come leggere la trama reale dalla trama previstaCiao
ho fatto test di progettazione di screening definitivo DOE nella mia ricerca.
ora chiedi il tuo aiuto per capire come analizzare i dati.
per favore consigli dove posso trovare brevi spiegazioni per questo e come leggere la "trama effettiva da prevista"?
Grazie
dainaRe: come leggere la trama reale dalla trama previstaIl grafico effettivo per previsione è un grafico a dispersione. La risposta prevista (Y-hat) viene utilizzata per l'ascissa. La risposta osservata (Y) viene utilizzata per l'ordinata.
Questo esempio di Fit Least Squares è anche un "grafico della leva". Aggiunge una linea blu orizzontale per l'ipotesi nulla (che la risposta è indipendente dai fattori) e una linea rossa obliqua per l'ipotesi alternativa (che la risposta dipende dai fattori). È un test "intero modello" che confronta un modello con solo e intercetta per l'ipotesi nulla al modello completo con tutti i fattori aggiunti all'intercetta per l'ipotesi alternativa. Una regione di confidenza rossa del 95% viene tracciata sopra la linea rossa inclinata. Se la linea blu orizzontale è contenuta dalla regione rossa, l'intero test del modello non è significativo al livello alfa = 0,05. Se la linea blu non è contenuta all'interno della regione rossa, l'intero test del modello è significativo allo stesso livello. Questa valutazione visiva equivale ad applicare un livello di significatività di 0,05 al F -test presentato nella tabella Analisi della varianza.
La trama può essere utilizzata anche per valutare visivamente la possibilità di "mancanza di adattamento". Una previsione imparziale dovrebbe produrre valori previsti che concordano con i valori osservati in media. La linea rossa dovrebbe passare attraverso il centro dei punti dati. Se il modello è distorto, i punti dati devieranno dalla linea. Ad esempio, se la risposta alla modifica dei fattori non è lineare ma il modello include solo termini per effetti lineari, il modello sarà distorto. Questo esempio mostrerebbe una curvatura nel grafico effettivo per previsione. Il tuo esempio mostra tale curvatura, quindi il tuo modello è distorto.
Hai osservato la risposta molte volte alle basse e alle alte temperature. Quante osservazioni hai alla temperatura centrale?
Potresti provare ad aggiungere un termine al quadrato Temperatura al modello. JMP rappresenta le potenze per moltiplicazione. Quindi la temperatura al quadrato viene aggiunta come temperatura*temperatura.
Quanti fattori in totale sono stati inclusi nel progetto di screening definitivo che hai utilizzato?
Re: come leggere la trama reale dalla trama prevista@YanivD : Esistono molti metodi diversi che è possibile utilizzare per analizzare dati e risultati di esperimenti progettati. Ti suggerisco di iscriverti al corso SAS "Statistical Thinking for Industrial Problem Solving" e focalizzare la tua attenzione sui moduli DOE e modeling oriented. Il portale di accesso al corso è disponibile qui:
Pensiero statistico per la risoluzione dei problemi industriali
Re: come leggere la trama reale dalla trama previstaInnanzitutto, benvenuto nella community. Non hai fornito l'esperimento (fattori/livelli) solo che hai eseguito un DSD. Queste informazioni non sono sufficienti per aiutarti nella tua analisi. Abbiamo bisogno di sapere come sono stati acquisiti i dati e quali modelli hanno senso e quindi quali modelli hai cercato di analizzare. Come indica Mark, i grafici effettivi per previsione (e leverage) sono buoni strumenti di analisi grafica che aiutano a comprendere il modello. Questi, insieme ad altri grafici residui, aiutano a determinare se le ipotesi del modello vengono soddisfatte e, cosa più importante, il modello sarà utile. Sembra che il contrappunto di temp. è "al di fuori della regione attesa" di un modello lineare. Sembra anche che la tua varianza non sia costante a diversi livelli di temperatura. Questi sono entrambi indicatori che il tuo modello non è particolarmente "buono".
Come suggerisce Pete, sono molti modi per analizzare i set di dati di un esperimento. Suggerirei prima di esaminare i dati e determinare se i dati variano abbastanza da essere di valore pratico. Identificare eventuali anomalie o punti dati insoliti (esistono più tecniche per farlo). Quindi cerca i modelli nella variabile di risposta. Prestare particolare attenzione a quando i modelli nella variabile di risposta corrispondono ai modelli nei fattori o nelle interazioni. I passaggi dovrebbero essere sempre Pratici>Grafici>Quantitativi.
Quando si cerca di costruire modelli, ci sono anche strategie multiple (es. RSquare-RSquare Adj delta, RMSE, p-values). Ad esempio, la costruzione del modello sottrattivo inizia con un modello saturo e poi rimuove i termini che sembrano insignificanti. Al contrario dell'additivo, che inizia con un fattore e poi si aggiungono termini al modello (ad es. regressione graduale). Renditi conto che le statistiche del modello sono condizionali. Le statistiche per ogni termine nel modello dipendono dagli altri termini presenti nel modello e in quali condizioni è stato eseguito l'esperimento (spazio di inferenza). Se una di queste condizioni dovesse cambiare, potrebbero cambiare anche le statistiche.
Re: come leggere la trama reale dalla trama prevista
@markbailey ha scritto:
Il grafico effettivo per previsione è un grafico a dispersione. La risposta prevista (Y-hat) viene utilizzata per l'ascissa. La risposta osservata (Y) viene utilizzata per l'ordinata.
Questo esempio di Fit Least Squares è anche un "grafico della leva". Aggiunge una linea blu orizzontale per l'ipotesi nulla (che la risposta è indipendente dai fattori) e una linea rossa obliqua per l'ipotesi alternativa (che la risposta dipende dai fattori). È un test "intero modello" che confronta un modello con solo e intercetta per l'ipotesi nulla con il modello completo con tutti i fattori aggiunti all'intercetta per l'ipotesi alternativa. Una regione di confidenza rossa del 95% viene tracciata sopra la linea rossa inclinata. Se la linea blu orizzontale è contenuta dalla regione rossa, l'intero test del modello non è significativo al livello alfa = 0,05. Se la linea blu non è contenuta all'interno della regione rossa, l'intero test del modello è significativo allo stesso livello. Questa valutazione visiva equivale ad applicare un livello di significatività di 0,05 al F -test presentato nella tabella Analisi della varianza.
La trama può essere utilizzata anche per valutare visivamente la possibilità di "mancanza di adattamento". Una previsione imparziale dovrebbe produrre valori previsti che concordano con i valori osservati in media. La linea rossa dovrebbe passare attraverso il centro dei punti dati. Se il modello è distorto, i punti dati devieranno dalla linea. Ad esempio, se la risposta alla modifica dei fattori non è lineare ma il modello include solo termini per effetti lineari, il modello sarà distorto. Questo esempio mostrerebbe una curvatura nel grafico effettivo per previsione. Il tuo esempio mostra tale curvatura, quindi il tuo modello è distorto.
Hai osservato la risposta molte volte alle basse e alle alte temperature. Quante osservazioni hai alla temperatura centrale?
Potresti provare ad aggiungere un termine al quadrato Temperatura al modello. JMP rappresenta le potenze per moltiplicazione. Quindi la temperatura al quadrato viene aggiunta come temperatura*temperatura.
Quanti fattori in totale sono stati inclusi nel progetto di screening definitivo che hai utilizzato?
Innanzitutto la ringrazio per la risposta e le spiegazioni dettagliate. Sto aggiungendo il rapporto DSD adatto ai risultati: se possibile, potresti consigliarti come analizzare i risultati? è la prima volta che utilizzo DSD, apprezzerei il vostro supporto e assistenza con la parte di analisi.
molte grazie
