RS의 솔루션(D-최적)모두들 안녕,
첫 번째 RS 디자인을 성공적으로 실행했지만 모델을 피팅한 후 제공된 솔루션을 이해하는 데 어려움을 겪습니다. 내 설계에는 4개의 축점과 2개의 중심점이 있는 5개의 연속 요소가 포함됩니다. 1번의 복제를 수행하고 모델을 피팅했습니다. 적합성이 크게 부족하지 않습니다.
목표는 응답을 최소화하는 것이지만 솔루션은 내가 측정한 모든 값보다 높습니다. 내 요인에 대한 범위 검사를 포함했지만 솔루션의 경우 5가지 요인 중 3가지가 음수이므로 현실에서는 불가능합니다. 긍정적인 요소만 고려한 솔루션을 얻으려면 어떻게 해야 합니까?
감사해요!
친애하는,
FactorAlligator
암사슴Re: RS의 솔루션(D-최적)나는 당신이 무엇을 보거나 묻는지 잘 모르겠습니다. 모델이 모든 데이터보다 높은 값을 항상 예측하는 것은 불가능합니다. 긍정적인 요소는 무엇을 의미합니까? 요인이 -1에서 +1 사이로 코드화되어 있습니까? 아니면 자연 단위로 두었습니까? JMP 데이터 테이블을 공유할 수 있습니까? 필요한 경우 데이터를 익명화할 수 있습니다.
Re: RS의 솔루션(D-최적)댄의 말에 동의합니다. 귀하의 질문에 대한 답변에 대한 정보를 충분히 제공하지 않았습니다. 분석할 때 표면을 보았습니까?
모델은 합리적인 조건 이상으로 쉽게 외삽될 수 있습니다(단순히 데이터의 모델임). 모델을 해석해야 하는 사람은 바로 당신입니다.
Re: RS의 솔루션(D-최적)당신의 응답을 주셔서 감사합니다. 데이터 테이블을 첨부합니다. 그 동안 두 개의 이상값을 다시 분석하여 값이 음수인 문제를 해결했습니다. 그 말은 내 요인이 -1과 +1 사이에서 코딩된다는 것을 의미했으며 실제로는 -2.5까지 내려갈 수 있습니다(이 시점에서 요인의 농도는 0임). 그러나 내 솔루션은 -3에 있었고 그럴 수 없습니다. 나는 여전히 이 사건이 다시 발생한다면 어떻게 처리할지에 관심이 있을 것입니다.
내 모델에서 볼 수 있듯이 디자인 공간 내에서 가장 좋은 값은 162의 최소 Y 응답을 생성합니다. 213에서 00A00 패턴에서 가장 낮은 응답을 받았습니다. 그러나 계산된 해는 Y=296에 있습니다. 내 목표가 응답을 최소화하는 것이라면 디자인 공간의 한계 솔루션을 기대할 것입니다(예: 바람직함을 최대화할 때).
@statman 또한 귀하의 응답에 감사드립니다. 모델 뷰에서도 표면을 확인했지만 불행히도 일부 표면은 최대값과 최소값을 보여주기 때문에 그로부터 아무 것도 얻을 수 없습니다.
Re: RS의 솔루션(D-최적)데이터 테이블에 저장한 모델을 실행했습니다. 모델은 작업이 필요합니다. 잔차가 일정하지 않은 분산을 나타내며 모델에 중요하지 않은 항이 있습니다. 통계적 유의성은 중심점 복제 및 고차 2차 상호작용을 기반으로 하는 것으로 보입니다. 응답 표면에 대한 귀하의 의견이 무엇을 의미하는지 잘 모르겠습니다. 다음과 같은 결과를 얻어야 합니다(이것은 모델을 사용하고 있지만).
Re: RS의 솔루션(D-최적)입력해 주셔서 감사합니다. 나는 당신의 제안을 이해하려고 노력하고 있으며 당신이 내 생각에 대해 더 많은 피드백을 줄 수 있기를 바랍니다.
잔차가 일정하지 않은 분산을 나타냅니다. 모델에 중요하지 않은 항이 있습니다.
Y 잔차의 감소를 보여주는 "예측 플롯에 의한 잔차" 때문에 예측된 Y가 더 높다고 말씀하십니까? 중요하지 않은 모든 항을 제거하여 모형을 축소해야 한다는 것을 올바르게 이해하고 있습니까? 그렇다면 요인 X1과 같이 중요하지 않은 주효과를 어떻게 처리하고 양방향 교호작용 X1*X5는 유의합니까?
통계적 유의성은 중심점 반복실험 및 고차 2차 상호작용을 기반으로 하는 것 같습니다(오차는 무작위 반복실험을 기반으로 하지 않음).
내 분산의 대부분은 모델에서 발생하고 소량만 무작위 오류에서 비롯된 "분산 분석"에서 볼 수 있습니까? 설명할 수 없는 오류가 거의 없는 것이 바람직하다고 생각했습니다.
Re: RS의 솔루션(D-최적)첫 번째 질문에 대해서는 그렇습니다. 이것을 보는 다른 방법이 있을 수 있지만 그 방법은 분명합니다. 두 번째 질문은 계층 구조 중 하나입니다. 실제적인 관점에서 주효과가 중요한 상호작용에 "관련"되어 있지만 그 자체는 중요하지 않은 경우 주효과를 포함하도록 조언하는 경우가 많습니다. 이는 결과적으로 조정된 R-제곱과 R-제곱 사이의 델타에 영향을 주지만(모델이 과도하게 지정되어 표시됨) 상호 작용. 사용하는 모델을 줄이려면:
- 주제 지식,
- R-제곱-R-제곱 조정 델타(과잉 사양),
- p-값(유의),
- RMSE(모델의 유용성),
- 잔차 그림(검정 가정),
- 기타(상황에 따라 다름)
ANOVA 관점에서 통계적 유의성에 관하여. F-검정은 모델에 있는 각 항의 효과에 대한 MS를 무작위 오차 추정치(MSerror)와 비교하는 것입니다. MSerror를 추정하는 방법은 중요한 결정입니다. . 확률 오차 추정치가 공정의 실제 분산에 비해 작으면 통계적으로 유의미한 효과가 실제로는 거의 또는 전혀 영향을 미치지 않을 수 있습니다. 분석적으로 말하면 실험의 무작위 오류 추정치가 다음을 대표하기를 원합니다. 진실 시스템의 변형 미래에 . 이것은 일반적으로 실험이 추론 공간을 제한하기 때문에 달성하기 어려울 수 있습니다(비교적 소규모로 단기간에 수행됨). 미래의 조건을 적절하게 나타내기 위해 실험 중 노이즈의 영향을 과장해야 할 수도 있습니다. 시스템에서 노이즈를 식별하고 이해하는 데 많은 계획을 하지 않았다면 해당 변동에 대한 편향되지 않은 추정치를 얻기 위해 무작위 복제를 실행해야 합니다. 복제되지 않은 설계에서는 일반적으로 고차 항을 사용하여 MSerror를 추정합니다(하지만 저는 MSerror 편향을 방지하기 위해 복제되지 않은 설계의 분석에 Daniel의 조언을 선호합니다). 노이즈를 식별했다면 추론 공간을 동시에 설계 정밀도를 높이는 데 도움이 되는 많은 옵션이 있습니다(예: 반복, 블록, 분할 플롯).
