Scenario: ho 8 composti AH, per ogni composto ho 5 prove* di dati tempo-temperatura con una categoria nota. Devo essere in grado di confrontare una singola corsa di dati di una categoria sconosciuta con quelle esistenti e assegnare una categoria a quella corsa.
Alcune cose che stanno succedendo che potrebbero anche essere prese in considerazione:
1) I miei orari di inizio (quando è iniziato il riscaldamento e quando è iniziata la corsa dei dati) non sono tutti allineati.
2) Non tutte le piste finiscono alla stessa temperatura (per motivi di sicurezza)
3) Alcuni di questi composti sono molto simili e potrebbero non essere distinguibili (se posso o no è lo scopo di questa ricerca)
Ho allegato i miei dati e l'immagine della sovrapposizione della trama.
Sto cercando aiuto su quale strumento/funzione usare per impostare questo. In questo momento, posso eseguire cose come analysis->multivariate per ottenere una tabella con ogni dato eseguito rispetto a tutti gli altri, ma questo non consente il confronto con l'insieme di dati. Ho anche provato ad analizzare -> variabili cluster, ma mi dà solo due cluster e non so come dirlo per darmi di più. Né riesco a vedere un modo per addestrare manualmente i cluster iniziali. Altre opzioni che ho provato sembravano confrontare i singoli valori di riga, non la curva nel suo insieme, che non tiene conto dell'immagine più ampia, che è ciò che devo confrontare.
Sono felice di approfondire la documentazione su come utilizzare lo strumento/il metodo/la funzione suggeriti, ma ho bisogno di consigli su un punto di partenza. Ho accesso tramite la mia università, quindi dovrei avere accesso alla maggior parte se non a tutte le opzioni disponibili. Ho anche accesso ad altri pacchetti di analisi (incluso SAS) se esiste un'opzione migliore da uno di questi.
Gli script sono ok, ma preferirei di no, se possibile, poiché sono nuovo di JMP e ho un vincolo di tempo.
*Il mio obiettivo in questo momento è mettere in atto un processo che possa almeno separare le ovvie non corrispondenze prima di dedicare tempo e risorse a esecuzioni di dati aggiuntive.
