Ecuación de la fórmula de predicciónEstimados y respetados todos: Por favor ayuden a resolver este problema de obtener la ecuación final de predicción después de aplicar RSM a los datos. He leído varios artículos que han citado ecuaciones reales en diferentes términos con constantes e intersecciones (imagen adjunta), el que proporciona JMP tiene solo valores numéricos (imagen adjunta).
Re: Ecuación de fórmula de predicciónHola @Afnanyasir ,
Antes de eliminar el término mixto, A*B, y los términos cuadráticos, A^2 y B^2, recomiendo usar la plataforma Fit Model y probar el modelo RSM, pero use las "Personalidades" GLM, GenReg o Stepwise para vea qué términos en la expansión polinómica del RSM son realmente insignificantes en el modelo. Pruebe otros métodos para ajustar los datos y ver qué dan. Si todos dan resultados similares de que los términos A*B y cuadráticos son insignificantes, entonces elimínelos en el modelo final. Si los datos se recopilaron a través de un RSM DOE, no es necesario analizarlos a través de esa misma plataforma. También puedes analizarlo de otras maneras.
Espero que esto ayude,
DS
Re: Ecuación de fórmula de predicciónGracias por una respuesta detallada. Como dije anteriormente, el gráfico de regresión de datos explica los datos de forma lineal y los modelos cuadráticos y otros modelos polinómicos se denominan no significativos en las estimaciones de parámetros. sólo el factor individual A y el factor individual B se consideran significativos. Mi pregunta es ¿necesito incluir términos no significativos como AxB o A2B2 en mi modelo RSM para obtener la ecuación final? ¿O solo agrego los significativos que son factores individuales A y B?
Re: Ecuación de fórmula de predicciónEntonces, ¿necesito agregar las estimaciones de parámetros no significativos en RSM para obtener la ecuación final? ¿O simplemente necesito omitirlos? porque la ecuación final cambia si incluyo o excluyo los parámetros no significativos. Gracias
Re: Ecuación de fórmula de predicciónPerdón por mi ignorancia, pero parte de tu información es contradictoria. Usted dice que desea analizar los datos de su conjunto de datos utilizando RSM (creo que está integrado en la construcción del modelo JMP)... esto incluye efectos principales, efectos de segundo orden (interacciones de 2 factores) y efectos cuadráticos (por ejemplo, A+B). +AB+A^2+B^2). Este modelo no asigna efectos de interacción cuadrática (por ejemplo, A^2B, AB^2, A^2B^2), ya que se supone que son estimaciones de error (no debatiré esto aquí). En su última respuesta, ¿sugiere que el modelo es sólo lineal? También mencionas "mezcla". Entonces, ¿es este un diseño mixto? RSM no es la forma en que normalmente se analizaría un diseño de mezcla (con las restricciones asociadas).
Hay un par de pensamientos:
1. Comience con un modelo saturado (asigne todos los grados de libertad). Simplifique el modelo eliminando términos insignificantes (use la teoría científica, los valores RSquare y RSquare Adj y el delta entre ellos, errores estándar y gráficos normales para ayudar a seleccionar los factores significativos). Vuelva a ejecutar el modelo simplificado para obtener residuos para evaluar los supuestos del modelo. Si los términos cuadráticos son insignificantes, sácalos del modelo.
2. Si realmente se encuentra en un punto en el que está optimizando para desarrollar la mejor ecuación de predicción, la importancia no es la principal preocupación. Esto ya debería haberse determinado y ahora solo está llenando el espacio de la región de diseño óptima.
Re: Ecuación de fórmula de predicciónHola @Afnanyasir ,
Si tiene conocimientos previos sobre un modelo, utilice esa forma funcional.
Por ejemplo, en física, si un objeto cae desde una altura "h" con una cierta velocidad inicial (v0), entonces la posición vertical del objeto (en función del tiempo) es (g es la constante gravitacional):
y(t) = h + v0*t + (1/2)gt^2
Si el experimento que estás haciendo implica la caída de objetos, entonces usarías esta ecuación y ninguna otra, por lo que no es una fórmula empírica, sino una fórmula de primeros principios. Si tienes una fórmula de primeros principios de física o química, adelante y úsala.
Pero, según lo que estás diciendo, parece que en trabajos anteriores tienes una indicación de que es un modelo lineal basado en la dosis y la temperatura de álcali, y solo querías verificar si había términos cruzados o términos de orden superior. Al ejecutarlo a través de un RSM, puede obtener una buena indicación de qué factores podrían ser importantes o no. Sin embargo, ese valor p que usted señala tiene más que ver con el valor estimado del parámetro y si se encuentra o no dentro del intervalo de confianza del 95%. Entonces, todo lo que significa es que la estimación del parámetro no es muy buena.
Si desea saber si un término, como A*B o A^2 o B^2, debe estar en un modelo, le recomiendo ejecutarlo paso a paso o GenReg Personalities en la plataforma Fit Model. También puedes probar una personalidad PLS o GLM y ver qué encuentras allí.
Por ejemplo, con los datos de ejemplo de Big Class.jmp, puede ejecutar un RSM sobre la edad utilizando la altura y el peso como "A" y "B". Si hace eso, el gráfico Resumen de efectos le indica qué factores (y combinaciones) son relevantes, si su valor P es << alfa. Estos son el tipo de valores p que desea observar.
Para su trabajo, parece que su respuesta es que el aumento de SCOD depende linealmente de la temperatura y la dosis de álcali. Cualquiera que sea el modelo más simple y que puedas verificar, entonces hazlo, por supuesto.
Como último consejo, si tiene un conjunto de datos pequeño, es posible que desee considerar la validación del modelo; debe consultar el complemento JMP de validación automática y ver si eso puede ayudarlo.
¡Espero que esto ayude!,
DS
Re: Ecuación de fórmula de predicciónHola @SDF1 Señor/señora. Muchas gracias por su respuesta detallada. Sí, por RSM me refiero al modelo de superficie de respuesta y tenía conocimiento previo sobre el modelo que iba a utilizar según mis datos. Para la verificación cruzada, mi supervisor ejecutó los mismos datos a través de otro software que confirmó que los datos se comportaban de manera lineal (en forma creciente) y también el gráfico de regresión en JMP explicaba los datos de manera lineal. Si incluyo todos mis términos o digo variables independientes y su mezcla, la ecuación se vuelve más complicada (imagen adjunta) y aparece como no significativa, por lo que básicamente no las incluí al ejecutar RSM ya que se describieron como no significativas. Los factores A, B son significativos, mientras que A*B, A2 y B2 se denominan no significativos (imagen adjunta). Entonces, ¿tengo que ejecutar también los términos no significativos para obtener la fórmula completa? y si sumo todos los términos, ¿cómo expresaré la ecuación final (imagen adjunta)?
Re: Ecuación de fórmula de predicciónHola @Afnanyasir ,
Solo para estar seguro, cuando dice que aplicó RSM a los datos, ¿se refiere a un modelo de superficie de respuesta? Antes de aplicar ese modelo específico, ¿tiene conocimiento a priori de que este es el modelo correcto a usar, tal vez a partir de una ecuación física o química que se sabe que modela el tipo específico de comportamiento? En caso negativo, ¿cuál es la justificación para elegir ese modelo en particular? Si no está basado en un modelo de física/química, recomiendo analizarlo con GenReg, lo cual puedes hacer ya que tienes JMP Pro.
El modelo que muestra no parece un RSM completo porque, como muestra en la siguiente ecuación, su modelo no tiene el término de mezcla A*B y le falta uno de los términos cuadráticos. De lo contrario, tu ecuación está perfectamente bien. Tiene la intersección, el primer número, la pendiente de la dependencia de la dosis de álcali, la pendiente de la dependencia de la temperatura y la pendiente de la dependencia de la temperatura^2. ¿Los otros términos abandonaron porque no contribuían al modelo?
Siempre puede ingresar manualmente los otros términos para obtener el RSM completo y volver a ejecutar el modelo. Nota de precaución: tenga cuidado con la cantidad de términos que incluye en su modelo para no ajustar demasiado. Su modelo actual tiene tres términos, por lo que necesita al menos 4 filas en su tabla de datos para asegurarse de tener al menos un grado de libertad. Si está intentando predecir un resultado, querrá probarlo con algunos datos que no se utilizaron para ajustarse al modelo, o al menos realizar algunas ejecuciones de verificación para asegurarse de que su modelo sea correcto. Si tiene suficientes filas en su tabla de datos (tal vez >100 aproximadamente), es posible que pueda realizar una validación cruzada y encontrar el modelo empírico que mejor se ajuste.
Espero que esto ayude,
DS
