Quale/i parametro/i influenza maggiormente la variabile di risposta?CIAO
Sono abbastanza nuovo di JMP Pro e quindi non ho molta familiarità con come gestire quanto segue:
(Ho anche inserito il sotto)
Ho studiato 3 parametri di una fermentazione in diverse combinazioni (il mio DoE)
e quantificato la concentrazione proteica (che è la mia variabile di risposta).
È possibile vedere quali parametri influenzano in modo più significativo la concentrazione proteica?
|
pH
|
Temperatura
|
Tasso di diluizione
|
Concentrazione proteica
|
|
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
|
Grazie in anticipo.
distinti saluti,
Carlo
Modellazione statistica avanzataAutomazione e scriptingProgettazione degli esperimentiIngegneria della qualità e dei processiRi: Quale/i parametro/i influisce maggiormente sulla variabile di risposta?Dove hai preso questo disegno? Hai utilizzato una delle piattaforme DOE in JMP per realizzarlo?
La tua domanda, " È possibile vedere quali parametri influenzano maggiormente la concentrazione proteica? " suggerisce che stai esaminando fattori o effetti in questa fase. Non stai necessariamente tentando di modellare la risposta per ottimizzarla attraverso le impostazioni dei fattori. Una domanda importante in tal caso è: qual è la mia possibilità di rilevare un effetto reale? Un'analisi di potenza può rispondere a questo. Ecco l'analisi del tuo progetto:
Il potere è la possibilità che rileverai un effetto reale. Il livello di potenza desiderato è soggettivo, ma una potenza maggiore è buona. Dipende dalla dimensione dell'effetto, dalla varianza nella risposta, dal livello di significatività per le decisioni e dal numero di esecuzioni. La mia analisi rivela che la tua possibilità di trovare un effetto reale è di circa l'80-97% SE l'effetto è circa 20 volte maggiore della deviazione standard.
Ri: Quale/i parametro/i influisce maggiormente sulla variabile di risposta?Benvenuto nella comunità. In futuro, è meglio se aggiungi solo la tabella JMP.
Prima domanda: quanto un cambiamento nella concentrazione proteica è significativo in senso scientifico o ingegneristico? Questo si chiama significato pratico. La variabile di risposta varia abbastanza da essere interessante? Qual è il più piccolo incremento di cambiamento a cui saresti interessato? Stai cercando di massimizzare, minimizzare o colpire un obiettivo?
In secondo luogo, si dispone di un fattoriale frazionario senza stima diretta di MSE (ad esempio, nessuna replica). 2 fattori sono di 3 livelli (e uno di questi è sbilanciato?) e il terzo è di 2 livelli. A quale modello sei interessato? Nell'analisi iniziale per i progetti non replicati non ci saranno valori p, quindi guarda il grafico di Pareto, il grafico normale, il profilo di previsione e i grafici di interazione per effetti interessanti. Nota: hai confuso gli effetti lineari del secondo ordine con i termini quadratici. Inoltre è sempre bene tenere traccia dell'ordine di esecuzione.
Ho aggiunto la tua tabella di dati con i seguenti script: Valutazione del progetto (per stimare l'aliasing, la potenza, ecc.) E Fit Model (per la valutazione iniziale). Basta cliccare sulle frecce verdi nella zona in alto a sinistra). I risultati devono essere interpretati tramite SME.
Ri: Quale/i parametro/i influisce maggiormente sulla variabile di risposta?Per aggiungere un po' a @Mark_Bailey E @statman Il saggio consiglio di , per domande come la tua, la prima cosa che dovresti fare è tracciare i dati in una varietà di forme. Suggerisco, senza un ordine particolare, le risposte nell'ordine della sperimentazione. Un semplice istogramma delle risposte. E adatta Y per X per ogni x e y. Ecco perché?
1. Tracciare in ordine di sperimentazione è la tua migliore possibilità di premodellare per vedere se forse qualche fattore in agguato si è insinuato nel creare scompiglio con ciò che stai veramente cercando.
2. Un istogramma delle risposte aiuta a identificare il centro, la diffusione e la forma della distribuzione delle risposte. L'istogramma sembra ragionevole data la tua conoscenza del processo? Ci sono risposte che potrebbero rendere problematica la modellazione successiva? Valori anomali? Valori assurdi? Valori mancanti? eccetera.
3. Infine, i grafici Fit Y by X possono darti alcuni suggerimenti sulla struttura del modello. Inoltre, se sembrano esserci relazioni, hanno senso rispetto alla tua conoscenza del processo a priori? Quando esaminavo questi grafici, chiedevo sempre agli ingegneri con cui lavoravo qualcosa del tipo: "Se la trama suggerisce che l'acqua scorre in salita, abbiamo un problema e dovremmo fermarci e fermarci per riconciliare questa apparente conclusione".
Solo dopo aver fatto quanto sopra ed essere soddisfatto dei risultati, procederei alla modellazione.
