Hallo,
Ich habe mir ein DOE ausgedacht, Experimente durchgeführt und möchte im Designraum Vorhersagen.
Nachdem ich jedoch meine Proben analysiert und in JMP eingefügt habe, sehe ich, dass meine Daten nicht normal verteilt sind. Meine Frage ist, ist es immer noch möglich, mit meinem Modellbau fortzufahren, wenn ich nicht die normal verteilten Daten habe, obwohl der r2-Wert des tatsächlichen vs vorhergesagt wirklich hoch ist?
Ich persönlich denke, dass es aufgrund des r2-Werts immer noch ein praktikables Modell ist. Da dies eine Folge-DOE ist, bedeutet dies, dass ich über Daten verfügt, die einen größeren Raum des Designs abdecken, und dass der vorherige Datensatz normal verteilte Daten hatte.
Beim ersten DOE wollte ich wissen, was die bevorzugten Bedingungen sind, während ich beim 2. DOE (angehängte Datei) den Entwurfsraum weiter untersuchen und möglichst viele gewünschte Bedingungen erzeugen wollte. Daher scheinen die Daten verzerrt zu sein.
Ich wollte auch fragen, ob es möglich ist, 1. und 2. DOE (verschiedene Designs) beizutreten, 1. DOE ist fraktionaler Fakultätsfaktor und das 2. DOE ist RSM
Im Allgemeinen wollte ich Profis fragen, was sie denken und was ich tun kann, um mein Modell weiter zu verbessern
Danke im Voraus
Wenn Sie sagen, dass Sie besorgt sind, dass nicht normale Daten sich auf die Verteilung der Antwortdaten beziehen? Wenn dies der Fall ist, müssen Sie sich zunächst keine Sorgen machen. Denken Sie über ein entworfenes Experiment nach ... Sie versuchen fast immer, eine Reaktion hervorzurufen, die sich aus absichtlichen Änderungen von Faktoren ergibt, die in bestimmten Kombinationen auf bestimmten Ebenen ausgewählt werden, und zeigt so, wie sich die Antworten auf diese absichtlich durchgeführten Kombinationen verhalten.
Um ehrlich zu sein, wäre ich verdächtig, wenn meine rohen Antwortdaten normal verteilt wären ... mit anderen Worten ... vielleicht habe ich kein Signal erhalten, das Geräusch zu übersteigen. Normalität anderer DOE-Ergebnisse wie Residuen usw. sind eine andere Geschichte ... oder wenn Sie nicht gewillt sind, die Normalität der Fehlerannahmen anzunehmen, die die unnachgiebige Mathematik der gewöhnlichen Regression der kleinsten Quadrate praktikabel machen ... wieder eine andere Geschichte. Aber für Sie rohe Antwortdaten ... fahren Sie fort.
