¿Qué parámetro(s) afectan más a la variable de respuesta?Hola
Soy bastante nuevo en JMP Pro y, por lo tanto, no estoy muy familiarizado con cómo manejar lo siguiente:
(También he insertado el abajo)
He investigado 3 parámetros de una fermentación en diferentes combinaciones (mi DoE)
y cuantifiqué la concentración de proteína (esa es mi variable de respuesta).
¿Es posible ver qué parámetros afectan más significativamente la concentración de proteínas?
|
pH
|
Temperatura
|
Tasa de dilución
|
Concentración de proteína
|
|
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
|
Gracias de antemano.
atentamente,
Carlos
Modelado estadístico avanzadoAutomatización y scriptingDiseño de experimentosIngeniería de Calidad y ProcesosRe: ¿Qué parámetro(s) afecta más a la variable de respuesta?¿Dónde conseguiste este diseño? ¿Utilizó una de las plataformas DOE en JMP para hacerlo?
Tu pregunta, " ¿Es posible ver qué parámetros son los que afectan más significativamente la concentración de proteína? " sugiere que está evaluando factores o efectos en esta etapa. No necesariamente está intentando modelar la respuesta para optimizarla a través de la configuración de factores. Una pregunta importante en tal caso es, ¿cuál es mi probabilidad de detectar un efecto real? Un análisis de poder puede responder a esto. Aquí está el análisis de su diseño:
El poder es la posibilidad de que detectes un efecto real. El nivel deseado de poder es subjetivo, pero un poder más alto es bueno. Depende del tamaño del efecto, la varianza en la respuesta, el nivel de significación para las decisiones y el número de ejecuciones. Mi análisis revela que su probabilidad de encontrar un efecto real es de alrededor del 80-97 % SI el efecto es unas 20 veces mayor que la desviación estándar.
Re: ¿Qué parámetro(s) afecta más a la variable de respuesta?Bienvenido a la comunidad. En el futuro, es mejor si solo agrega la tabla JMP.
Primera pregunta: ¿Cuánto de un cambio en la concentración de proteína es significativo en un sentido científico o de ingeniería? A esto se le llama significado práctico. ¿La variable de respuesta varía lo suficiente como para ser interesante? ¿Cuál es el incremento más pequeño de cambio que le interesaría? ¿Está tratando de maximizar, minimizar o alcanzar un objetivo?
En segundo lugar, tiene un factorial fraccionario sin estimación directa de MSE (por ejemplo, sin replicación). 2 factores son de 3 niveles (¿y uno de ellos no está balanceado?) y el tercero es de 2 niveles. ¿Qué modelo te interesa? En el análisis inicial de diseños no replicados, no habrá valores p, así que mire el gráfico de Pareto, el gráfico normal, el perfilador de predicción y los gráficos de interacción para ver efectos interesantes. Nota: ha confundido efectos lineales de segundo orden con términos cuadráticos. Además, siempre es bueno realizar un seguimiento del orden de ejecución.
He agregado su tabla de datos con los siguientes scripts: Evaluación de diseño (para estimar el aliasing, potencia, etc.) y Modelo de ajuste (para evaluación inicial). Simplemente haga clic en las flechas verdes en la zona superior izquierda). Los resultados necesitan interpretación a través de SME.
Re: ¿Qué parámetro(s) afecta más a la variable de respuesta?Para agregar un poco a @Mark_Bailey y @statman El sabio consejo de , para preguntas como la suya, lo primero que debe hacer es trazar los datos en una variedad de formas. Sugiero, sin ningún orden en particular, las respuestas en el orden de la experimentación. Un histograma simple de las respuestas. Y Ajuste Y por X para cada x e y. ¿Este es el por qué?
1. Trazar en orden de experimentación es su mejor opción de premodelado para ver si tal vez algún factor oculto se deslizó y causó estragos en lo que realmente está buscando.
2. Un histograma de las respuestas ayuda a identificar el centro, la extensión y la forma de la distribución de las respuestas. ¿Parece razonable el histograma dado su conocimiento del proceso? ¿Hay alguna respuesta que pueda hacer que el modelado posterior sea problemático? ¿Excepciones? ¿Valores sin sentido? ¿Valores faltantes? etc.
3. Por último, los gráficos Fit Y by X pueden brindarle algunas sugerencias sobre la estructura del modelo. Además, si parece haber relaciones, ¿tienen sentido con respecto a su conocimiento del proceso a priori? Siempre solía preguntarles a los ingenieros con los que trabajé cuando examinaba estos gráficos algo así como: "Si el gráfico sugiere que el agua corre cuesta arriba, tenemos un problema y debemos detenernos y hacer una pausa para conciliar esta aparente conclusión".
Solo después de hacer lo anterior y quedar satisfecho con los resultados procedería al modelado.
