wie man die tatsächliche durch die vorhergesagte Handlung liestHallo
Ich habe im Rahmen meiner Forschung den definitiven Screening-Designtest des DOE durchgeführt.
Bitten Sie nun um Ihre Hilfe, um zu verstehen, wie die Daten analysiert werden.
Bitte um Rat: Wo finde ich kurze Erklärungen dazu und wie lese ich die „tatsächliche prognostizierte Handlung“?
Danke
VersuchsplanungBetreff: Wie liest man die tatsächliche durch die vorhergesagte Handlung?Vielen Dank für die Begrüßung und Unterstützung, das weiß ich wirklich zu schätzenBetreff: Wie liest man die tatsächliche durch die vorhergesagte Handlung?
@Mark_Bailey schrieb:
Das tatsächliche prognostizierte Diagramm ist ein Streudiagramm. Für die Abszisse wird die vorhergesagte Antwort (Y-hat) verwendet. Die beobachtete Reaktion (Y) wird für die Ordinate verwendet.
Dieses Beispiel aus Fit Least Squares ist ebenfalls ein „Leverage Plot“. Es fügt eine horizontale blaue Linie für die Nullhypothese (dass die Reaktion unabhängig von den Faktoren ist) und eine schräge rote Linie für die Alternativhypothese (dass die Reaktion von den Faktoren abhängt) hinzu. Es handelt sich um einen „Gesamtmodell“-Test, der ein Modell mit nur einem Achsenabschnitt für die Nullhypothese mit dem vollständigen Modell vergleicht, wobei alle Faktoren zum Achsenabschnitt für die Alternativhypothese hinzugefügt wurden. Über der schrägen roten Linie ist ein roter 95-%-Konfidenzbereich eingezeichnet. Wenn die horizontale blaue Linie im roten Bereich enthalten ist, ist der gesamte Modelltest auf dem Niveau von Alpha = 0,05 nicht signifikant. Wenn die blaue Linie nicht im roten Bereich liegt, ist der gesamte Modelltest auf demselben Niveau signifikant. Diese visuelle Bewertung entspricht der Anwendung eines Signifikanzniveaus von 0,05 auf die F -Test in der Tabelle „Varianzanalyse“ dargestellt.
Das Diagramm kann auch verwendet werden, um die Möglichkeit einer „mangelnden Anpassung“ visuell zu bewerten. Eine unvoreingenommene Vorhersage sollte vorhergesagte Werte liefern, die im Durchschnitt mit den beobachteten Werten übereinstimmen. Die rote Linie sollte durch die Mitte der Datenpunkte verlaufen. Wenn das Modell voreingenommen ist, weichen die Datenpunkte von der Linie ab. Wenn beispielsweise die Reaktion auf eine Änderung der Faktoren nichtlinear ist, das Modell jedoch nur Terme für lineare Effekte enthält, ist das Modell verzerrt. Dieses Beispiel würde eine Krümmung im tatsächlichen Diagramm gegenüber dem vorhergesagten Diagramm aufweisen. Ihr Beispiel weist eine solche Krümmung auf, sodass Ihr Modell verzerrt ist.
Sie haben die Reaktion viele Male bei niedrigen und hohen Temperaturen beobachtet. Wie viele Beobachtungen haben Sie bei der Zentraltemperatur?
Sie könnten versuchen, dem Modell einen Temperatur-Quadrat-Term hinzuzufügen. JMP repräsentiert Potenzen durch Multiplikation. Daher wird die Temperatur im Quadrat als Temperatur*Temperatur addiert.
Wie viele Faktoren waren insgesamt in dem von Ihnen verwendeten endgültigen Screening-Design enthalten?
Zunächst einmal möchte ich mich bei Ihnen für Ihre Antwort und die ausführlichen Erläuterungen bedanken. Ich füge den DSD-Bericht „Ergebnisse passen“ hinzu. Wenn möglich, könnten Sie mir bitte einen Rat geben, wie die Ergebnisse analysiert werden sollen? Ich verwende DSD zum ersten Mal und würde mich über Ihre Unterstützung und Unterstützung beim Analyseteil freuen.
vielen Dank
Betreff: Wie liest man die tatsächliche durch die vorhergesagte Handlung?Zunächst einmal willkommen in der Community. Sie haben das Experiment (Faktoren/Niveaus) nicht angegeben, nur dass Sie ein DSD durchgeführt haben. Dies sind nicht genügend Informationen, um Sie bei Ihrer Analyse zu unterstützen. Wir müssen wissen, wie die Daten erfasst wurden und welche Modelle sinnvoll sind und welche Modelle Sie dann analysieren wollten. Wie Mark angibt, sind die tatsächlich vorhergesagten Diagramme (und Hebeldiagramme) gute grafische Analysewerkzeuge, die zum Verständnis des Modells beitragen. Diese helfen zusammen mit anderen Residuendiagrammen dabei, festzustellen, ob die Modellannahmen erfüllt sind und, was noch wichtiger ist, ob das Modell nützlich ist. Es scheint, dass der Kontrapunkt von temp. liegt „außerhalb des erwarteten Bereichs“ eines linearen Modells. Es scheint auch, dass Ihre Varianz bei verschiedenen Temperaturniveaus nicht konstant ist. Dies sind beides Anzeichen dafür, dass Ihr Modell nicht besonders „gut“ ist.
Wie Pete vorschlägt, gibt es viele Möglichkeiten, Datensätze aus einem Experiment zu analysieren. Ich würde zunächst vorschlagen, sich die Daten anzusehen und festzustellen, ob die Daten so unterschiedlich sind, dass sie von praktischem Wert sind. Identifizieren Sie etwaige Anomalien oder ungewöhnliche Datenpunkte (hierfür gibt es mehrere Techniken). Suchen Sie dann nach Mustern in der Antwortvariablen. Achten Sie besonders darauf, ob Muster in der Antwortvariablen mit Mustern in den Faktoren oder Interaktionen übereinstimmen. Schritte sollten immer praktisch > grafisch > quantitativ sein.
Beim Versuch, Modelle zu erstellen, gibt es auch mehrere Strategien (z. B. RSquare-RSquare Adj Delta, RMSE, p-Werte). Beispielsweise beginnt die subtraktive Modellerstellung mit einem gesättigten Modell und entfernt dann Terme, die unbedeutend erscheinen. Im Gegensatz zur additiven Methode, die mit einem Faktor beginnt und dann Terme zum Modell hinzufügt (z. B. schrittweise Regression). Beachten Sie, dass die Modellstatistiken bedingt sind. Die Statistiken für jeden Term im Modell hängen von den anderen Termen im Modell und von den Bedingungen ab, unter denen das Experiment durchgeführt wurde (Inferenzraum). Sollte sich eine dieser Bedingungen ändern, können sich auch die Statistiken ändern.
Betreff: Wie liest man die tatsächliche durch die vorhergesagte Handlung?@YanivD : Es gibt viele verschiedene Methoden, mit denen man Daten und Ergebnisse aus geplanten Experimenten analysieren kann. Ich schlage vor, dass Sie sich für den SAS-Kurs „Statistical Thinking for Industrial Problem Solving“ anmelden und Ihre Aufmerksamkeit auf die DOE- und modellierungsorientierten Module richten. Das Einstiegsportal zum Studiengang finden Sie hier:
Statistisches Denken zur industriellen Problemlösung
Betreff: Wie liest man die tatsächliche durch die vorhergesagte Handlung?Das tatsächliche prognostizierte Diagramm ist ein Streudiagramm. Für die Abszisse wird die vorhergesagte Antwort (Y-hat) verwendet. Die beobachtete Reaktion (Y) wird für die Ordinate verwendet.
Dieses Beispiel aus Fit Least Squares ist ebenfalls ein „Leverage Plot“. Es fügt eine horizontale blaue Linie für die Nullhypothese (dass die Reaktion unabhängig von den Faktoren ist) und eine schräge rote Linie für die Alternativhypothese (dass die Reaktion von den Faktoren abhängt) hinzu. Es handelt sich um einen „Gesamtmodell“-Test, der ein Modell mit nur einem Achsenabschnitt für die Nullhypothese mit dem vollständigen Modell vergleicht, wobei alle Faktoren zum Achsenabschnitt für die Alternativhypothese hinzugefügt wurden. Über der schrägen roten Linie ist ein roter 95-%-Konfidenzbereich eingezeichnet. Wenn die horizontale blaue Linie im roten Bereich enthalten ist, ist der gesamte Modelltest auf dem Niveau von Alpha = 0,05 nicht signifikant. Wenn die blaue Linie nicht im roten Bereich liegt, ist der gesamte Modelltest auf demselben Niveau signifikant. Diese visuelle Bewertung entspricht der Anwendung eines Signifikanzniveaus von 0,05 auf die F -Test in der Tabelle „Varianzanalyse“ dargestellt.
Das Diagramm kann auch verwendet werden, um die Möglichkeit einer „mangelnden Anpassung“ visuell zu bewerten. Eine unvoreingenommene Vorhersage sollte vorhergesagte Werte liefern, die im Durchschnitt mit den beobachteten Werten übereinstimmen. Die rote Linie sollte durch die Mitte der Datenpunkte verlaufen. Wenn das Modell voreingenommen ist, weichen die Datenpunkte von der Linie ab. Wenn beispielsweise die Reaktion auf eine Änderung der Faktoren nichtlinear ist, das Modell jedoch nur Terme für lineare Effekte enthält, ist das Modell verzerrt. Dieses Beispiel würde eine Krümmung im tatsächlichen Diagramm gegenüber dem vorhergesagten Diagramm aufweisen. Ihr Beispiel weist eine solche Krümmung auf, sodass Ihr Modell verzerrt ist.
Sie haben die Reaktion viele Male bei niedrigen und hohen Temperaturen beobachtet. Wie viele Beobachtungen haben Sie bei der Zentraltemperatur?
Sie könnten versuchen, dem Modell einen Temperatur-Quadrat-Term hinzuzufügen. JMP repräsentiert Potenzen durch Multiplikation. Daher wird die Temperatur im Quadrat als Temperatur*Temperatur addiert.
Wie viele Faktoren waren insgesamt in dem von Ihnen verwendeten endgültigen Screening-Design enthalten?
