Analisi del modello DoE con punti centraliCiao,
Ho un progetto d-ottimale con 6 esperimenti con punti centrali. Durante la costruzione del modello, JMP considera la media dei 6 punti centrali come punto dati per adattare il modello? Oppure considera tutti e 6 i punti come punti individuali?
Qual è il modo corretto per costruire il modello?
Inoltre, ho uno scenario in cui la variazione dal punto centrale replicato è paragonabile alla variazione derivante dalla variazione del fattore DoE. In tal caso, possiamo concludere che i fattori potrebbero non spiegare la variazione nella risposta?
Varianza dai punti centrali = 2,03
Varianza da tutti i punti dati esclusi i punti centrali = 2,54
Di solito contatto @martindemel per domande relative a JMP. Tuttavia, questa settimana è assente. Per questo motivo, pubblico la domanda qui.
Grazie.
Analisi e modellazione dei dati di baseRe: Analisi del modello DoE con punti centraliCiao @Coverbird30 ,
Ci sono molte cose da approfondire nel tuo post e nelle tue domande.
Prova a iniziare in modo semplice e a ripetere: prima visualizza, poi esegui un'analisi descrittiva e infine modella, per trarre vantaggio da ogni apprendimento acquisito in ogni fase e utilizzarlo per quella successiva.
Spero che la risposta ti sia d'aiuto,
Re: Analisi del modello DoE con punti centraliCome scrive Victor, i punti centrali sono utili per testare l'ipotesi di linearità nello spazio di progettazione. Tale stima non è specifica (ad esempio, A*A = B*B = C*C...). Dato che ne hai 6, inizierei tracciandone il grafico in ordine di esecuzione. Ci sono degli schemi ricorrenti? Quando si scrive il modello, è possibile includere un termine nel modello per stimare la deviazione dalla linearità all'interno dello spazio di progettazione (una quadratica di qualsiasi fattore nell'esperimento). Gli altri DF saranno assegnati alla stima dell'MSE nello spazio di progettazione. Se effettivamente c'è più variazione nelle 6 esecuzioni dei punti centrali, probabilmente non si osserveranno effetti fattoriali significativi (utilizzando i valori p).
Re: Analisi del modello DoE con punti centraliCiao,
Grazie mille per la risposta. Ha risposto a molti dei miei dubbi. Ho ancora una domanda. In JMP DoE, ho ottenuto il progetto dal software. Durante la costruzione del modello (incluse tutte le interazioni e gli effetti quadratici), il modello considera le ripetizioni sperimentali come punti individuali? Oppure considera un valore medio delle ripetizioni per la costruzione del modello?
Re: Analisi del modello DoE con punti centraliPer essere chiari, c'è una differenza tra ripetizioni e repliche (sì, le parole contano). Le ripetizioni sono più punti dati (ad esempio, più misure della stessa unità sperimentale) mentre la combinazione di trattamento è costante. Le repliche sono più unità sperimentali per la stessa combinazione di trattamento. Le repliche aumentano i DF nello studio, le ripetizioni no, poiché non sono eventi indipendenti. Quindi intendi ripetizioni o repliche?
Ciò che JMP farà dipende da come si imposta la tabella. Se i punti dati ripetuti si trovano in righe separate, JMP "penserà" che siano "eventi" indipendenti e li considererà come DF aggiuntivi. Se si registrano i punti dati ripetuti in colonne separate, JMP "penserà" che siano Y aggiuntive. Sarà necessario riassumere le ripetizioni prima di eseguire l'analisi dell'esperimento. Un ulteriore aspetto da considerare è determinare se sia opportuno riassumere i punti dati prima di determinare la statistica appropriata. In altre parole, ci sono punti dati insoliti? Le ripetizioni sembrano coerenti all'interno del trattamento? In tal caso, è possibile calcolare la media e anche la variazione dei punti dati ripetuti. La stima della variazione può essere trattata come una Y aggiuntiva. Pertanto, è possibile determinare se gli effetti del modello influenzano sia la media che la variazione.
Re: Analisi del modello DoE con punti centraliEntrambi, a seconda di cosa si sta osservando nel modello:
- Per la stima dei coefficienti dei termini nel modello, si utilizza il valore medio delle repliche per calcolarli (come farebbe un'ANOVA). Ciò consente di ottenere una stima più precisa dei termini di effetto nel modello.
- I singoli punti vengono utilizzati per la stima della varianza del modello e per stimare la varianza dei coefficienti dei termini.
La replicazione consente allo sperimentatore di ottenere una stima dell'errore sperimentale, vedere Principi chiave della progettazione sperimentale | Portale di conoscenza statistica | JMP . Gli esperimenti replicati non sono ripetizioni, anche se è possibile ottenere un effetto simile sulla stima dei termini tra ripetizioni (eseguire la stessa misurazione sulla stessa unità più volte aiuta a ridurre l'errore di misurazione, ma non l'errore sperimentale) e repliche nel modello (migliorerà la stima degli effetti), non migliorerà la significatività statistica dei termini e del modello o la riduzione della varianza, poiché è necessario un numero maggiore di gradi di libertà forniti da esperimenti indipendenti (come le repliche).
A titolo di esempio, ecco il risultato della modellazione di "Bounce Data" in JMP con un design Box-Behnken non replicato:
Ampliando il progetto e aggiungendo due repliche di questo progetto iniziale (in modo che ciascuna esecuzione del progetto originale sia presente indipendentemente tre volte nel progetto ampliato), ecco i risultati:
Si può notare che le stime dei parametri non sono cambiate molto (ho semplicemente utilizzato valori di risposta simili per le repliche), ma l'errore standard di ogni stima dell'effetto è notevolmente diminuito (e anche i valori p) nella versione aumentata, così come l'errore del modello (errore quadratico medio), grazie a questo grado di libertà aggiuntivo apportato dalle repliche.
Spero che questa risposta ti sia d'aiuto,
