Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este ejemplo, nuevamente ajustamos un modelo para Impureza usando Ajustar modelo. Pero esta vez, también agregamos los predictores categóricos al modelo.
Primero, agregamos Impureza como la variable Y.
Agregar predictores categóricos al modelo no es diferente a agregar predictores continuos. Simplemente seleccionamos las variables y hacemos clic Agregar .
en un video anterior, discutimos opciones para codificar predictores categóricos. Recuerde que JMP aplica la codificación de efecto -1/1 en segundo plano.
Cuando ejecutamos el modelo, JMP muestra los coeficientes de los predictores categóricos en la tabla Estimaciones de parámetros.
Tenemos tres niveles de Reactor , entonces hay dos coeficientes para Reactor .
Tenemos dos turnos, por lo que hay un coeficiente para Cambio .
Cuando activamos la expresión de predicción, JMP muestra la ecuación completa del modelo.
Prediction Profiler nos permite ver fácilmente cómo los cambios en el valor de los predictores categóricos cambian la respuesta predicha.
Para Reactor , manteniendo todo lo demás constante, a medida que cambiamos el reactor de 1 a 2, la media pronosticada para Impureza aumenta en aproximadamente 0,2 unidades. Podemos ver esta diferencia en la expresión de predicción cuando comparamos los valores para el Reactor 1 y el Reactor 2.
Para ver las estimaciones de parámetros con código ficticio 0/1, seleccione Estimados y luego Estimaciones de parametrización de indicadores , desde el triángulo rojo superior.
Veamos la estimación codificada ficticia para Cambio . Con codificación ficticia, comparamos el promedio Impureza para el primer cambio a la media Impureza para el segundo turno, manteniendo todo lo demás constante. Fácilmente podemos ver que el promedio Impureza para el primer turno es aproximadamente 0,1 unidades mayor que el segundo turno. Pero esta diferencia no es significativa.
