Adattamento di un modello per un disegno sperimentale a due fattoriSto cercando di adattare un modello per un disegno sperimentale a due fattori (2 fattori). Questo è il Problema 5.4 nel libro DC Montgomery (Progettazione e analisi degli esperimenti 8a ed. Cap 5. Si sta studiando il rendimento di un processo chimico. Si ritiene che le due variabili più importanti siano la pressione e la temperatura. Tre livelli di ciascun fattore vengono selezionati e viene eseguito un esperimento fattoriale con due repliche. I dati di resa sono i seguenti:
La soluzione di questo problema si ottiene quando la temperatura e la pressione sono impostate su "Nominale". Mi aspettavo di impostarli su "Continuo" ma se lo faccio l'ANOVA è sbagliata.
1) Perché devo impostare i fattori su "Nominale" anziché su "Continuo" per ottenere un'ANOVA corretta e stime adeguate?
2) Se voglio trovare un modello di regressione dai dati, devo impostare Temperatura e Pressione su "Continua". Perché?
Ricerche sui consumatori e sul mercatoEsplorazione e visualizzazione dei datiProgettazione di esperimentiRe: Adattamento di un modello per un disegno 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):
Gruppi diversi in X esistono (o non ambigui) solo quando X è nominale.
Quindi quando usi X nominale in "adatta x per y" finisci in ANOVA.
Esigenze di regressione, che puoi calcolare con i tuoi valori x. Questo è solo il caso per x continua.
Semplicemente tramite il tipo di dati di xey dite a JMP quale analisi volete eseguire. Dai un'occhiata all'immagine in basso a sinistra, quando avvii 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 del tempo per abituarsi.
Re: Adattamento di un modello per un disegno 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 ciascun fattore agli effetti lineare e quadratico:
Y = T + P + TP + T*T + P*P + E
Re: Adattamento di un modello per un disegno sperimentale a due fattoriNon ho familiarità con il contesto del problema esatto e completo come affermato nel libro, quindi sto solo indovinando qui ... in JMP le variabili possono avere tipi di dati diversi 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 come "Nominale" e "Continuo". Forse quello che stai leggendo nel problema nel libro è "nominale" si riferisce alle impostazioni preferite o attuali per il processo di produzione in studio 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, il che a sua volta apre una varietà di metodi di modellazione, uno dei quali è chiamato Standard Least Squares in JMP... che in JMP turn porta a un buon modello di regressione lineare vecchio stile.
