Adattamento di un modello per un progetto sperimentale a due fattoriSto cercando di adattare un modello per un progetto sperimentale a due fattori (2 fattori). Questo è il Problema 5.4 nel libro DC Montgomery (Progettazione e analisi degli esperimenti 8 ° ed. Cap 5. La resa di un processo chimico è allo studio. Si pensa che le due variabili più importanti siano la pressione e la temperatura. Vengono selezionati tre livelli di ciascun fattore e viene eseguito un esperimento fattoriale con due repliche. I dati sulla resa sono i seguenti:
La soluzione di questo problema è soddisfatta quando Temperatura e Pressione sono impostate su "Nominale". Mi aspettavo di impostarli su "Continous" ma se lo faccio l'ANOVA è sbagliato.
1) Perché devo impostare i fattori su "Nominale" invece di "Continuo" per ottenere un'ANOVA corretta e stime di adattamento?
2) Se voglio trovare un modello di regressione dai dati, devo impostare Temperatura e Pressione su "Continuo". Perché?
AnalyticsOggetto: Adattamento di un modello per un progetto sperimentale a due fattoriNon ho familiarità con il contesto esatto e completo del problema, quindi sto solo ipotizzando ... in JMP le variabili possono avere diversi tipi di dati che si allineano più o meno con i metodi di modellazione analitica per quei tipi di dati. In JMP, alcuni (ma certamente non tutti ... che è ciò che rende JMP un'applicazione così utile!) Di questi tipi di dati sono etichettati "Nominale" e "Continuo". Forse quello che stai leggendo nel problema nel libro è "nominale" si riferisce alle impostazioni preferite o correnti per il processo di produzione in esame e NON all'etichetta del tipo di dati utilizzata in JMP?
Questi tipi di fattori sperimentali, come illustrato nel problema, sono generalmente considerati "continui" nel senso del tipo di dati JMP, che a sua volta apre una varietà di metodi di modellazione, uno dei quali è chiamato Minimi quadrati standard in JMP ... che in turn porta a un buon vecchio modello di regressione lineare.
Oggetto: Adattamento di un modello per un progetto sperimentale a due fattoriC'è più di un modo per analizzare i set di dati. Non necessariamente "sbagliato". Nell'approccio ANOVA, ciò che stai stimando è l'effetto di ciascun termine nel modello. Per l'esperimento a due fattori a cui ti riferisci, ogni fattore ha 2 gradi di libertà (o 8 per gli effetti del modello), quindi il modello è:
Y = T + P + TP + Errore
Se usi la regressione per l'analisi, sarai in grado di assegnare quei 2 gradi di libertà per ogni fattore agli effetti lineare e quadratico:
Y = T + P + TP + T * T + P * P + E
Oggetto: Adattamento di un modello per un progetto sperimentale a due fattoriPenso che la risposta a entrambe le tue domande sia: a causa del flusso di lavoro in JMP.
Se vuoi fare ANOVA (analisi della varianza, differenza tra le medie di gruppo in un campione):
Diversi gruppi in X sono esistenti (o non ambigui) solo quando X è nominale.
Quindi, quando si usa X nominale in "fit x by y", si finisce in ANOVA.
Le esigenze di regressione, che puoi calcolare con i tuoi valori x. Questo è solo il caso della x continua.
Semplicemente per mezzo del tipo di dati x e y si dice a JMP quale analisi si desidera eseguire. Dai un'occhiata all'immagine in basso a sinistra, quando si avvia la piattaforma "adatta y per x". Penso che questa sia un'interfaccia piacevole ed efficace, che consente a JMP di offrire i metodi che si adattano ai tuoi tipi di modellazione. Tuttavia potrebbe volerci un po 'di tempo per abituarsi.
