532406_fr-FR

liliconcom

Comment puis-je gérer le manque de données d'ajustement si elles ont l'air bien dans le profileur de surface et réelles par tracé prédit

Chers professionnels JMP,

 

J'ai un ensemble de données (voir pièce jointe) avec deux facteurs discrets (X_1 et X_2) et après l'exécution du modèle, l'ajustement semble bon dans le réel par prédit ainsi que dans le profileur de surface. Cependant, j'ai un manque important d'ajustement ici.

Je me demande quelle est la raison ici et comment puis-je gérer cet ensemble de données? Puis-je encore utiliser et croire l'ajustement? Veuillez noter que j'ai dû utiliser l'ensemble discret de facteurs ici au lieu d'un manuel DoE.

 

Merci pour votre aide ici,

 

Meilleures salutations,

Simon

AnalytiqueBICHERe : Comment puis-je gérer le manque de données d'ajustement si elles ont l'air bien dans le profileur de surface et réelles par tracé prédit

Salut @SimonFuchs ,

 

Vous pouvez en savoir plus sur le test d'inadéquation de l'ajustement pour l'analyse de régression ici . Je pense que le problème avec le test d'absence d'ajustement est que vous n'avez pas assez d'entrées répliquées pour les entrées X_1 et X_2. Votre ensemble de données ne contient que 2, lignes 6 et 10. Et, puisque la réponse que vous avez mesurée X_3 et X_6 ont des valeurs fondamentalement identiques (pour ces exécutions), JMP a du mal à rapporter les statistiques pour le test d'absence d'ajustement. Si vous reproduisiez vraiment des exécutions DOE, alors par un bruit gaussien régulier, vous devriez avoir des réponses qui diffèrent, même si ce n'est que dans le bruit du système de mesure.

 

Vous pouvez tester cela en ajoutant quelques nouvelles lignes qui ont exactement les mêmes paires de X_1 et X_2, mais entrez ensuite des valeurs légèrement différentes pour la réponse, X_3. Si vous réexécutez le modèle sur ces nouvelles données, vous verrez que JMP calcule le manque d'ajustement comme prévu. Si vous pouvez vous permettre de reproduire l'intégralité du DOE, je vous recommande fortement de le faire.

 

Une chose que j'ai remarquée à propos des modèles est que le facteur X_1 joue un rôle moins important (pour la réponse X_3) que le terme croisé X_1*X_2, ou même l'effet de second ordre X_2*X_2. En effet, le rôle de X_1 seul n'est pas un facteur significatif, bien que lorsqu'il est croisé avec X_2, vous obtenez un terme assez important. Je pouvais voir cela se produire avec quelque chose comme un catalyseur. Le catalyseur par lui-même ne déclenchera pas la réaction, mais lorsqu'il est mélangé avec le bon ingrédient, il peut déclencher une réaction très efficacement. Votre configuration spécifique est-elle logique d'avoir les facteurs ordonnés tels qu'ils sont ? Si non, avez-vous besoin de repenser le modèle et les termes que vous y ajoutez ?

 

J'espère que cela t'aides,

DS

 

 

Re : Comment puis-je gérer le manque de données d'ajustement si elles ont l'air bien dans le profileur de surface et réelles par tracé prédit

Bonjour SDF1,

 

Merci beaucoup pour votre réponse! Je voulais juste demander, où puis-je voir/analyser que je n'ai pas assez d'entrées répliquées pour X_1 ?

Ce serait formidable de s'en rendre compte à l'avance, avant de commencer la mesure et de le voir également dans le panneau d'analyse des moindres carrés.

 

Merci pour votre réponse ici et oui, la combinaison de facteurs a du sens dans ce cas.

 

Meilleures salutations

Simon