DOE cuando la respuesta Y es un vector (ej: Y es una curva)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Estoy trabajando con un simple 3² DOE para ver la influencia de 2 variables en la forma de una curva. Así que mi respuesta Y no es un solo valor sino una curva, es decir Y aquí hay un vector (que contiene las coordenadas y de los puntos que forman la curva).
Me preguntaba si hay una manera en JMP de usar el vector Y como una respuesta completa en lugar de realizar el script clásico en cada punto que forma la curva, lo cual es laborioso.
¡Gracias por tu ayuda!
Re: DOE cuando la respuesta Y es un vector (ej: Y es una curva)Quentin,
Si el mundo real no fuera tan complicado, simplemente podría ajustar una distribución normal a la PSD. Entonces solo tendría dos (en lugar de 40) parámetros que describan completamente la PSD. Sin embargo, es probable que las distribuciones no se ajusten a una distribución paramétrica, por lo que deberá centrarse en medidas no paramétricas.
Mi corazonada es que hay muy pocas características de la PSD de las que debe preocuparse. Incluso si usó un modelo PLS, es probable que esté reduciendo los valores de 40 "X" a dos o tres propiedades esenciales, como el centro de la distribución y el nivel máximo o mínimo. Todo esto puede ser capturado por el percentil 10, 50 y 90, y la diferencia entre ellos, para capturar esencialmente las características principales de la distribución del tamaño de partícula. Además, estas medidas son probablemente más familiares para los científicos e ingenieros que trabajan en el problema (KISS).
También es probable que el PSD no sea el único atributo (respuesta) de preocupación. Las propiedades como el flujo, el área de la superficie, el contenido de humedad, etc. pueden ser aún más importantes para resolver el problema. Aquí es donde el PLS o MANOVA pueden ser interesantes.
Greg
Re: DOE cuando la respuesta Y es un vector (ej: Y es una curva)Creo que una respuesta viable dependerá en parte de la calidad de sus datos y de para qué desea utilizar los resultados del análisis.
Puede intentar modelar los valores de Y que conforman la respuesta funcional utilizando PLS, o puede probar algún tipo de extracción de características que es el tema de un análisis posterior. La sugerencia de Sebastian anterior podría considerarse un ejemplo de este último, pero asume que puedes encontrar un modelo útil, idealmente con parámetros que tengan alguna relevancia científica o tecnológica. Otra 'característica' podría ser el área bajo la curva (posiblemente entre algunos límites relevantes), o una regresión por cuantiles (que podría ser apropiada para una distribución de tamaño de muestra).
Ver:
Modelos de mínimos cuadrados parciales
http://www.jmp.com/support/help/Distribution_Option_in_Generalized_Regression.shtml
Re: DOE cuando la respuesta Y es un vector (ej: Y es una curva)Querido Sebastian,
Gracias por tu ayuda. De hecho creo que esta es la única solución por el momento. Sin embargo, esto implica que puede ajustar un modelo a sus datos, lo que no siempre es posible.
De todos modos voy a intentarlo!
¡Gracias de nuevo!
Re: DOE cuando la respuesta Y es un vector (ej: Y es una curva)Recientemente tuve un problema similar. No creo que haya ninguna solución directa. Hicimos lo siguiente:
1. Ajuste un modelo no lineal utilizando la plataforma no lineal para cada ejecución individual. En nuestro caso, un Michaelis-Menten-fit funcionó bastante bien.
2. Luego utilizamos los dos parámetros del ajuste de Michaelis Menten como variables de respuesta para nuestro DOE.
De esta manera tuvimos algún tipo de modelo jerárquico: X => Parámetros de ajuste no lineal == Y (que representan las características relevantes de la curva).
Si no tiene prisa, es posible que desee visitar el JMP Discovery Summit 2016 en Ámsterdam, donde mi jefe lo presentará (suponiendo que, por supuesto, su charla será aceptada) exactamente este proyecto.
Sebastian
Re: DOE cuando la respuesta Y es un vector (ej: Y es una curva)Querido smoore2, gracias por tu ayuda, pero creo que no he sido lo suficientemente claro.
En realidad estoy tratando de modelar el efecto de 2 factores experimentales solamente en la forma de la curva, que no puede modelarse fácilmente mediante la función ay = f (x) (esta curva es en realidad la distribución del tamaño de partícula de un material después de su tratamiento por el aparato estudiado). Por lo tanto, los valores de x son fijos, no son una variable, pero los valores de y correspondientes son.
La única solución que encontré por el momento es modelar mi problema de esta manera para mis 11 ejecuciones que tengo:
- Primera columna: valores (+1, 0 o -1) para el factor # 1,
- 2ª columna: valores (+1, 0 o -1) para el factor # 2,
- Columna 3 a 42:
- Encabezado de columna = x - valor: valores y correspondientes para x.
Esto es muy laborioso ya que tengo que tratar cada valor x por separado y me gustaría tratar cada valor x de una vez para ver la influencia de mis factores en la curva global y = f (x) en no en cada singular ( xi, yi) parejas.
¡Espero que mi explicación sea clara y que alguien tenga una idea de lo que podría hacer!
¡Gracias por tu ayuda!
Re: DOE cuando la respuesta Y es un vector (ej: Y es una curva)Quentin, parece que en realidad tienes dos variables de respuesta para tu DOE: los valores x y y de tu respuesta vectorial. Puede modelar fácilmente cada variable de respuesta con los resultados de su DOE. Puede haber alguna dificultad si hay una interacción fuerte entre las variables x e y, en cuyo caso, puede incluir el valor x en el modelo predictivo para la y, y viceversa. No estoy seguro de si esto es totalmente "kosher", pero eso es lo que haría para ver si funciona.
