Buona frazione di spazio, ma bassa potenza di DoECiao comunità JMP,
Sto creando un disegno DoE con 2 elementi continui, 1 elemento categoriale (6 livelli) e 1 elemento categoriale (2 livelli). Quando creo un disegno D-ottimale per questo studio, noto che la potenza di rilevamento delle interazioni di mio interesse è piuttosto bassa (coefficiente atteso = 5, potenza = 0,61). Tuttavia, il grafico della frazione di disegno appare piuttosto buono. Il 95% della frazione di spazio si trova al di sotto della varianza di previsione di 1,0.
Puoi spiegare perché la frazione del grafico di progettazione è buona mentre la potenza del modello è piuttosto bassa?
Analisi e modellazione dei dati di baseProgettazione degli esperimentiRe: Buona frazione di spazio, ma bassa potenza di DoEConsiderazioni importanti per la potenza sono il numero di esecuzioni e il progetto effettivo. Non hai specificato nessuno dei due, quindi ho creato un progetto per gli stessi fattori e modello utilizzando il numero predefinito di esecuzioni (25). La potenza in questo caso è migliore di quella che hai mostrato utilizzando gli stessi coefficienti previsti.
Non sono sicuro di cosa ti aspettassi per la varianza della previsione relativa in questo caso.
Re: Buona frazione di spazio, ma bassa potenza di DoECIAO,
Penso che tu stia confondendo le cose.
Sia i grafici FDS che l'analisi della potenza forniscono informazioni sulla qualità del DOE, ma misurano qualità completamente diverse:
- Grafico FDS → Con quale precisione il tuo modello può fare previsioni nell'intero spazio di progettazione? Oppure quanto sono affidabili le previsioni sulla maggior parte della regione?
- Analisi di potenza → Quanto è probabile che il tuo esperimento rilevi effetti reali dati il rumore e la dimensione del campione? Oppure possiamo rilevare in modo affidabile differenze significative?
Sono correlati perché entrambi aiutano a decidere se il progetto è adeguato, ma operano a livelli diversi del DOE.
- Potenza = 0,65 significa una probabilità del 65% di rilevare un effetto della dimensione scelta.
- Se la curva FDS è alta (ad esempio, l'80% dello spazio < soglia di varianza), il progetto fornisce previsioni affidabili sulla maggior parte della regione
L'analisi della potenza si concentra sulla verifica delle ipotesi, non sulla precisione delle previsioni.
Ecco alcuni esempi per capire meglio:
Somiglianze: entrambi dipendono dalla struttura della varianza del progetto. F DS → Varianza di previsione, mentre Potenza → Varianza di effetto. Entrambi sono guidati dallo stesso elemento fondamentale: la matrice di progetto e il livello di rumore .
Migliorare l'uno spesso migliora anche l'altro
Per esempio:
- L'aggiunta di repliche riduce la varianza degli errori
- aumenta la potenza
- riduce la varianza della previsione → migliora FDS
- Passaggio a un design più ottimale (ad esempio, I-ottimale)
- migliora la precisione della previsione
- Spesso aumenta la rilevabilità dell'effetto (potenza)
Ma ottimizzano obiettivi diversi
A volte uno migliora mentre l'altro no:
- La progettazione AD-ottimale potrebbe massimizzare la precisione dei parametri ma produrre una varianza di previsione media più scarsa (FDS peggiore).
- Un progetto che distribuisce i punti (buono per la potenza) potrebbe lasciare delle lacune di previsione nello spazio di progettazione (FDS peggiore).
Spero che questo aiuti a spiegare perché questo potrebbe accadere.
