<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />¡Oye!
Creé modelos utilizando Box-Bhenken, compuesto Central y diseños óptimos. Después de usar la función uniforme aleatoria para asignar respuestas aleatorias dentro de un rango, ajusté los modelos.
¿Puedes evaluar estos diseños usando respuestas aleatorias? Si es así, ¿cómo?
También me gustaría saber cómo calcula JMP el número de ensayos experimentales para un modelo dado. ¿Existen fórmulas diferentes para el cálculo de ensayos? En caso afirmativo, ¿dónde puedo buscar estas fórmulas? Por favor, proporcione una referencia.
Gracias
JMP ha incorporado una funcionalidad que le permite crear un experimento diseñado y luego construir un modelo de manera interactiva. También hay incorporado diagnósticos en las plataformas de diseño.
Al crear su diseño, vaya al punto rojo en la parte superior izquierda y seleccione Simular respuestas. Estos serán diferentes para cada diseño que construyas. Cuando seleccione esta opción, JMP colocará automáticamente una opción de Modelo en su tabla de salida.
Al seleccionar el punto caliente del modelo y elegir Ejecutar script, JMP configurará el modelo de mínimos cuadrados estándar y, a menos que desee cambiar los factores en la configuración del modelo, seleccione Ejecutar. A partir de ahí obtendrá una salida modelo.
También le recomendaría que consulte la Evaluación de diseño para cada uno de sus diseños y puede hacerlo antes de seleccionar Crear tabla.
Dos evaluaciones que creo que son particularmente útiles son el análisis de poder y el mapa de color en las correlaciones. Puede obtener más información sobre estos en la Ayuda de JMP.
El número de ejecuciones depende de la cantidad de factores y de si desea buscar interacciones o no. Los diseños de superficie de respuesta que menciona también están destinados a determinar si tiene no linealidad o curvatura en sus datos. Lo hacen agregando puntos centrales al diseño, tanto en el medio como en las caras del hipercubo / espacio. Si solo está buscando efectos principales y tiene factores continuos con dos niveles, la ecuación para determinar el número de ejecuciones es 2 ^ n, donde n es el número de factores. Cuando empiezas a agregar interacciones, el número de carreras aumenta. Los diseños óptimos están destinados a ayudarle a limitar el número de ejecuciones, incluso cuando está interesado en determinar las interacciones.
Una buena referencia es Box, Hunter, Hunter - "Statistics for Experimenters"
HTH
Cuenta
