예측 플롯으로 실제를 읽는 방법안녕하세요
나는 내 연구에서 DOE 최종 선별 설계 테스트를 수행했습니다.
이제 데이터 분석 방법을 이해하기 위해 도움을 요청하십시오.
이것에 대한 짧은 설명과 "예측 된 플롯에 의한 실제"를 읽는 방법을 어디에서 찾을 수 있습니까?
감사
암사슴Re : 예측 플롯으로 실제 값을 읽는 방법예측 된 실제 플롯은 산점도입니다. 가로 좌표에는 예측 응답 (Y-hat)이 사용됩니다. 관찰 된 응답 (Y)은 세로 좌표에 사용됩니다.
Fit Least Squares의이 예제는 '레버리지 플롯'이기도합니다. 귀무 가설 (반응이 요인과 무관 함)에 대해 파란색 가로선을 추가하고 대립 가설 (반응이 요인에 따라 달라짐)에 대해 기울어 진 빨간색 선을 추가합니다. 대립 가설에 대한 절편에 모든 요인을 추가하여 귀무 가설에 대한 모형과 절편 만있는 모형을 전체 모형과 비교하는 '전체 모형'검정입니다. 빨간색 95 % 신뢰 영역이 기울어 진 빨간색 선 위에 표시됩니다. 파란색 가로선이 빨간색 영역에 포함되어 있으면 전체 모델 검정이 알파 = 0.05 수준에서 유의하지 않은 것입니다. 파란색 선이 빨간색 영역 내에 포함되지 않으면 전체 모델 테스트가 동일한 수준에서 유의미한 것입니다. 이 시각적 평가는 0.05의 유의 수준을 적용하는 것과 같습니다. 에프 -분산 분석 표에 제시된 테스트.
플롯을 사용하여 '적합 부족'가능성을 시각적으로 평가할 수도 있습니다. 편향되지 않은 예측은 평균적으로 관찰 된 값과 일치하는 예측 값을 생성해야합니다. 빨간색 선은 데이터 포인트의 중간을 통과해야합니다. 모델이 편향된 경우 데이터 포인트가 선에서 벗어납니다. 예를 들어, 요인 변경에 대한 반응이 비선형이지만 모형에 선형 효과에 대한 항만 포함 된 경우 모형은 편향됩니다. 이 예는 예측 된 실제 플롯에서 곡률을 나타냅니다. 귀하의 예제는 이러한 곡률을 나타내므로 모델이 편향됩니다.
저온 및 고온에서 반응을 여러 번 관찰했습니다. 중심 온도에서 몇 개의 관측 값이 있습니까?
모델에 온도 제곱 항을 추가 할 수 있습니다. JMP는 곱셈으로 거듭 제곱을 나타냅니다. 따라서 온도 제곱은 온도 * 온도로 추가됩니다.
사용한 최종 선별 설계에 총 몇 개의 요인이 포함 되었습니까?
Re : 예측 플롯으로 실제 값을 읽는 방법뿡뿡 : 설계된 실험의 데이터 및 결과를 분석하는 데 사용할 수있는 다양한 방법이 있습니다. SAS "산업 문제 해결을위한 통계적 사고"과정에 등록하고 DOE 및 모델링 지향 모듈에 집중하는 것이 좋습니다. 코스에 대한 입구 포털은 여기에서 찾을 수 있습니다.
산업 문제 해결을위한 통계적 사고
Re : 예측 플롯으로 실제 값을 읽는 방법먼저 커뮤니티에 오신 것을 환영합니다. DSD를 실행 한 실험 (요인 / 수준) 만 제공하지 않았습니다. 이것은 분석에 도움이되는 정보가 충분하지 않습니다. 데이터가 어떻게 수집되었는지, 어떤 모델이 의미가 있는지, 그리고 어떤 모델을 분석하려고했는지 알아야합니다. Mark가 지적했듯이 실제 기준 예측 (및 활용 플롯)은 모델을 이해하는 데 도움이되는 훌륭한 그래픽 분석 도구입니다. 이것들은 다른 잔차 그림과 함께 모델 가정이 충족되는지 여부를 결정하는 데 도움이되며 더 중요한 것은 모델이 유용 할 것입니다. temp의 대위법 인 것으로 보입니다. 선형 모델의 "예상 영역 외부"입니다. 또한 다양한 온도 수준에서 분산이 일정하지 않은 것으로 보입니다. 이 두 가지 지표는 모델이 특히 "좋지"않은 지표입니다.
Pete가 제안했듯이 실험에서 데이터 세트를 분석하는 방법은 여러 가지입니다. 먼저 데이터를 살펴보고 데이터가 실제 가치가있을만큼 충분히 변하는 지 확인하는 것이 좋습니다. 비정상 또는 비정상적인 데이터 포인트를 식별합니다 (이를 수행하는 여러 기술이 있음). 그런 다음 반응 변수에서 패턴을 찾으십시오. 반응 변수의 패턴이 요인 또는 상호 작용의 패턴과 일치하는시기에 특히주의하십시오. 단계는 항상 Practical> Graphical> Quantitative 여야합니다.
모델을 구축 할 때 여러 전략 (예 : RSquare-RSquare Adj 델타, RMSE, p- 값)도 있습니다. 하나의 요인으로 시작하여 모델에 항을 추가하는 덧셈과는 반대로 (예 : 단계적 회귀). 모델 통계가 조건부임을 인식하십시오. 모델의 항에 대한 통계는 모델에있는 다른 항과 실험이 실행 된 조건 (추론 공간)에 따라 달라집니다. 이러한 조건이 변경되면 통계도 변경 될 수 있습니다.
Re: 예측 플롯으로 실제를 읽는 방법
@markbailey 썼다:
실제 예측 플롯은 산점도입니다. 횡좌표에는 예측 응답(Y-hat)이 사용됩니다. 관찰된 응답(Y)은 세로 좌표에 사용됩니다.
Fit Least Squares의 이 예도 '레버리지 플롯'입니다. 귀무 가설(반응이 요인에 독립적이라는)에 대해 파란색 수평선을 추가하고 대립 가설(반응이 요인에 따라 다름)에 대해 기울어진 빨간색 선을 추가합니다. 귀무가설에 대한 절편만 있는 모형을 대립가설에 대한 절편에 모든 요인을 추가한 전체 모형과 비교하는 '전체 모형' 검정입니다. 빨간색 95% 신뢰 영역이 기울어진 빨간색 선 위에 표시됩니다. 파란색 수평선이 빨간색 영역에 포함되어 있으면 전체 모델 검정이 alpha = 0.05 수준에서 유의하지 않은 것입니다. 파란색 선이 빨간색 영역에 포함되지 않으면 전체 모델 검정이 동일한 수준에서 유의합니다. 이 시각적 평가는 0.05의 유의 수준을 적용하는 것과 같습니다. NS -분산 분석 표에 제시된 테스트.
플롯은 '적합 부족' 가능성을 시각적으로 평가하는 데에도 사용할 수 있습니다. 편향되지 않은 예측은 평균적으로 관찰된 값과 일치하는 예측된 값을 생성해야 합니다. 빨간색 선은 데이터 포인트의 중간을 지나야 합니다. 모델이 편향되어 있으면 데이터 포인트가 선에서 벗어납니다. 예를 들어, 요인 변경에 대한 반응이 비선형이지만 모형에 선형 효과에 대한 항만 포함되어 있으면 모형이 편향됩니다. 이 예는 실제 예측 플롯에서 곡률을 나타냅니다. 귀하의 예는 그러한 곡률을 나타내므로 모델이 편향되어 있습니다.
낮은 온도와 높은 온도에서 여러 번 반응을 관찰했습니다. 중심 온도에서 몇 번이나 관측했습니까?
모델에 온도 제곱 항을 추가할 수 있습니다. JMP는 곱셈으로 거듭제곱을 나타냅니다. 따라서 온도 제곱은 온도*온도로 추가됩니다.
귀하가 사용한 최종 선별 설계에는 총 몇 개의 요인이 포함되었습니까?
먼저 답변과 상세한 설명에 감사드립니다. DSD 보고서에 맞는 결과를 추가하고 있습니다. 가능하다면 결과를 분석하는 방법을 조언해 주시겠습니까? DSD를 처음 사용하는 경우 분석 부분에 대한 지원과 지원에 감사드립니다.
정말 감사합니다
