DOE: ¿Cuál es el tipo de modelado del factor simbolizado?Hola,
Cuando diseño DOE, hay una pregunta sobre el tipo de modelado del factor.
El valor real del factor que se utilizará en el experimento son datos innumerables, pero está simbolizado para que el usuario pueda seleccionar solo algunos valores específicos.
El valor simbolizado del factor (x) es de 0 a 16. (entero) Pero los valores reales disminuyen como una función exponencial. (1 / e ^ x)
Si uso el valor simbolizado para factor, ¿qué tipo de modelado debería seleccionarse? continua o discreta o categórica?
Re: DOE - ¿Cuál es el tipo de modelado del factor simbolizado?No sé la respuesta, pero aquí hay algunas consideraciones para ayudarlo a encontrar la respuesta.
¿Cómo modelarás el efecto de este factor? ¿Producirá una respuesta lineal o no lineal? ¿Interactuará con otros factores?
¿Cuántos niveles necesitas? ¿Desea niveles óptimos para el modelo especificado o desea especificar los niveles usted mismo?
Usaría el tipo de factor Continuo en general y dejaría que JMP determine los niveles óptimos para estimar los parámetros del modelo. Usaría el tipo de factor numérico discreto si necesito especificar los niveles de factor y modelar un factor continuo. El tipo de factor categorial también es posible pero, según su breve descripción, no parece ser una buena opción.
No entiendo su significado del término "simbolizado", por lo que podría estar equivocado acerca de lo que quiere hacer. Entonces, ¿el nivel del factor es solo el poder de la función exponencial recíproca? Sugiero que use una función p por el bien del modelo de regresión lineal si el factor va a cambiar exponencialmente.
Re: DOE - ¿Cuál es el tipo de modelado del factor simbolizado?Agregaré una pregunta a las aportadas por @markbailey :
1) Desde el punto de vista de la comunicación e interpretación de los resultados, ¿los valores transformados crearán confusión o enturbiarán las aguas para el uso práctico del modelo para la toma de decisiones o una visión explicativa? Muchas, si no todas, las visualizaciones de JMP usarán los valores contenidos en la tabla de datos sin procesar que se usaron para modelar como valores de los ejes xey, y si estos valores no son significativos o enmascaran su mensaje, entonces es posible que desee pensar en cómo cree estas visualizaciones y compártalas con otros. Puedo pensar en soluciones alternativas, pero estas son contextualmente dependientes y difíciles de generalizar.
estoy de acuerdo con @markbailey por lo que ha compartido hasta ahora, creo que continuar tratando los valores transformados como continuos debería ser donde comience su análisis.
