 ejecuciones (creando un último bloque incompleto con 3 ejecuciones), para cinco términos recomienda 16, para seis términos recomienda 19, para siete términos recomienda 20, para ocho términos es 23, y para nueve términos es 32.
- No obtengo los mismos resultados. En esta situación de sumar 7 términos de interacción y 2 efectos de potencia, JMP recomienda 24 ejecuciones, lo cual concuerda con todas las explicaciones y cálculos que he detallado en esta respuesta y en las anteriores. Tendrás 20 términos para estimar: 1 intersección, 5 efectos principales, 7 efectos de interacción, 2 efectos de potencia y 5 efectos de bloque (ya que tienes 6 bloques).
Espero que esta respuesta resuelva tus preguntas.
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Hola, estos principios son un poco difíciles de entender. Ahora quiero un cálculo de fórmula intuitivo. Para el número de ensayos recomendado predeterminado en el diseño expandido al trabajar con factores de tipo bloque, sé que si no cambio ningún término del modelo, la lógica es bastante simple: es solo el número inicial de ensayos. Sin embargo, al añadir algunos términos del modelo, no entiendo cómo se obtiene el número recomendado de ensayos expandidos. Por favor, proporciónenme una respuesta específica a la fórmula, ya que esto es muy importante para mí. Además, creo que la comunicación en la comunidad es un poco incómoda. Si están de acuerdo, ¿podría agregarlos a WeChat? Soy un amigo chino. Alternativamente, ¿tienen alguna información de contacto a la que pueda enviar una solicitud para poder consultarlos más a menudo?
Re: En un diseño aumentado, si el experimento original incluye factores de bloque, al realizar un diseño aumentado para el experimento original, se descubre que la cantidad de ejecuciones experimentales recomendadas para el diseño aumentado (después de agregar términos del modelo) no es simplemente la suma de la cantidad de ejecuciones.Hola @SampleOwl447 ,
Lo siento, no tengo una fórmula lista para calcular el número mínimo y recomendado de ejecuciones predeterminado.
Para el mínimo, puede utilizar las explicaciones proporcionadas anteriormente, ya que el número mínimo de ejecuciones se basa en el número de términos a estimar. Para obtener más información sobre el número recomendado de ejecuciones, consulte aquí:
Generación de diseño (Número de opciones de ejecución)
¿Cómo se calcula el número predeterminado de ejecuciones en el DOE personalizado? Específicamente, los criterios de I-optimalidad.
No hago consultoría, solo ayudo a los usuarios de JMP con sus preguntas de vez en cuando. Si la respuesta no te convence, puedes preguntar a otros usuarios o esperar las respuestas de otros usuarios en este foro.
Mejor,
