Ajustement d'un modèle pour un plan expérimental à deux facteursJ'essaie d'adapter un modèle pour un plan expérimental à deux facteurs (2 facteurs). C'est le problème 5.4 dans le livre de DC Montgomery (Conception et analyse des expériences 8e éd. Chap 5. Le rendement d'un processus chimique est à l'étude. On pense que les deux variables les plus importantes sont la pression et la température. Trois niveaux de chaque facteur sont sélectionnés et une expérience factorielle avec deux répliques est effectuée. Les données de rendement sont les suivantes:
La solution de ce problème est satisfaite lorsque la température et la pression sont réglées sur "Nominal". Je m'attendais à les régler sur "Continus" mais si je fais cela, l'ANOVA est erronée.
1) Pourquoi dois-je définir des facteurs sur «Nominal» au lieu de «Continu» pour obtenir une ANOVA et des estimations d'ajustement appropriées?
2) Si je veux trouver un modèle de régression à partir des données, je dois régler la température et la pression sur "Continu". Pourquoi?
AnalytiqueRe: Ajuster un modèle pour un plan expérimental à deux facteursJe ne suis pas familier avec le contexte exact et complet du problème, donc je ne fais que deviner ici ... dans JMP, les variables peuvent avoir différents types de données qui s'alignent plus ou moins avec les méthodes de modélisation analytique pour ces types de données. Dans JMP, certains (mais certainement pas tous ... ce qui fait de JMP une application si utile!) De ces types de données sont étiquetés «Nominal» et «Continuous». Peut-être que ce que vous lisez dans le problème dans le livre est «nominal» fait référence aux paramètres préférés ou actuels pour le processus de fabrication à l'étude et PAS à l'étiquette de type de données utilisée dans JMP?
Ces types de facteurs expérimentaux tels que présentés dans le problème sont généralement considérés comme `` continus '' dans le sens du type de données JMP, ce qui à son tour ouvre une variété de méthodes de modélisation, dont l'une est appelée les moindres carrés standard dans JMP ... qui dans tour conduit à un bon vieux modèle de régression linéaire.
Re: Ajuster un modèle pour un plan expérimental à deux facteursIl existe plusieurs façons d'analyser les ensembles de données. Pas nécessairement «faux». Dans l'approche ANOVA, ce que vous estimez est l'effet de chaque terme du modèle. Pour l'expérience à deux facteurs dont vous parlez, chaque facteur a 2 degrés de liberté (ou 8 pour les effets de modèle), donc le modèle est:
Y = T + P + TP + Erreur
Si vous utilisez la régression pour l'analyse, vous pourrez attribuer ces 2 degrés de liberté pour chaque facteur aux effets linéaires et quadratiques:
Y = T + P + TP + T * T + P * P + E
Re: Ajuster un modèle pour un plan expérimental à deux facteursJe pense que la réponse à vos deux questions est: en raison du flux de travail dans JMP.
Si vous voulez faire une ANOVA (analyse de variance, différence entre les moyennes de groupe dans un échantillon):
Différents groupes dans X n'existent (ou sans ambiguïté) que lorsque X est nominal.
Ainsi, lorsque vous utilisez X nominal dans "fit x by y", vous vous retrouvez en ANOVA.
Besoins de régression, que vous pouvez calculer avec vos valeurs x. Ce n'est le cas que pour x continu.
En utilisant simplement le type de données x et y, vous indiquez à JMP quelle analyse vous souhaitez effectuer. Jetez un œil à l'image en bas à gauche, lors du démarrage de la plate-forme "fit y par x". Je pense que c'est une interface agréable et efficace, permettant à JMP de proposer les méthodes qui correspondent à vos types de modélisation. Cependant, cela peut prendre un certain temps pour s'y habituer.
