JMP에서 예이츠의 명령안녕!
Minitab에서는 Yates의 순서(Minitab의 표준 순서)에 따라 런의 번호를 매깁니다.
JMP에서 Yates의 순서에 따라 런을 정렬하는 방법이 있습니까?
18개 요인 설계에 대한 Yates의 순서를 생성하고 싶지만 Minitab에서는 15개 요인으로 제한됩니다.
감사합니다!
답변: JMP에서 Yates의 주문예, 이 기능에 대해 알고 있지만 매개변수 값을 사용하여 이항 반응을 시뮬레이션하는 방법을 찾을 수 없습니다. 
요인에 대해 확인하려는 실제 효과를 기반으로 이러한 필드에 입력하려는 값을 계산하는 것은 어렵습니다.
나는 이 주제에 관해 토론을 했습니다:
https://community.jmp.com/t5/Discussions/JMP-Simulate-Responses-feature-for-binomial-data/mp/54049#M30524
답변: JMP에서 Yates의 주문JMP의 이 기능이 목표 달성에 도움이 되는지 확인해 보세요. Make Table 버튼을 클릭하기 전에 디자인 플랫폼 상단의 빨간색 삼각형을 클릭하고 응답 시뮬레이션 . 이제 클릭하면 테이블 만들기 , 데이터 테이블 외에 또 다른 창이 나타납니다. 각 효과 및 임의 오류 분산과 연관된 매개변수 값을 지정할 수 있습니다. 매개변수 값을 변경한 후 데이터 테이블의 응답 열을 업데이트하는 버튼이 있습니다.
답변: JMP에서 Yates의 주문저는 심리학 분야 출신이에요. 예, 기본 통계와 선형 회귀에 대해 알고 있지만 제 목적은 효과에서 각 행에 대한 반응을 도출하는 것이었고 그 반대는 아닙니다.
아니면 선형 회귀를 사용하여 미리 정의된 효과(A, B, C, (1))로부터 각 행(치료 조합)에 대한 반응을 계산할 수 있다는 뜻입니까? 불행히도 나는 그 방법을 이해할 수 없었습니다.
완전 팩토리얼을 위해 내가 한 일:
1. 설계 변수 테이블에 Yates' Order 생성
2. (1), A, B, C, AB, BC, AC, ABC 값이 미리 정의된 방정식을 생성하고 a ab ac abc bc bc 알 수 없음 .
3. aab ac abc bc bc인 각 행에 대한 응답 값을 찾기 위해 연립방정식을 풀었습니다.
이미 답변이 알려진 사례를 선택했기 때문에 결과를 비교할 수 있었고 정확했습니다.
나는 부분 요인에 대한 응답을 도출하는 데 동일한 프로세스를 사용할 수 있다고 생각했습니다.
답변: JMP에서 Yates의 주문방법은 선형 회귀 .JMP를 사용할 수 있습니다. 분석하다 > 모델 맞춤 반응 열과 선형 예측 변수의 항을 지정한 다음 실행을 클릭하여 원하는 효과에 대한 모수를 추정합니다.
또는 다음을 보낼 수 있습니다. 행렬로 가져오기 설계한 데이터 테이블에 메시지를 보낸 다음 JMP 스크립트 언어의 행렬 언어를 사용하여 직접 추정치를 계산합니다.
나는 당신의 배경을 모르지만 이 문제는 선형 회귀의 표준입니다.
답변: JMP에서 Yates의 주문@markbailey , 좋습니다. 이 제안에 대해 정말 감사드립니다!
이제 나는 Yates의 표준 순서가 부분 요인 설계에 적합하지 않다는 것을 이해합니다.
Google 도서에서 해당 방법에 대한 추가 정보를 검색하는 데 사용할 수 있도록 설명하신 방법의 이름이나 일부 키워드를 지정해 주시겠습니까? R, JMP 또는 Excel에서 이러한 계산을 정확히 어떻게 실행할 수 있는지 알고 싶습니다. 연립방정식을 풀기 위해 R scrip을 사용했습니다.
나는 "예이츠의 역행렬"이라는 방법에 대해 들었습니다.
Paul Berger가 그의 책에서 설명한 또 다른 기술은 다음과 같습니다.
답변: JMP에서 Yates의 주문계산을 벡터화하는 것을 고려할 수도 있습니다. 계산의 행렬 형식은 행 순열의 영향을 받지 않습니다. 이 방법은 연립 방정식과 동일하지만 더 효율적이고 유연합니다. 연립 방정식에 대해 Y = X*B가 있습니다. 설계 행렬 D(요인 설계 중 하나)로 시작하여 이를 추정을 위해 모델 행렬 X로 확장합니다. X 행렬에는 각 효과(절편(1), 주(X1), 상호 작용(X1*X2), 2차(X1*X1) 등)에 대한 열이 포함되어 있습니다. X의 열은 방정식 대신 A, B, C, AB, AC 등의 효과를 추정하는 데 사용됩니다. B 열 행렬에는 매개변수가 포함되어 있습니다. 이제 B = 역( X` * X ) * X` * Y. 실행의 행 순서는 결과에 영향을 주지 않습니다. B. 순서는 사용자가 제어하는 X의 열 순서에 따라 결정됩니다.
그런데 사용 중인 계산 형식은 요인 설계에서만 작동합니다. 계산은 작동할 설계의 균형 잡힌 특성에 따라 달라집니다. 이러한 초기 디자인은 손으로 만들고 분석하는 것이 가능했는데, 이는 1920년대에 큰 이점이었습니다. 그러나 이러한 사실은 최근까지도 디자인이 균형을 이루어야 한다는 믿음으로 이어졌으나 이는 사실이 아닙니다. 연립 방정식 대신 회귀 분석을 사용하면 완전 요인 설계나 일반 부분 요인 설계가 아니더라도 모든 설계의 효과를 적절하게 계산할 수 있습니다. 나는 모든 설계의 데이터를 처리하는 효과를 추정하는 일반적인 방법을 선호합니다.
답변: JMP에서 Yates의 주문도와주셔서 감사합니다!
시뮬레이션을 위해서는 예이츠의 명령이 필요합니다. DoE를 리버스 엔지니어링하려고 합니다.
사전 정의된 추정치로부터 응답을 시뮬레이션합니다. 나는 Yates의 순서에서 (1)을 알고 있으므로 효과 A, B, C 등이 있습니다.
그런 다음 연립 방정식을 사용하여 시뮬레이션된 응답을 계산할 수 있습니다.
나는 완전 계승을 위해 이것을 성공적으로 수행했습니다.이제 저는 분수 계승에 대해 이 작업을 수행하고 싶습니다.
나는 다음 방정식을 사용합니다.
답변: JMP에서 Yates의 주문당신은 사용할 수 있습니다 변경 생성 규칙 다른 부분을 얻기 위해 설계(예: 32개 실행, 차단되지 않음, 일반 부분 계승)를 선택한 후 섹션을 선택합니다. 선택한 원본 분수와 해상도가 반드시 동일할 필요는 없으며 별칭도 다릅니다.
JMP는 최소 수차 가장 간단한 별칭 구조를 위해 설계합니다. 물론 각각 다른 별칭을 갖는 다른 분수(예: 2^(15-9))도 많이 있습니다. JMP는 설계가 완전 계승이 될 처음 n개 열을 임의로 선택한 다음(예: 2^6 = 32, 즉 n = 6) 모델에서 더 높은 차수의 열을 가져와 나머지 요인(예: 9)을 도입합니다. 모수를 추정하기 위해 회귀 분석에 사용되는 행렬입니다. 이 열은 더 이상 추정에 사용할 수 없습니다.
일반적으로 생성 규칙과 연관된 별칭이 있는 결과 분수는 그다지 중요하지 않습니다. 왜냐하면 다른 분수보다 하나의 분수를 선택하는 데 어떤 요인과 요인 효과가 중요한지 알 만큼 충분한 사전 지식이 없기 때문입니다. 즉, 요인을 순열/교환하면서도 설계에서 동일한 성능을 기대할 수 있습니다. 우리는 주요 심사 원칙 어느 세력이든 성공할 수 있도록 말이죠.
왜 특정 분수가 필요한가요?
답변: JMP에서 Yates의 주문죄송합니다. 3요소 완전 계승에서는 작동했지만 15요소 2수준 분수 계승에 대해서는 어떤 옵션도 깨어나지 않았습니다.
이는 Minitab의 표준 순서와 다릅니다.
답변: JMP에서 Yates의 주문@마크_베일리 , 매우 감사합니다! 도움이되었습니다.
"오른쪽에서 왼쪽으로 정렬"은 실제로 Yates의 순서입니다.답변: JMP에서 Yates의 주문Make Table을 클릭하기 전의 선택 사항 중 하나는 Run Order입니다. 이 옵션의 기본값은 무작위화입니다. 드롭다운 메뉴를 클릭하고 동일하게 유지, 왼쪽에서 오른쪽으로 정렬 또는 오른쪽에서 왼쪽으로 정렬을 선택합니다. (내 생각에는) 이들 중 하나가 Yate의 명령입니다.
왜 이런 식으로 실행을 정렬하고 싶습니까?
