공변량 및 확정적 스크리닝 설계안녕하세요,
공변량을 확정적 스크리닝 설계와 연계해서도 사용할 수 있나요? 아니면 예를 들어 맞춤형 설계에서만 가능한가요?
문안 인사
클라우스
실험 설계Re: 공변량 및 확정적 스크리닝 설계안녕하세요 @NominalGemsbok3 ,
확정적 스크리닝 설계에서는 숫자형 연속형 요인이나 2단계 범주형 요인만 처리할 수 있습니다.
JMP 도움말에서 확정적 스크리닝 설계 에 대해 자세히 알아보세요.
맞춤형 디자인은 다양한 유형의 요소를 처리할 수 있습니다.
이 답변이 도움이 되기를 바랍니다.
Re: 공변량 및 확정적 스크리닝 설계그러나 모델 효과 구성 에서 공변량을 연속 변수로 직접 추가할 수 있는 해결 방법이 있는 것 같습니다.
Re: 공변량 및 확정적 스크리닝 설계공변량은 특정 유형의 요인 입니다. " 공변량 요인의 값은 실험에 앞서 알려진 실험 단위에 대한 측정값입니다."
공변량 수준과 요인 수준 조합이 확정적 선별 설계에 필요한 것과 일치하지 않는 한(이 경우 연속적 요인으로만 지정할 수 있음), 사용자 정의 설계 플랫폼을 사용해야 합니다.
공변량을 사용한 베이지안 D-최적 설계를 사용하면 DSD와 유사한 성능을 얻을 수 있습니다. https://www.linkedin.com/posts/victorguiller_doe-experimentaldesign-datascience-activity-7254386032484184066-VAfN
이것이 답변에 도움이 되었기를 바랍니다.
Re: 공변량 및 확정적 스크리닝 설계정말 감사합니다. 매우 흥미로운 접근 방식입니다. 하지만 좀 더 자세한 설명이 필요하더라도 양해해 주시면 감사하겠습니다. 이 실험은 매우 중요하고, 시간도 많이 걸리고, 비용도 많이 듭니다.
에이) "공변량 수준과 요인 수준의 조합이 확정적 선별 설계(DSD)에 필요한 수준과 일치하지 않는 한..." 이란 무슨 뜻인가요?
우리의 예에서는 다음과 같습니다. DSD에는 다음과 같은 요소와 요소 수준이 있습니다.
1 0 1 1 1 1 아니요
1 0 -1 -1 -1 -1 예
2 1 0 1 1 -1 아니요
2 -1 0 -1 -1 1 예
1 1 -1 0 1 1 예
1 -1 1 0 -1 -1 아니요
2 1 -1 -1 0 1 아니요
2 -1 1 1 0 -1 예
1 1 1 -1 -1 0 아니요
1 -1 -1 1 1 0 예
2 1 -1 1 -1 -1 아니요
2 -1 1 -1 1 1 예
1 1 1 -1 1 -1 네
1 -1 -1 1 -1 1 아니요
2 1 1 1 -1 1 예
2 -1 -1 -1 1 -1 아니요
1 0 0 0 0 0 예
1 0 0 0 0 0 아니요
2 0 0 0 0 0 예
2 0 0 0 0 0 아니요
첫 번째 열은 블록을 나타내고, 마지막 열은 범주형 변수를 나타 냅니다.
각 행, 즉 각 실험 실행에 대해 우리는 해당 측정 값(예: 빈도 )을 갖고 있으며, 이는 해당 실행에 명확하고 고유하게 속하며, 우리는 이를 공변량 으로 사용하고자 합니다.
그것이 허용될 수 있을까요?
비) 베이지안 설계 에서는 더 많고 다양한 상관관계가 존재한다는 인상을 받았습니다. 두 방법으로 얻은 결과는 여전히 비슷하거나 동등합니까?
Re: 공변량 및 확정적 스크리닝 설계안녕하세요 @NominalGemsbok3 ,
a) 간단히 말해서, 가능합니다.
긴 답변: 이 "공변량"이 무엇을 나타내는지는 연구의 맥락에 따라 달라집니다.
- 이 "공변량"을 특정 요인 수준으로 실행을 준비한 후에 만 측정하거나 알 수 있다면, 이는 반응 변수(공변량이 아님)와 유사하므로 이러한 접근 방식은 허용 가능해 보입니다. 이 측정값을 모형에 "비통제" 요인 으로 추가할 수 있지만, 다중공선성이나 요인과 "공변량" 간의 상관관계 등에 주의해야 할 수 있습니다.
- 요인 수준에 따라 이 공변량 값을 평가/계산할 수 있다면(JMP 도움말의 정의에 따르면 "진정한" 공변량), 실행을 준비하기 전에 이 공변량 요인을 설계에 직접 사용하는 것을 고려해 볼 수 있습니다(즉, 사용자 정의 설계를 사용하여). 이렇게 하면 공변량 값이 다른 모든 요인 수준 조합/실행에서 균형을 이루도록 할 수 있습니다.
이 글이 첫 번째 질문에 대한 답변이 되었으면 합니다(맥락이나 추가 정보, 문제를 시각화할 장난감 데이터 세트가 없으면 어렵습니다).
b) 베이지안 설계는 감당할 수 있는 실행 횟수와 선택한 최적성 기준 에 따라 어느 정도 유연성이 있습니다. 실행 횟수에 대한 제약이 클수록(실행 횟수가 적을수록) 효과 항 간의 상관관계가 커집니다.
주효과와 상호작용 효과 사이의 가능한 상관관계와 관련하여, 5개의 연속적 요인, 1개의 2단계 범주형 요인, 1개의 차단 효과(블록당 2개의 실행)에 대해 30개의 실행(모든 상호작용 효과 추정 가능성을 " 가능하다면 "으로 설정)을 갖는 D- 및 Alias-Optimal 설계를 시도했고 상관관계 맵은 주효과와 상호작용 효과 사이에 상관관계가 없음을 보여줍니다.
블록 효과와 주 효과, 블록 효과와 상호작용 효과 사이에는 여전히 약간의 상관관계가 있습니다.
이 상황에서 주효과만을 고려한 설계는 최소 14회의 실행이 필요했고, 주효과와 상호작용을 더한 설계는 최소 44회의 실행이 필요했습니다. 베이지안 D-최적 설계는 상호작용 효과를 검출할 가능성을 유지하면서 실행 크기에 대한 유연성을 제공합니다.
이 답변이 귀하의 질문에 대한 명확한 답변을 제공하기를 바랍니다.
Re: 공변량 및 확정적 스크리닝 설계알겠습니다. 좀 더 정확하게 말씀드리겠습니다. 연속형 요인 5개와 범주형 요인 1개, 실험 실행 20개가 있습니다. 즉, 요인 수준의 20가지 조합입니다(첫 번째 단계에서는 더 많은 실행을 수행할 수 없습니다). 이러한 각 조합, 즉 20개의 실험 실행 각각에 대해 예비 테스트에서 특정 양(객체의 고유 진동수)을 결정합니다. 이 값은 제어할 수 없으므로 있는 그대로 사용합니다. 제어할 수 없지만 요인 수준의 조합에서 발생하므로 해당 조합에 할당해야 합니다. 따라서 조합 1의 경우 해당 고유 진동수는 X1(그리고 그 조합만)이고, 조합 2의 경우 진동수 X2입니다. 따라서 이러한 값을 특정 조합에 고유하게 할당해야 하므로 JMP가 여기서 어떻게 균형을 맞출 수 있는지 이해할 수 없습니다. 다시 설명해 주시겠습니까?
Re: 공변량 및 확정적 스크리닝 설계좋습니다. 이 맥락에서, 당신은 제 답변의 a) 항목에서 설명한 첫 번째 상황에 처해 있습니다. 이 값들을 미리 알 수 없기 때문에 설계에서 이 값들의 균형을 맞출 수 없습니다. 따라서 이 요인은 실험 중 측정된 주변 온도처럼 통제되지 않는 것이지 공변량이 아닙니다.
원하는 디자인을 만들고 그 값을 기록한 후, 모델에 제어할 수 없는 요인 효과를 추가할 수 있습니다.
Re: 공변량 및 확정적 스크리닝 설계죄송하지만, 공변량에 대한 정의는 어디서 얻으셨나요? 실험 전에 값을 알 필요는 없습니다. 공변량은 측정 가능한 독립 잡음 변수(통제할 의도가 없는 요인)로, 실험 기간 동안 변합니다. Y와 공변량합니다. 확률 변수이므로 분석하려면 모형에 추가해야 합니다. 이를 위해서는 혼합 모형(고정 효과와 확률 효과를 모두 모형에 포함하는 모형)을 만들어야 합니다.
Re: 공변량 및 확정적 스크리닝 설계안녕하세요 @스탯맨 ,
제 답변에 공변량 정의의 출처를 나열했습니다. 요인 유형 정의와 관련된 JMP 도움말을 참조하세요: https://www.jmp.com/support/help/ko/18.2/#page/jmp/factors.shtml
설명하신 상황은 JMP에서 '통제되지 않은 요인'으로 표현됩니다. 혼동이나 오해를 피하기 위해 같은 용어를 사용했을 뿐입니다. 이해해 주시면 감사하겠습니다.
최상의,
Re: 공변량 및 확정적 스크리닝 설계죄송합니다. 출처를 확인하지 못했습니다. 하지만 이는 공변량에 대한 가장 널리 받아들여지는 정의는 아닙니다. "공변량 값을 사전에 알고 있어야 한다"는 요건은 없습니다. 공변량은 반드시 식별되고 측정되어야 합니다.
