Statisticala 및 JMP Pro 12를 사용하여 Plackett Burman을 분석 한 다른 결과이봐 요!
어제 JMP Pro 12 만 사용하기 시작했으며 현재 DOE 기능을 사용하여 마스터하려고합니다.
이전에 일한 학생은 12 번의 실험에서 11 가지 요소를 사용하여 Plackett Burman 행렬을 설계했습니다. 단백질 농도에 대한 실험 데이터를 얻었다. 이 실험은 Statistica를 사용하여 분석되었으며 p 값이 0.01 미만인 경우 4 가지 중요한 요소가 나타났습니다. 이제 우리는 JMP Pro를 사용하여보다 편리하게 작업 할 수 있기를 바랍니다. 그러나 일단 데이터를 입력하고 개요에서 설명한대로 분석 -> 모델링 -> 선별 도구를 사용하면 결국 기여도가 가장 높은 4 가지 요인으로 끝나지 만 0,3 이상의 p- 값으로 끝납니다. 내가 잘못했을 수도있는 어떤 생각, 어떻게 완전히 다른 결과가 생겼습니까?
고맙습니다 
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과스크리닝 플랫폼은 데이터에서 회귀 분석에 이르는 다리 역할을합니다. 목적은 스크리닝 원리에 따라 활성 효과를 신속하게 파악하는 것입니다. 클릭 할 수 있습니다. 모형을 만들다 (Fit Model 대화 상자 열기) 또는 모델 실행 하단의 Fit Least Squares (Fit Least Squares)를 열어 현재 선택한 대비를 회귀 분석의 효과로 전달합니다.
후보 11 가지 요인 중 실제로 4 가지만이 활동적이라면, 아마도 어떤 상호 작용 효과가있는 반응에 대한 1 차 근사를 얻을 수있는 좋은 기회입니다. 이 근사값은 반응을 최적화하거나 모델을 향상시키기 위해 추가 실험을 통해 초기 실험을 보완하여 최적화를 수행하기에 충분할 수 있습니다.
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과아! 고맙습니다!
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과피터의 반응을 더 잘 전달하기 위해 PB 디자인은 심사를위한 것입니다. 귀하의 경우, 12 개의 실행은 11 가지 요인을 검사하도록 설계되었습니다. 스크리닝 접근 방식, 일반적으로 PB 디자인은 특히 효과 희박 , 유전 , 및 계층 보류. 선별 검사의 투영 속성을 사용하면 종종 주 효과와 두 요소 상호 작용이있는 모델을 추가 런없이 작성할 수 있습니다. 작은 상영 된 다수의 후보 요인 중 활동 요인의 수. (2 레벨 디자인은 응답에서 모델링 곡률을 배제합니다.)
따라서 모델링은 디자인에 의해 제한되거나 그 관계를 뒤집기 위해 적절한 디자인이 의도 된 모델을 따릅니다. 실제 모델이 더 복잡하다면 (많은 효과, 선형 및 비선형 효과가있는 많은 활성 요소) 디자인은 선별 디자인보다 더 복잡해야합니다.
실험에서 후보 요인의 (대략) 절반 이상이 활성화되어 있거나 효과의 크기가 응답의 표준 편차보다 크지 않은 경우 활성 요인을 제대로 감지하지 못할 수 있습니다. 이 경우 데이터를 분류하는 데 필요한 모든 수준의 조합이 아닌 데이터가 충분하지 않습니다.
초기 분석은 약간의 통찰력을 제공 할 수 있습니다. 기존 PB 데이터를 사용하여 다시 시작하지 않고도 응답 모델을 작성하는 기능을 향상시킬 수도 있습니다.
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과Plackett-Burman 디자인은 초 포화 선별 디자인의 한 형태입니다. 일반적으로 이러한 유형의 설계는 프로세스 최적화 목표에보다 적합한 대안 설계에서 이러한 요소를 사용한 후속 실험을 포함하는 문제 해결 계획을 염두에두고 시스템에서 매우 영향력있는 요소를 식별하는 데 사용됩니다.
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과제가 알고 싶은 것은 단백질 생산량의 변화에 중요한 요인으로 11 가지 요인 중 어느 것이 배분되어 있는지입니다. 12 개의 실험에서 인자의 상이한 조성을 사용 하였다. 단백질 수율은 12 개의 모든 실험에서 측정되었다. 우리는 제품 수율을 극대화하고자합니다. 실험 당 단일 제품 수율에 기여하는 11 가지 요인이 있다면 간단한 회귀 분석을 사용하여 분석 할 수도 있습니다.
죄송합니다. 모든 것에 대해 혼란스러워합니다.
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과빠른 답장을 보내 주셔서 감사합니다!
이것은 전체 계승 디자인 장입니까? 11 가지 요소에 대해 수행 된 12 가지 실험 이상을 필요로하는 것처럼 나에게 읽어 줍니 까?
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과만나다 도움 > 서적 > 실험 가이드 디자인 > 제 10 장 : 두 가지 레벨 스크리닝 플랫폼에 적합 .
통계 분석 및 JMP 프로 12를 사용하여 Plackett Burman 분석 다른 결과JMP의 회귀 분석은 Statistica와 동일한 결과를 산출해야합니다.
스크리닝 플랫폼은 효과, 계층 구조 및 유전성이 희박한 스크리닝 원칙에 따라 작동하는 다른 접근 방식을 사용합니다. 이러한 원칙에 기반한 대비를 직각으로 만듭니다. 이들은 PB 설계의 경우 매개 변수 추정치와 동일 할 가능성이 큽니다. 대비가 모델이 포화 될 때까지 원칙에 따라 추가되므로 오류를 추정 할 자유가 없습니다. Lenth의 의사 표준 오류가 계산되어 t 비율을 계산하는 데 사용됩니다. 이 비율은 Student t 분포가 없으므로 경험적 샘플링 분포는 Monte Carlo 시뮬레이션에 의해 계산됩니다. 시뮬레이션은 유형 I 오류의 비교 및 실험적 제어를 위해 개별 및 동시 p 값을 산출합니다.
