Re: 応答変数に最も影響を与えるパラメータはどれですか?コミュニティへようこそ。 将来的には、JMP テーブルを追加するだけでよいでしょう。
最初の質問: 科学的または工学的な意味で、タンパク質濃度の変化はどの程度意味がありますか? これを実用的意義といいます。 応答変数は興味深いほど十分に変化しますか? あなたが興味を持っている変化の最小の増分は何ですか?
第 2 に、MSE を直接推定しない (たとえば、複製がない) 一部実施要因があります。 2 つの要因は 3 レベル (そのうちの 1 つはアンバランスですか?) で、3 つ目は 2 レベルです。 気になるモデルは？ 複製されていないデザインの初期分析には p 値がないため、パレート プロットと正規プロットで興味深い効果を確認してください。 注: 2 次の線形効果と 2 次項を混同しました。 また、実行順序を追跡することは常に良いことです。
次のスクリプトを使用してデータ テーブルを追加しました: 設計評価 (エイリアシング、電力などの推定用) およびモデルの適合 (初期評価用)。 左上のゾーンにある緑色の矢印をクリックするだけです)。 出力は、SME による解釈が必要です。
応答変数に最も影響を与えるパラメータはどれですか?こんにちは
私は JMP Pro を使い始めたばかりなので、次のような問題に対処する方法がよくわかりません。
（私はまた、下に）
私は発酵の3つのパラメータを異なる組み合わせで調査しました（私のDoE）
そして、タンパク質濃度（これが私の応答変数）を定量化しました。
タンパク質濃度に最も大きな影響を与えるパラメータを確認することは可能ですか?
|
pH
|
温度
|
希釈率
|
タンパク質濃度
|
|
5.5
|
32
|
0.1
|
0.002989482
|
|
6.5
|
32
|
0.1
|
0.003129305
|
|
4.5
|
26
|
0.1
|
0.002990589
|
|
5.5
|
26
|
0.2
|
0.00247863
|
|
5.5
|
37
|
0.1
|
0.002470013
|
|
6.5
|
37
|
0.2
|
0.000480857
|
|
4.5
|
32
|
0.2
|
0.002055102
|
|
5.5
|
32
|
0.2
|
0.003187044
|
よろしくお願いします。
よろしくお願いします、
カール
高度な統計モデリング自動化とスクリプト実験計画法品質およびプロセスエンジニアリングRe: 応答変数に最も影響を与えるパラメータはどれですか?に少し追加するには@マークベイリーと@スタットマンの賢明なアドバイスです。あなたのような質問に対して、最初にすべきことは、さまざまな形式でデータをプロットすることです。 順不同で、実験の順序で回答を提案します。 応答の単純なヒストグラム。 そして、各 x と y について Y を X でフィットします。 これが理由ですか？
1. 実験の順序でプロットすることは、潜在的な要因が実際に求めているものに大混乱をもたらす可能性があるかどうかを確認するための、モデリング前の最善の方法です。
2. 応答のヒストグラムは、応答の分布の中心、広がり、形状を特定するのに役立ちます。 プロセスの知識を考慮して、ヒストグラムは妥当に見えますか? その後のモデリングで問題を引き起こす可能性のある対応はありますか? 外れ値？ ナンセンスな価値観？ 欠損値?等
3. 最後に、Fit Y by X プロットは、モデルの構造に関するヒントを提供します。 さらに、関係があるように見える場合、それらはアプリオリなプロセス知識に照らして意味がありますか? これらのプロットを調べるとき、私はいつも一緒に働いていたエンジニアに尋ねていました。
上記を実行し、結果に満足して初めて、モデリングに進みます。
Re: 応答変数に最も影響を与えるパラメータはどれですか?このデザインはどこで手に入れましたか？ JMP の DOE プラットフォームの 1 つを使用して作成しましたか?
あなたの質問、 "タンパク質濃度に最も大きな影響を与えているパラメーターを確認することはできますか? 」は、この段階で因子または効果をスクリーニングしていることを示唆しています。 因子設定を通じて応答を最適化するために、必ずしも応答をモデル化しようとしているわけではありません。 このような場合の重要な問題は、実際の効果を検出できる可能性はどのくらいかということです。 検出力分析はこれに答えることができます。 設計の分析は次のとおりです。
パワーは、実際の効果を検出するチャンスです。 パワーの望ましいレベルは主観的ですが、パワーが高いほど良いです。 これは、効果の大きさ、応答の分散、決定の有意水準、および実行回数によって異なります。 私の分析によると、効果が標準偏差の約 20 倍である場合、実際の効果を見つける可能性は約 80 ～ 97% です。
