Apprenez-en plus dans notre cours en ligne gratuit :
Pensée statistique pour la résolution de problèmes industriels
Dans cet exemple, nous ajustons à nouveau un modèle pour Impureté en utilisant Ajuster le modèle. Mais cette fois, nous ajoutons également les prédicteurs catégoriels au modèle.
Tout d'abord, nous ajoutons Impureté comme variable Y.
L'ajout de prédicteurs catégoriels au modèle n'est pas différent de l'ajout de prédicteurs continus. Nous sélectionnons simplement les variables et cliquez sur Ajouter .
dans une vidéo précédente, nous avons discuté des options de codage des prédicteurs catégoriels. Rappelez-vous que JMP applique un codage d'effet -1/1 en arrière-plan.
Lorsque nous exécutons le modèle, JMP affiche les coefficients des prédicteurs catégoriels dans le tableau Estimations des paramètres.
Nous avons trois niveaux de Réacteur , il y a donc deux coefficients pour Réacteur .
Nous avons deux quarts de travail, il y a donc un coefficient pour Décalage .
Lorsque nous activons l'expression de prédiction, JMP affiche l'équation complète du modèle.
Le Prediction Profiler nous permet de voir facilement comment les changements dans la valeur des prédicteurs catégoriels modifient la réponse prédite.
Pour Réacteur , en maintenant tout le reste constant, lorsque nous changeons le réacteur de 1 à 2, la moyenne prédite pour Impureté augmente d'environ 0,2 unités. Nous pouvons voir cette différence dans l'expression de prédiction lorsque nous comparons les valeurs du réacteur 1 et du réacteur 2.
Pour afficher les estimations de paramètres codés factices 0/1, sélectionnez Estimations et alors Estimations de paramétrage des indicateurs , à partir du triangle rouge supérieur.
Examinons l'estimation codée fictive pour Décalage . Avec le codage factice, nous comparons la moyenne Impureté pour le premier passage à la moyenne Impureté pour le deuxième quart de travail, en maintenant tout le reste constant. On voit facilement que la moyenne Impureté pour le premier poste est d'environ 0,1 unité supérieure à celle du deuxième poste. Mais cette différence n'est pas significative.
