cómo leer la trama real por predichaHola
He realizado la prueba de diseño de detección definitiva del DOE en mi investigación.
ahora solicite su ayuda para comprender cómo analizar los datos.
por favor consejo, ¿dónde puedo encontrar explicaciones breves para esto y cómo leer el "diagrama real por predicho"?
Gracias
GAMARe: como leer la trama real por predichaEl gráfico real por predicho es un gráfico de dispersión. La respuesta prevista (Y-hat) se utiliza para la abscisa. La respuesta observada (Y) se usa para las ordenadas.
Este ejemplo de Fit Least Squares también es una 'gráfica de apalancamiento'. Agrega una línea azul horizontal para la hipótesis nula (que la respuesta es independiente de los factores) y una línea roja inclinada para la hipótesis alternativa (que la respuesta depende de los factores). Es una prueba de 'modelo completo' que compara un modelo con solo e intercepto para la hipótesis nula con el modelo completo con todos los factores agregados al intercepto para la hipótesis alternativa. Se traza una región roja de confianza del 95% encima de la línea roja inclinada. Si la línea azul horizontal está contenida en la región roja, entonces toda la prueba del modelo no es significativa en el nivel alfa = 0.05. Si la línea azul no está contenida dentro de la región roja, entonces toda la prueba del modelo es significativa al mismo nivel. Esta evaluación visual equivale a aplicar un nivel de significancia de 0.05 al F -prueba presentada en la tabla Análisis de varianza.
El gráfico también se puede utilizar para evaluar visualmente la posibilidad de "falta de ajuste". Una predicción insesgada debe producir valores predichos que coincidan con los valores observados en promedio. La línea roja debe pasar por el medio de los puntos de datos. Si el modelo está sesgado, los puntos de datos se desviarán de la línea. Por ejemplo, si la respuesta al cambio de factores no es lineal pero el modelo incluye solo términos para efectos lineales, entonces el modelo estará sesgado. Este ejemplo exhibiría curvatura en la trama real por predicha. Su ejemplo presenta tal curvatura, por lo que su modelo está sesgado.
Observó la respuesta muchas veces a temperaturas bajas y altas. ¿Cuántas observaciones tienes a la temperatura central?
Puede intentar agregar un término de temperatura al cuadrado al modelo. JMP representa potencias por multiplicación. Entonces, la temperatura al cuadrado se agrega como temperatura * temperatura.
¿Cuántos factores en total se incluyeron en el diseño de cribado definitivo que utilizó?
Re: como leer la trama real por predicha@YanivD : Hay muchos métodos diferentes que se pueden utilizar para analizar datos y resultados de experimentos diseñados. Le sugiero que se inscriba en el curso SAS "Pensamiento estadístico para la resolución de problemas industriales" y centre su atención en el DOE y los módulos orientados al modelado. El portal de entrada al curso se puede encontrar aquí:
Pensamiento estadístico para la resolución de problemas industriales
Re: como leer la trama real por predichaPrimero, bienvenido a la comunidad. No proporcionó el experimento (factores / niveles) solo que ejecutó un DSD. Esta no es información suficiente para ayudarlo en su análisis. Necesitamos saber cómo se adquirieron los datos y qué modelos tienen sentido y luego qué modelos trató de analizar. Como indica Mark, el real por predicho (y las gráficas de apalancamiento) son buenas herramientas de análisis gráfico que ayudan a comprender el modelo. Estos, junto con otros gráficos de residuos, ayudan a determinar si se están cumpliendo los supuestos del modelo y, lo que es más importante, si el modelo será útil. Parece que el contrapunto de temp. está "fuera de la región esperada" de un modelo lineal. También parece que su variación no es constante a diferentes niveles de temperatura. Ambos son indicadores de que su modelo no es particularmente "bueno".
Como sugiere Pete, hay muchas formas de analizar conjuntos de datos de un experimento. Primero, sugeriría mirar los datos y determinar si los datos varían lo suficiente como para tener un valor práctico. Identifique cualquier anomalía o puntos de datos inusuales (existen varias técnicas para hacer esto). Luego busque patrones en la variable de respuesta. Preste especial atención a cuándo los patrones de la variable de respuesta coinciden con los patrones de los factores o interacciones. Los pasos siempre deben ser Prácticos> Gráficos> Cuantitativos.
Cuando se intenta construir modelos, también existen múltiples estrategias (por ejemplo, RSquare-RSquare Adj delta, RMSE, p-values) Por ejemplo, la construcción de modelos sustractivos comienza con un modelo saturado y luego elimina los términos que parecen insignificantes. A diferencia del aditivo que comienza con un factor y luego agrega términos al modelo (por ejemplo, regresión por pasos). Tenga en cuenta que las estadísticas del modelo son condicionales. Las estadísticas para cualquier término en el modelo dependen de los otros términos que están en el modelo y bajo qué condiciones se ejecutó el experimento (espacio de inferencia). Si alguna de esas condiciones cambia, también pueden cambiar las estadísticas.
Re: como leer la trama real por predicha
@markbailey escribió:
El gráfico real por predicho es un gráfico de dispersión. La respuesta prevista (Y-hat) se utiliza para la abscisa. La respuesta observada (Y) se usa para las ordenadas.
Este ejemplo de Fit Least Squares también es una 'gráfica de apalancamiento'. Agrega una línea azul horizontal para la hipótesis nula (que la respuesta es independiente de los factores) y una línea roja inclinada para la hipótesis alternativa (que la respuesta depende de los factores). Es una prueba de 'modelo completo' que compara un modelo con solo e intercepto para la hipótesis nula con el modelo completo con todos los factores agregados al intercepto para la hipótesis alternativa. Se traza una región roja de confianza del 95% encima de la línea roja inclinada. Si la línea azul horizontal está contenida en la región roja, entonces toda la prueba del modelo no es significativa en el nivel alfa = 0.05. Si la línea azul no está contenida dentro de la región roja, entonces toda la prueba del modelo es significativa al mismo nivel. Esta evaluación visual equivale a aplicar un nivel de significancia de 0.05 al F -prueba presentada en la tabla Análisis de varianza.
El gráfico también se puede utilizar para evaluar visualmente la posibilidad de "falta de ajuste". Una predicción insesgada debe producir valores predichos que coincidan con los valores observados en promedio. La línea roja debe pasar por el medio de los puntos de datos. Si el modelo está sesgado, los puntos de datos se desviarán de la línea. Por ejemplo, si la respuesta al cambio de factores no es lineal pero el modelo incluye solo términos para efectos lineales, entonces el modelo estará sesgado. Este ejemplo exhibiría curvatura en la trama real por predicha. Su ejemplo presenta tal curvatura, por lo que su modelo está sesgado.
Observó la respuesta muchas veces a temperaturas bajas y altas. ¿Cuántas observaciones tienes a la temperatura central?
Puede intentar agregar un término de temperatura al cuadrado al modelo. JMP representa potencias por multiplicación. Entonces, la temperatura al cuadrado se agrega como temperatura * temperatura.
¿Cuántos factores en total se incluyeron en el diseño de cribado definitivo que utilizó?
En primer lugar, me gustaría agradecerle su respuesta y explicaciones detalladas. Estoy agregando los resultados que se ajustan al informe DSD; si es posible, ¿podría aconsejarme cómo analizar los resultados? Es la primera vez que uso DSD, agradecería su apoyo y ayuda con la parte de análisis.
muchas gracias
