Directrices para la adaptación de DoE de detección personalizadaHola, comunidad de usuarios de JMP:
Estoy buscando algunas sugerencias / pautas para ajustar un DoE de detección personalizada para los efectos principales. A continuación se muestra la captura de pantalla del ajuste del modelo. Mi proceso de pensamiento es eliminar esos factores con una relación t inferior a 2 uno por uno hasta que todos los factores queden con una relación t superior a 2 y luego usar esos factores para realizar un Diseño de superficie de respuesta para una investigación más detallada. También utilizaré mis conocimientos prácticos al eliminar factores. Aquí hay algunas preguntas que tengo:
1. ¿Es seguro eliminar los factores con sus ratios t inferiores a 2? Según JMP, es básicamente equivalente a un valor de p de 0.05, aunque no hay un valor de p disponible para este diseño. Suponiendo que no se tienen conocimientos prácticos sobre el impacto de los factores en la respuesta.
2. ¿Debería utilizarse algún otro método?
¡Gracias!
GAMARe: Directrices para adaptar DoE de detección personalizadaHola,
¿Puedes decir algo sobre el diseño? Parece que tienes 10 factores. Entonces 11 parámetros (incluida la intersección) para estimar. Y el informe de Fit Model dice 20 observaciones (por lo que presumiblemente 20 ejecuciones). Así que estoy luchando por entender por qué no obtiene valores p. ¿Tiene también efectos aleatorios en este modelo?
Más información ayudaría a la comunidad de JMP a ayudarlo. Quizás pueda adjuntar una versión anónima de los datos.
Saludos,
Phil
Re: Directrices para adaptar DoE de detección personalizadaNo es necesario agregar varios temas. Ya tienes una publicación que contiene exactamente la misma información con las mismas preguntas.
