ciao comunità,
Ho ricevuto un set di dati da un esperimento in cui un prodotto è stato fatto cadere da una certa altezza e le sue prestazioni sono state successivamente testate, con conseguente risposta positiva/non valida.
C'erano sei diverse configurazioni del dispositivo e 16 esemplari di ciascuna configurazione. Tutti i 96 campioni sono stati sottoposti a test di caduta in ordine casuale.
Il motivo principale delle numerose ripetizioni per ogni configurazione è che il è noto che il tasso di guasto è di circa 1/10 per la configurazione di base ed era un desiderio avere la certezza di vedere i dispositivi che non funzionano in tutte le configurazioni per confrontarli. Se avessimo fatto, ad esempio, solo 3 ripetizioni per ogni configurazione, avremmo potuto riscontrare pochi o nessun errore e probabilmente non avremmo imparato nulla.
La mia domanda è, come posso modellarlo al meglio?
- Se utilizzo tutti i 96 risultati pass/fail come risposta nominale in un modello logistico, i valori degli effetti del modello sono identici in gruppi di 16, poiché tutte le righe della configurazione A hanno gli stessi valori degli effetti del modello, tutte le righe della configurazione B hanno lo stesso modello valori degli effetti, ecc. (All'interno di ciascun gruppo la risposta varia ovviamente: alcuni passano, alcuni falliscono). È accettabile? Non ho mai provato a fare un modello come questo prima, dove le variabili di input sono state così omogeneo in gruppi.
- Se calcolo una percentuale di fail (n. di fail diviso per 16) per ciascuna delle 6 configurazioni e la uso come risposta continua in un modello standard dei minimi quadrati, ottengo un modello molto scadente a causa della bassa dimensione del campione (6 ). E non sono sicuro che quella configurazione rappresenti davvero ciò che è stato fatto sperimentalmente (96 esecuzioni indipendenti).
Spero che qualcuno possa aiutare!
Cordiali saluti,
Morten
Dirò innanzitutto che non è saggio eseguire un esperimento prima di selezionare il modello o l'analisi. I dati potrebbero non supportare ciò che desideri sapere. L'analisi e il modello vengono prima, non ultimi.
Esistono diversi tipi di analisi per una risposta binaria che potrebbero soddisfarti. È possibile utilizzare un modello di regressione logistica, un modello lineare generalizzato binomiale con una funzione di collegamento logit o un'analisi Probit. Tutte queste analisi utilizzerebbero lo stesso predittore lineare.
Ciao Mark,
Grazie per la risposta e scusa per il ritardo nella risposta.
Sono d'accordo con te che il modello doveva venire prima, purtroppo i test erano già stati effettuati.
Ho creato un modello logistico e sembra funzionare; Immagino che tutte le "righe ripetute" (tutti i fattori agli stessi livelli per più righe) forniscano solo più sicurezza che quella configurazione passi, ad esempio. Quindi penso che continuerò con questo modello logistico.
Grazie per l'aiuto!
