Ajuste de un modelo para un diseño experimental de dos factoresEstoy tratando de ajustar un modelo para un diseño experimental de dos factores (2 factores). Este es el problema 5.4 del libro de DC Montgomery (Diseño y análisis de experimentos, 8.a ed., Capítulo 5. Se está estudiando el rendimiento de un proceso químico. Se cree que las dos variables más importantes son la presión y la temperatura. Se seleccionan tres niveles de cada factor y se realiza un experimento factorial con dos repeticiones. Los datos de rendimiento son los siguientes:
La solución de este problema se logra cuando la temperatura y la presión se establecen en "Nominal". Esperaba ponerlos en "Continuo", pero si lo hago, el ANOVA está mal.
1) ¿Por qué necesito establecer los factores en "Nominal" en lugar de "Continuo" para obtener un ANOVA adecuado y estimaciones de ajuste?
2) Si quiero encontrar un modelo de regresión a partir de los datos, necesito establecer la Temperatura y la Presión en "Continuo". ¿Por qué?
AnalíticaRe: ajuste de un modelo para un diseño experimental de dos factoresNo estoy familiarizado con el contexto exacto y completo del problema, así que solo estoy adivinando aquí ... en JMP, las variables pueden tener diferentes tipos de datos que se alinean más o menos con los métodos de modelado analítico para esos tipos de datos. En JMP, algunos (pero ciertamente no todos ... ¡que es lo que hace que JMP sea una aplicación tan útil!) De esos tipos de datos están etiquetados como 'Nominal' y 'Continuo'. ¿Quizás lo que está leyendo en el problema en el libro es "nominal" se refiere a la configuración preferida o actual para el proceso de fabricación en estudio y NO a la etiqueta de tipo de datos utilizada en JMP?
Estos tipos de factores experimentales tal como se establecen en el problema se consideran típicamente 'Continuos' en el sentido del tipo de datos JMP, lo que a su vez abre una variedad de métodos de modelado, uno de los cuales se llama Mínimos cuadrados estándar en JMP ... que en turn conduce a un buen modelo de regresión lineal a la antigua.
Re: ajuste de un modelo para un diseño experimental de dos factoresHay más de una forma de analizar conjuntos de datos. No necesariamente "incorrecto". En el enfoque ANOVA, lo que está estimando es el efecto de cada término en el modelo. Para el experimento de dos factores al que se refiere, cada factor tiene 2 grados de libertad (u 8 para los efectos del modelo), por lo que el modelo es:
Y = T + P + TP + Error
Si usa la regresión para el análisis, podrá asignar esos 2 grados de libertad para cada factor a los efectos lineales y cuadráticos:
Y = T + P + TP + T * T + P * P + E
Re: ajuste de un modelo para un diseño experimental de dos factoresCreo que la respuesta a ambas preguntas es: debido al flujo de trabajo en JMP.
Si desea hacer ANOVA (análisis de varianza, diferencia entre medias de grupo en una muestra):
Los diferentes grupos en X solo existen (o no son ambiguos), cuando X es nominal.
Entonces, cuando se usa X nominal en "ajustar x por y", termina en ANOVA.
Necesidades de regresión, que puede calcular con sus valores de x. Este solo es el caso de x continuo.
Simplemente mediante el tipo de datos de xey le indica a JMP qué análisis desea realizar. Eche un vistazo a la imagen en la parte inferior izquierda, al poner en marcha la plataforma "encajar y por x". Creo que esta es una interfaz agradable y eficaz, que permite que JMP ofrezca los métodos que se adaptan a sus tipos de modelado. Sin embargo, puede llevar algún tiempo acostumbrarse.
