Hallo allerseits
Dies ist eine ziemlich einfache, aber interessante Frage.
Nehmen Sie als Beispiel die Popcorn-Experimentdaten von JMP. Wie Sie wissen, ist der Faktor dieses Experiments ein kategorialer und zwei kontinuierlicher.
Die Zeit ist auf 3-5 und die Leistung auf 5-10 eingestellt.
Überprüfen Sie den analysierten und optimierten Profiler anhand der experimentellen Ergebnisse, nachdem Sie ihn wie unten gezeigt entworfen haben.
Unabhängig von der Versuchsbedingung können Sie den Profiler wie folgt abrufen, wenn Sie die Zeitachse erweitern
Und wo ist Hotspot? Verwenden Sie Profil an Grenze, um die folgenden Werte anzuzeigen.
Nun ist die Frage.
In Profiler können Sie die Anzahl der Faktoren überprüfen, die außerhalb des Versuchsbereichs liegen. Wenn ja, werden die Schätzungen der Reaktion bei Werten oberhalb des experimentellen Niveaus von JMP vorhergesagt? Sie können beispielsweise eine rote Linie verschieben, um die Zeit auf acht zu bringen.
Die zweite Frage ist, ob das oben Gesagte zutrifft. Wenn Sie im Extremfall die Maus auf 20 ziehen, können Sie der Antwort und der Änderung der Antwort sowie den anderen Faktoren vertrauen. Natürlich wissen wir, dass zusätzliche Experimente erforderlich sind, um Fälle außerhalb des experimentellen Bereichs abzuschätzen. Der Schlüssel zu dieser Frage ist jedoch, wie zuverlässig Sie sein können, wenn Sie nicht sofort über diese Zeit und dieses Geld verfügen.
Ist es in diesem Fall normal, aber ist es normal, eine Kombination zu erstellen, die bei der Optimierung über das angegebene experimentelle Niveau hinausgeht? Im obigen Beispiel ist die Zeit beispielsweise 5 am besten. Ist es möglich, bei der Optimierung 5.1 zu erhalten? In realen Kundenfällen sind 0 bis 150 experimentelle Niveaus, aber bei Optimierung wird der optimale Punkt für diesen Faktor auf 154,61317 festgelegt. Der beste Fall außerhalb des experimentellen Bereichs wird nicht verstanden.
Vielen Dank
