Revenir à la page des ressources utilisateur de JMP Fed Gov
Webémission du 22 décembre - Stratégies pour l'analyse des DOE
Dans cette webémission, nous analyserons plusieurs ensembles de données du DOE. Pour les outils d'analyse visuelle, nous utiliserons la distribution et le générateur de graphiques, y compris le filtrage des données sur des colonnes de facteurs, ainsi que l'empilement de facteurs. Les stratégies de modélisation comprendront des approches conservatrices telles que l'examen des effets du premier ordre avant de passer aux effets du second ordre guidés par les principes de «l'hérédité des effets» et de la «parcimonie des effets». Les stratégies agressives comprendront une régression par étapes utilisant plusieurs critères d'arrêt différents pour éviter le surajustement et même l'ajustement de «tous les modèles possibles». Réel vs. Les graphiques de prédiction avec points de contrôle peuvent être utilisés pour aider à choisir des modèles. Différents exemples de sortie de régression graphique et pas à pas qui peuvent être recréés dans la session sont présentés ci-dessous:
Plateforme de distribution montrant l'ombrage des niveaux de facteur avec la moitié supérieure des données de réponse sélectionnée.
Rendement du générateur de graphes par rapport aux plages de facteurs pour les 10 facteurs. Données résumées par Moyenne avec des barres d'erreur égales à l'intervalle de confiance sur la moyenne. Courbe plus lisse (bleu) et ajustement de ligne (rouge) aux données. La taille relative des effets principaux et de la courbure peut être vue.
Générateur de graphiques montrant les valeurs de réponse tracées par rapport aux paramètres de facteur individuels avec une courbe "plus douce"
Graph Builder montrant les paramètres de réponse par rapport à un facteur avec un second facteur superposé sur le graphique.
Les lignes non parallèles indiquent une interaction entre les facteurs.
Tracé de l'historique des critères pour la régression par étapes de 24 observations en choisissant un sous-ensemble de modèle à 4 facteurs et à 9 termes d'un modèle quadratique à 10 facteurs et à 66 termes qui est «sur-paramétré».
Graphique des estimations de paramètres triées montrant la dominance des facteurs A et B
Prediction Profiler défini sur des conditions prédisant le rendement maximal avec des plages de facteurs. Trois points de contrôle ont donné des valeurs de 15,10, 15,93 et 16,16 - le tout dans une fenêtre de confiance de 95% (14,4, 20,1).
Les meilleurs modèles à 1 à 8 termes (sans tenir compte de la constante) à partir de l'ajustement des 10 millions de modèles possibles pour 8 facteurs.
NOTE la domination par A & B suivi de C et ensuite la suggestion que G peut être important.
Tracé de superposition de 4 mesures à partir d'un tableau de modèle tout possible pour les facteurs A, B, C, E et F;
RSquare, RMSE, AICc et BIC vs termes du modèle.
Graphique de la valeur réelle par rapport aux prévisions pour l'ajustement du modèle à 3 facteurs à 24 essais de conception. Quatre points de contrôle NON utilisés dans l'ajustement sont également tracés.
