Vídeo 1: El desafío: más allá de un único modelo ideal: lo que un DSD realmente puede revelarte.
La sesión del segundo trimestre del Club de Experimentadores incluyó un animado debate sobre la famosa frase de George Box: "Todos los modelos son erróneos, pero algunos son útiles".
Todo comenzó cuando un usuario si se debía confiar en la interacción inesperadamente fuerte y los efectos cuadráticos en un Diseño de Cribado Definitivo (DSD) de 6 factores. Lo que siguió fue un intercambio reflexivo que demostró que el verdadero problema ", sino en cómo interpretar un espacio de diseño en el que coexisten muchos modelos plausibles.
Pregunta de la comunidad:https://community.jmp.com/t5/Discussions/quot-Surprising-quot-results-in-an-DSD-Design/td-p/941518
Publicación de Victor en LinkedIn:https://www.linkedin.com/posts/victorguiller_experimentersclub-designofexperiments-share-7453440558682894336-j7Ki?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAg2XG8BduAUlMeluDXcuMFV-P_Hxv1KA0k
Vídeo 2: Debate
La conversación puso de manifiesto que, en un diseño de distribución de sensibilidad (DSD) con un número limitado de ejecuciones, es imposible estimar simultáneamente todos los efectos principales, de interacción y cuadráticos sin incurrir en compromisos estructurales. En consecuencia, el aliasing parcial, la multicolinealidad y la multiplicidad de modelos son características inherentes al problema, en lugar de indicadores de fallo.
En el debate se hizo hincapié en que los diferentes métodos de estimación y criterios de selección, como R², R² ajustado, AICc, BIC y RMSE, pueden dar lugar a modelos diferentes pero aún defendibles.
Una conclusión clave es que los experimentadores no deben centrarse únicamente en encontrar un único modelo que se ajuste perfectamente. En cambio, deben comparar varios candidatos sólidos, buscar efectos que aparezcan de forma consistente en modelos adecuados, aplicar la jerarquía de efectos y el conocimiento del dominio, y considerar la ampliación de datos cuando sea necesaria la confirmación.
En ese sentido, el proceso de diseño deja de centrarse en reaccionar ante resultados sorprendentes para convertirse en un juicio riguroso sobre el modelo en un trabajo experimental del mundo real.
¡Gracias @maria_astals por la grabación!
Aquí se describe el proceso detallado para crear un gráfico ráster a partir de un DoE:
- Vaya a la plataforma Modelo adecuado (o haga clic en el script Modelo en la tabla DoE), especifique la(s) respuesta(s) y los términos en el modelo supuesto (si estos paneles no están prellenados) y elija Personality Paso a paso . Haga clic en Ejecutar.
-
Dirígete al triángulo rojo junto a Ajuste por pasos, selecciona Todos los modelos posibles y define el número máximo de términos posibles en los modelos, así como el número de mejores modelos a visualizar. Marca la opción Restringir a modelos donde las interacciones impliquen efectos de orden inferior (Restricción de herencia) . Haz clic en Aceptar.
-
Una vez realizados los cálculos, aparecerá una nueva tabla, Todos los modelos posibles, en el informe. Haga clic con el botón derecho en esta tabla y seleccione la opción Crear tabla de datos combinados . A continuación, se abrirá una nueva tabla con los resultados de la plataforma Stepwise.
- Para identificar cada modelo individualmente y realizar un seguimiento de su rendimiento, creamos una nueva columna de ID de modelo en la nueva tabla. Para ello, haga clic con el botón derecho en la primera columna de la tabla y seleccione Nueva columna de fórmula > Fila > Fila . Cada modelo tendrá entonces un ID único en la nueva columna "Fila". Cambie el tipo de modelado a Nominal.
- Seleccione la columna "Modelo" y haga clic en el triángulo rojo en la posición superior derecha a la izquierda de la tabla de datos (o haga clic en el menú Cols), elija Utilidades > Texto a columnas . Defina el delimitador como "," y marque la opción Hacer columnas indicadoras .
- Haz clic en el menú Tabla > Apilar . Selecciona todas las nuevas columnas indicadoras y haz clic en Columnas apiladas. Puedes cambiar el nombre de la columna Etiqueta a "Términos" y la columna Datos a "Presencia". Haz clic en Aceptar.
- You can then add some formula column (or using the Recode option) to identify which terms are main effects, interaction effect or quadratic effects to prepare the plot. With the example Bounce Data, I used a formula column when recoding:
Map Value(
:Terms,
{"Silane", "Main effect", "Silane*Silane", "Quadratic effect", "Silica",
"Main effect", "Silica*Silane", "Interaction effect", "Silica*Silica",
"Quadratic effect", "Silica*Sulfur", "Interaction effect", "Sulfur",
"Main effect", "Sulfur*Silane", "Interaction effect", "Sulfur*Sulfur",
"Quadratic effect"},
Unmatched( :Terms )
)
- Agregue una propiedad de columna "Orden de valores" a la columna "Tipo de términos", de modo que los términos del modelo aparezcan con los efectos principales primero, luego los efectos de interacción y, finalmente, los efectos cuadráticos:
- ¡Luego puedes usar el Generador de gráficos y crear el gráfico ráster!
- Utilice "Fila" (o la columna ID del modelo) como variable Y.
- Utilice "Términos" como variable X.
- Agregue "Tipo de términos" como una variable X anidada (en la ubicación debajo de X).
- Cambie el estilo del gráfico a "Mapa de calor".
- Utilice una de las métricas de rendimiento del modelo (por ejemplo, RMSE) como variable de color y elija una combinación de colores adecuada (como de verde a rojo).
- Haz clic con el botón derecho en la variable Y, elige Ordenar por y selecciona tu métrica de rendimiento (ascendente para AICc, BIC y RMSE, descendente para R cuadrado).
- Agregue un filtro de datos local en la columna "Presencia" y seleccione solo los valores distintos de 0 (1: el término está presente en el modelo).
- También puedes añadir un filtro al número de modelos mostrados filtrando o reduciendo el rango de valores de la métrica de rendimiento.
- Una vez que todo esté configurado, haga clic en Listo. ¡El gráfico raster está listo!
Como pueden ver, la creación del gráfico ráster implica muchas operaciones diferentes. Estoy planeando crear un complemento para automatizar el proceso y reducir el trabajo manual (¡y tedioso!) necesario para obtener esta excelente visualización. Si alguien está dispuesto a ayudar y contribuir a este complemento, ¡únase!
