Autoren
Bradley Jones (1), Ryan Lekivetz (2), Dibyen Majumdar (3) & Christopher Nachtsheim (4)
Zugehörigkeiten
(1) Adsurgo LLC, Cary, NC
(2) JMP Statistical Discovery LLC
(3) Fachbereich Mathematik, Statistik und Informatik, Universität von Illinois, Chicago, Chicago, IL
(4) Carlson School of Management, Universität von Minnesota, Minneapolis, MN
Zeitschrift
Technometrics, Band 67, Nr. 1, 1–10
Veröffentlichungsdatum
2025
Abstrakt
Screening-Experimente erfordern häufig sowohl kontinuierliche als auch kategoriale Faktoren. In diesem Artikel entwickeln wir ein
neue Klasse gesättigter Versuchspläne mit m dreistufigen kontinuierlichen Faktoren und m − 1 zweistufigen kategorialen Faktoren
oder kontinuierliche Faktoren in n = 2m Läufen, wobei m ≥ 4. Ein wesentlicher Vorteil ist, dass diese Designs verfügbar sind.
für jedes gerade n ≥ 8. Mit effektiver Sparsität oder indem nicht alle zweistufigen Spalten des Designs genutzt werden,
Wir zeigen mittels Simulation, dass es möglich ist, bis zu drei aktive quadratische Effekte zu identifizieren. Wenn n ist
Ist n ein Vielfaches von 8, sind die Designs orthogonal. Ist n ein Vielfaches von 4, aber kein Vielfaches von 8, so sind die dreistufigen Faktoren orthogonal zueinander und zu den zweistufigen Faktoren, und die zweistufigen Faktoren sind nahezu orthogonal.
orthogonal zueinander. Schließlich, wenn n ein Vielfaches von zwei und nicht ein Vielfaches von vier oder acht ist, die dreistufige
Zweistufige Faktoren sind innerhalb dieser Gruppierungen nahezu orthogonal und zueinander orthogonal. Wir zeigen
dass selbst im letzteren Fall die Konstruktionen typischerweise eine Leistung nahe eins aufweisen, um bis zu m aktive Hauptleitungen zu identifizieren
Effekte, wenn das Signal-Rausch-Verhältnis größer als 1,5 ist.
Zitat
Bradley Jones, Ryan Lekivetz, Dibyen Majumdar & Christopher Nachtsheim
(2025) Screening Designs for Continuous and Categorical Factors, Technometrics, 67:1, 1-10, doi.org/10.1080/00401706.2024.2362149.
