336232_de-DE

liliconcom

Anpassen eines Modells für einen Zwei-Faktor-Versuchsaufbau

Ich versuche, ein Modell für ein Zwei-Faktor-Experiment (2 Faktoren) anzupassen. Dies ist Aufgabe 5.4 im DC Montgomery-Buch (Entwurf und Analyse von Experimenten, 8. Ausgabe, Kap. 5. Die Ausbeute eines chemischen Prozesses wird untersucht. Es wird angenommen, dass die beiden wichtigsten Variablen der Druck und die Temperatur sind. Es werden drei Stufen jedes Faktors ausgewählt und ein faktorielles Experiment mit zwei Wiederholungen durchgeführt. Die Ertragsdaten sind wie folgt:

Die Lösung dieses Problems ist erreicht, wenn Temperatur und Druck auf "Nominal" eingestellt sind. Ich hatte erwartet, sie auf "Kontinuierlich" zu setzen, aber wenn ich das tue, ist die ANOVA falsch.

 

1) Warum muss ich Faktoren auf "Nominal" anstatt auf "Kontinuierlich" setzen, um eine korrekte ANOVA und passende Schätzungen zu erhalten?

 

2) Wenn ich aus den Daten ein Regressionsmodell finden möchte, muss ich Temperatur und Druck auf "Kontinuierlich" einstellen. Warum?

 

 

AnalytikBetreff: Anpassen eines Modells für einen Zwei-Faktor-Versuchsplan

Ich bin nicht mit dem genauen und vollständigen Problemkontext vertraut, daher rate ich hier nur ... In JMP können Variablen unterschiedliche Datentypen haben, die mehr oder weniger mit den analytischen Modellierungsmethoden für diese Datentypen übereinstimmen. In JMP sind einige (aber sicherlich nicht alle ... was JMP zu einer so nützlichen Anwendung macht!) Dieser Datentypen mit "Nominal" und "Continuous" gekennzeichnet. Vielleicht ist das, was Sie in dem Problem im Buch lesen, "nominal", das sich auf die bevorzugten oder aktuellen Einstellungen für den untersuchten Herstellungsprozess bezieht und NICHT auf das in JMP verwendete Datentypetikett?

 

Diese im Problem dargelegten Arten von experimentellen Faktoren werden im Sinne eines JMP-Datentyps normalerweise als "kontinuierlich" betrachtet, was wiederum eine Vielzahl von Modellierungsmethoden eröffnet, von denen eine in JMP als "Standard Least Squares" bezeichnet wird wiederum führt zu einem guten altmodischen linearen Regressionsmodell.

Betreff: Anpassen eines Modells für einen Zwei-Faktor-Versuchsplan

Es gibt mehrere Möglichkeiten, Datensätze zu analysieren. Nicht unbedingt "falsch". Beim ANOVA-Ansatz schätzen Sie die Auswirkung jedes Begriffs im Modell. Für das Zwei-Faktoren-Experiment, auf das Sie sich beziehen, hat jeder Faktor 2 Freiheitsgrade (oder 8 für die Modelleffekte). Das Modell lautet also:

Y = T + P + TP + Fehler

Wenn Sie die Regression für die Analyse verwenden, können Sie diese 2 Freiheitsgrade für jeden Faktor den linearen und quadratischen Effekten zuweisen:

Y = T + P + TP + T * T + P * P + E.

Betreff: Anpassen eines Modells für einen Zwei-Faktor-Versuchsaufbau

Ich denke, die Antwort auf Ihre beiden Fragen lautet: Aufgrund des Workflows in JMP.

 

Wenn Sie eine ANOVA durchführen möchten (Varianzanalyse, Differenz zwischen Gruppenmitteln in einer Stichprobe):

Verschiedene Gruppen in X existieren nur (oder sind eindeutig), wenn X nominal ist.

Wenn Sie also nominal X in "x x y anpassen" verwenden, landen Sie in ANOVA.

 

Regressionsbedürfnisse, die Sie mit Ihren x-Werten berechnen können. Dies ist nur für kontinuierliches x der Fall.

 

Anhand des Datentyps x und y teilen Sie JMP einfach mit, welche Analyse Sie durchführen möchten. Schauen Sie sich das Bild unten links an, wenn Sie die Plattform "fit y by x" starten. Ich denke, dies ist eine schöne und effektive Oberfläche, mit der JMP die Methoden anbieten kann, die zu Ihren Modellierungstypen passen. Es kann jedoch einige Zeit dauern, bis Sie sich daran gewöhnt haben.