Facteurs de pondération dans un DOE (fonction Minitab)Bonjour,
nous avons une entreprise avec des utilisateurs de Minitab qui souhaitent ajouter des pondérations sur certains facteurs dans un DOE dans JMP (comme Minitab semble le permettre). Cela a-t-il un sens, est-ce une comparaison juste si vous pondérez certains facteurs, quel est le but?
Pouvons-nous reproduire cela sur JMP? J'ai en tête de créer une formule "poids = [3X1 + X2 + ... + Xn" (pondération X1 par 3 fois sur des facteurs normalisés par exemple) et de l'utiliser comme poids. Des pensées, des recommandations? Merci pour l'aide.
Emmanuel
Re: Facteurs de pondération dans un DOE (fonction Minitab)salut @Emmanuel_Romeu ,
Nous pouvons certainement pondérer des facteurs ou des effets dans la conception personnalisée dans JMP.
Il existe 2 options qui pourraient vous aider:
1. Pondéré A-Optimal. Cela vous permet de mettre une pondération différente sur chaque effet du modèle. Nous vous recommandons de pondérer sur différents ordres de grandeur. Par exemple, pondérez vos effets les plus importants 10 et les autres 1. Vous devriez voir que les effets fortement pondérés auront une puissance accrue et une corrélation réduite avec d'autres effets.
2. Vous pouvez sélectionner l'option «Si possible» pour l'estimation des effets moins importants. Cela vous permet de créer une conception avec moins de passages que d'effets dans le modèle - une conception sursaturée.
Récente présentation Discovery de Brad couvre A-optimal.
Je suis surpris que Minitab ait cette sophistication. Je serais intéressé d'en savoir plus sur leurs capacités.
Salutations,
Phil
Re: Facteurs de pondération dans un DOE (fonction Minitab)Basé sur ce qu'ils ont sur leur site Web ils parlent de régression pondérée. Utilisez le rôle Poids dans la boîte de dialogue Ajuster le modèle. La partie la plus délicate est de créer la colonne de poids. Si la valeur d'une ligne correspond à une mesure moyenne, l'inverse de la variance des données brutes est couramment utilisé comme poids.
La régression pondérée aide à atténuer la violation de l'hypothèse d'une variance homogène (réponse) dans tout l'espace de conception. L'optimalité A affecte la matrice de conception et la précision des estimations des paramètres. C'est-à-dire que la régression pondérée concerne la variance des Y et l'optimalité A sur la variance des X.
Re: Facteurs de pondération dans un DOE (fonction Minitab)Ça a du sens, @DonMcCormack .
J'ai trouvé étrange que Minitab puisse effectuer une pondération facteur / effet dans la conception.
Acclamations,
Phil
