Covariables et conception du dépistage définitifBonjour,
Les covariables peuvent-elles également être utilisées dans le cadre d’une conception de criblage définitive, ou est-ce uniquement possible, par exemple, dans une conception personnalisée ?
Salutations
Klaus
Plan d'expériencesObjet : Covariables et conception du dépistage définitifSalut @NominalGemsbok3 ,
Les plans de criblage définitifs ne peuvent gérer que des facteurs numériques continus ou des facteurs catégoriels à 2 niveaux.
Pour en savoir plus sur les plans de criblage définitifs , consultez l'aide JMP.
Les conceptions personnalisées peuvent gérer de nombreux types de facteurs .
J'espère que cette réponse vous aidera,
Objet : Covariables et conception du dépistage définitifIl semble cependant qu'il existe une solution de contournement dans laquelle vous pouvez ajouter la covariable en tant que variable continue directement dans Construire les effets du modèle .
Objet : Covariables et conception du dépistage définitifLes covariables sont un type spécifique de facteur : « Les valeurs d'un facteur de covariable sont des mesures sur des unités expérimentales qui sont connues à l'avance d'une expérience. »
À moins que les combinaisons de niveaux de covariables et de niveaux de facteurs ne correspondent à celles nécessaires pour une conception de criblage définitive (auquel cas, vous ne pouvez les spécifier que comme facteurs continus), vous devrez sinon utiliser la plate-forme de conceptions personnalisées .
Vous pouvez utiliser un plan bayésien D-Optimal avec des covariables et obtenir des performances similaires à celles du DSD : https://www.linkedin.com/posts/victorguiller_doe-experimentaldesign-datascience-activity-7254386032484184066-VAfN
J'espère que cela clarifie la réponse,
Objet : Covariables et conception du dépistage définitifMerci beaucoup ! C'est une approche très intéressante. J'espère cependant que vous m'excuserez d'avoir besoin de quelques précisions supplémentaires : l'expérience est très importante, chronophage et coûteuse.
un) Que voulez-vous dire par : « À moins que les combinaisons de niveaux de covariables et de niveaux de facteurs ne correspondent à celles requises pour un plan de dépistage définitif (DSD)… » ?
Dans notre exemple, cela ressemblerait à ceci : nous avons les facteurs et niveaux de facteurs suivants dans notre DSD :
1 0 1 1 1 1 Non
1 0 -1 -1 -1 -1 Oui
2 1 0 1 1 -1 Non
2 -1 0 -1 -1 1 Oui
1 1 -1 0 1 1 Oui
1 -1 1 0 -1 -1 Non
2 1 -1 -1 0 1 Non
2 -1 1 1 0 -1 Oui
1 1 1 -1 -1 0 Non
1 -1 -1 1 1 0 Oui
2 1 -1 1 -1 -1 Non
2 -1 1 -1 1 1 Oui
1 1 1 -1 1 -1 Oui
1 -1 -1 1 -1 1 Non
2 1 1 1 -1 1 Oui
2 -1 -1 -1 1 -1 Non
1 0 0 0 0 0 Oui
1 0 0 0 0 0 Non
2 0 0 0 0 0 Oui
2 0 0 0 0 0 Non
La première colonne représente un bloc et la dernière une variable catégorielle .
Pour chaque ligne, c'est-à-dire pour chaque série expérimentale, nous avons une valeur mesurée correspondante, par exemple une fréquence , qui appartient clairement et de manière unique à cette série spécifique et que nous aimerions utiliser comme covariable .
Est-ce que cela serait acceptable ?
b) J'ai eu l'impression que dans un modèle bayésien , les corrélations étaient plus nombreuses et différentes. Les résultats obtenus par les deux méthodes sont-ils toujours comparables ou équivalents ?
Objet : Covariables et conception du dépistage définitifSalut @NominalGemsbok3 ,
a) Réponse courte : vous le pouvez.
Réponse longue : Cela dépend de ce que représente cette « covariable », en fonction du contexte de votre étude :
- Si cette « covariable » ne peut être mesurée ou connue qu'après la préparation de l'analyse avec ses niveaux de facteurs spécifiques, elle est assimilée à une réponse (et non à une covariable), et l'approche semble donc acceptable. Vous pouvez ajouter cette mesure comme facteur « non contrôlé » dans votre modèle, mais vous devrez peut-être tenir compte de la multicolinéarité ou des corrélations entre les facteurs et la « covariable », par exemple, dans votre modèle.
- Si vous pouvez évaluer/calculer cette valeur de covariable en fonction des niveaux de facteurs (une « vraie » covariable selon la définition de l'aide JMP), donc avant que l'exécution ne soit préparée, j'envisagerais d'utiliser ce facteur de covariable directement dans la conception (donc en utilisant une conception personnalisée), pour m'assurer que les valeurs de covariable sont équilibrées entre toutes les autres combinaisons/exécutions de niveaux de facteurs.
J'espère que cela répond à votre première question (difficile sans aucun contexte, plus d'informations et/ou un ensemble de données pour visualiser le problème).
b) La conception bayésienne offre une certaine flexibilité, selon le nombre d'exécutions que vous pouvez vous permettre et le critère d'optimalité choisi. Plus le nombre d'exécutions est restreint (moins d'exécutions), plus les corrélations entre les termes d'effets sont importantes.
Concernant la corrélation possible entre les effets principaux et les effets d'interaction, j'ai essayé un plan D- et Alias-Optimal pour 5 facteurs continus, 1 facteur catégoriel à deux niveaux et 1 effet de blocage (2 exécutions par bloc) avec 30 exécutions (toutes les estimabilités des effets d'interaction étant définies sur « Si possible ») et la carte de corrélation ne montre aucune corrélation entre les effets principaux et les effets d'interaction :
Il existe encore quelques corrélations mineures entre les effets de bloc et les effets principaux ou les effets de bloc et les effets d’interaction.
Notez que dans ce cas, un plan d'analyse pour les effets principaux uniquement aurait nécessité un minimum de 14 exécutions, et pour les effets principaux + interactions, un minimum de 44 exécutions. Le plan d'analyse bayésien D-Optimal permet cette flexibilité dans la taille des exécutions, tout en conservant la possibilité de détecter les effets d'interaction.
J'espère que cette réponse clarifiera votre question,
Objet : Covariables et conception du dépistage définitifBon, permettez-moi de préciser les choses. Nous disposons de cinq facteurs continus et d'un facteur catégorique, ainsi que de 20 essais expérimentaux, soit 20 combinaisons différentes de niveaux de facteurs (nous ne pouvons pas effectuer plus d'essais lors de cette première étape). Pour chacune de ces combinaisons, c'est-à-dire pour chacune des 20 expériences, nous déterminons une certaine quantité lors d'un test préliminaire (la fréquence propre de l'objet). Cette valeur est incontrôlable ; nous la prenons telle quelle. Elle n'est pas contrôlable, mais résulte d'une certaine manière de la combinaison des niveaux de facteurs et doit donc être attribuée à cette combinaison spécifique. Ainsi, pour la combinaison 1, la fréquence propre correspondante est X1 (et seulement celle-là) ; pour la combinaison 2, c'est la fréquence X2, et ainsi de suite. Par conséquent, puisque ces valeurs doivent être attribuées de manière unique à une combinaison spécifique, je ne comprends pas ce que JMP pourrait encore équilibrer ici. Pourriez-vous me l'expliquer à nouveau ?
Objet : Covariables et conception du dépistage définitifOk, dans ce contexte, vous êtes dans la première situation décrite au point a) de ma réponse. Vous ne pourrez pas équilibrer ces valeurs dans le plan, car vous ne les connaissez pas à l'avance. Ce facteur est donc incontrôlé , comme la température ambiante enregistrée pendant les expériences, et non une covariable.
Vous pouvez créer n'importe quelle conception que vous souhaitez et enregistrer ces valeurs par la suite, puis ajouter cet effet de facteur incontrôlable dans le modèle.
Objet : Covariables et conception du dépistage définitifDésolé, mais d'où vient votre définition de covariable ? Il n'est pas nécessaire de connaître les valeurs avant l'expérience. La covariable est une variable indépendante mesurable (un facteur que l'on ne souhaite pas contrôler) qui varie au cours de l'expérience. Elle covarie avec Y. Puisqu'il s'agit d'une variable aléatoire, pour l'analyser, vous devez l'ajouter au modèle. Cela nécessite de créer un modèle mixte (à effets fixes et aléatoires).
Objet : Covariables et conception du dépistage définitifSalut @statman ,
J'ai répertorié la source de la définition de la covariable dans ma réponse, voir l'aide JMP relative aux définitions de type de facteur : https://www.jmp.com/support/help/fr/18.2/#page/jmp/factors.shtml
La situation que vous décrivez fait référence à un facteur non contrôlé dans JMP. J'ai simplement utilisé les mêmes termes pour éviter toute confusion ou tout malentendu. J'espère que vous comprendrez.
Meilleur,
Objet : Covariables et conception du dépistage définitifDésolé, je n'ai pas vu la source. Mais ce n'est pas la définition la plus acceptée d'une covariable. Il n'est pas nécessaire que les valeurs de la covariable soient connues a priori. La covariable doit être identifiée et mesurée.
