작년에 나는 두 가지를 썼다. 전력 분석에 대한 블로그 게시물 디자인 된 실험을 위해. 그때부터, JMP 11 사용자 지정 디자이너의 전원 분석을위한 사용자 인터페이스가 변경되었습니다. 이 글은 새로운 인터페이스를 소개하고 그것을 유익하게 사용하는 방법을 보여줍니다.
왜 인터페이스를 변경 했습니까?
인터페이스를 변경하는 주된 이유는 신호가 2 개 이상의 레벨을 갖는 범주 적 요인을 포함 할 때 신호 대 잡음 비율이 의미하는 것을 정의하는 문제에서 비롯됩니다. 다단계 범주 적 요인의 경우 여러 신호가 있으므로 단일 비율로 모든 가능성을 포착 할 수는 없습니다.
구체적인 예를 들어 명확하게 알 수 있습니다. 제 2 판 실험자 통계 Box, Hunter and Hunter (2005)는 146 페이지에 페니실린 수율의 예가있다. 두 가지 범주 적 요인이 있습니다. 첫 번째 치료법은 페니실린 (Penicillium) 곰팡이를 자라는 과정의 4 가지 변종을 설명하는 4 단계 요소입니다. 두 번째 인 Blend는 성장 매체 (옥수수 가파른 주류)의 변형을 설명하는 5 단계 요소입니다.
이 책은 4x5 무차별 전체 요인 실험의 결과를 제공합니다. 그림 1은 편집 가능한 예상 응답 (Anicipate Response) 열에 입력 된 응답을 가진 20 회 실행 사용자 지정 디자인 테이블을 보여줍니다.
예상 응답을 요청하는 이유는 무엇입니까? 이게 정말 필요한가요?
DOE의 많은 전문가들은 조사자에게 각 치료법에 대한 반응 값을 추측하게하는 아이디어를 좋아합니다. 이것은 몇 가지 목적으로 사용됩니다. 첫째, 프로세스에 익숙한 사람들은 모든 실행을 하나씩 신중하게 고려하여 작동하지 않을 요소 조합을 찾을 수 있습니다. 이는 쓸모없는 실행을 피함으로써 시간과 자원을 절약 할 수 있습니다. 둘째, 추측 된 응답으로부터 데이터를 분석하면 작은 계수로 인해 어떤 요인 효과가 잘 추정되지 않을 수 있는지를 나타낼 수 있습니다. 마지막으로 예상 응답 열을 채울 필요가 없습니다. 기본적으로이 열은 기본 모델이 올바른 경우 각 실행에 대해 예상되는 값을 표시합니다.
그림 1의 버튼을 클릭하면 어떻게됩니까?
버튼 클릭 예상 응답에 변경 사항 적용 그림 2에 표시된 전력 분석 보고서를 업데이트합니다. 이 보고서는 예상 평균 응답 열에 제공 한 데이터에 대한 평균 제곱 오류 (RMSE)와 예상 계수를 표시합니다. 이름이 지정된 버튼 알림 예상 계수에 변경 사항 적용 . 모델의 계수를 변경하고 해당 버튼을 클릭하면 그림 1의 예상 응답이 그에 따라 변경됩니다. 따라서 응답을 제공하거나 계수를 제공 할 수 있습니다.
예상 계수를 어떻게 해석합니까? 왜 4 단계의 치료가있을 때 3 개의 치료 계수 만 있습니까?
예, 치료 요소에는 네 가지 수준이 있지만 치료 계수에는 세 가지가 있습니다. 가정 된 네 번째 계수는 다른 세 계수의 합을 뺀 것입니다. 따라서 치료 4의 계수는 -1 * (- 2 -1 + 3) = 0이됩니다. 마찬가지로, 다섯 번째 혼합 계수는 -1 * (6 -3 -1 + 2) = -4입니다. 그림 2에서 볼 수있는 예상 계수 값은 그림 1의 데이터에 맞는 모델 플랫폼을 실행 한 결과와 동일합니다.
이를 확인하기 위해 디자인 개요 노드의 데이터에 맞는 모델을 실행했습니다. 결과는 그림 3과 같습니다. 팁 : 보고서의 테이블에서 JMP 데이터 테이블을 마우스 오른쪽 단추로 클릭하고 보고서의 테이블에서 JMP 데이터 테이블을 만들 수 있습니다 데이터 테이블 만들기 메뉴에서.
그림 3의 요약 요약의 Root Mean Square Error는 그림 2의 예상 RMSE와 일치하는 값 4.339739를 보여줍니다. 매개 변수 추정 개요의 추정 열은 그림 2의 예상 계수와도 일치합니다.
그림 3의 효과 테스트 개요에서 치료 효과는 0.3387의 p 값을 가지므로이 효과는 중요하지 않습니다. 그림 2는 전체 치료 효과와 관련된 전력이 0.251에 불과하다는 것을 보여주기 때문에 놀랄 일이 아닙니다.
중요한 치료 효과를 관찰 할 수있는 강력한 힘이 있어야하는 횟수를 알고 싶습니다.
이 질문에 답하려면 사용자 지정 디자이너에서 뒤로 단추를 클릭하고 디자인에 실행을 추가 할 수 있습니다. 원래 디자인은 20 번 실행되었습니다. 대신 60 번을 선택하고 그림 4의 전력 분석을 받았습니다. 이제 치료의 힘은 0.776입니다. 원래의 20 번 달리기가 파일럿 연구 였다고 가정 해보십시오. 이 방법을 사용하면 RMSE와 파일럿 연구의 계수가 정확하다고 가정하고 중요한 치료 효과를 볼 확률이 높아지기 위해 파일럿 연구를 두 번 더 반복해야 할 필요가 있음을 알 수 있습니다.
결론은?
우리는 JMP 10의 신호 대 잡음 비율을 예상 계수 (신호) 및 RMSE (잡음)로 대체했습니다. 위에서 논의한 4 단계 및 5 단계 범주 형 계수 효과 에서처럼 여러 계수가 포함 된 효과의 경우 단일 신호 대 잡음 비율은 무한한 수의 가능한 계수 집합을 나타낼 수 있습니다. JMP 10에서는 최악의 설정 결과를보고했습니다. 너무 보수적 인 것으로 보입니다. JMP 11에서는 정확한 관심 계수를 구체화하여 고유 한 전력 계산을 만듭니다.
계속 지켜봐. 다음 글에서는 변경하기 어려운 요소가 있거나없는 설계를 선별하기위한 전력 계산에 대해 설명합니다.
