從 DOE 測試中做出最佳預測大家好，
我剛剛完成了 DOE 的 3 個因素測試，結果只有 1 個因素具有統計顯著性，即對反應有影響。 （意味著其餘因素沒有影響/與系統雜訊相比影響太小）
- 一些預研究和 DOE 結果顯示噪音約為 0.3
這是預測分析器
我正在嘗試使用這個結果來預測回應，我正在考慮 2 個選項，但我不知道哪一個是正確的方法
- 選項 1：使用 DOE 的分析器並透過新增系統雜訊進行預測。 意思是我使用預測公式的平均值並添加隨機噪聲
- 選項 2：我使用響應的置信區間並添加系統雜訊。 當新增 CI 範圍並新增雜訊時，我建立了一個新的分析器。 （我認為這個可以更好地預測真實系統）
那麼誰能告訴我哪種方式對我來說是正確的。
還有我可以做的更好的方法嗎？
多謝
數據探索和視覺化回覆：從 DOE 測試中做出最佳預測不幸的是，我對你的情況不夠了解，無法提供好的建議。 您想透過研究回答哪些問題？ 您是否對模型對未來流程實際結果的預測效果感興趣？ 您想提高模型預測未來的能力嗎？ 沒有一種方法可以使用您的資料進行預測。 我們缺少一些相關資訊（例如，設計以及實驗的運作方式、R 方-R 方調整）。 是什麼意思“一些預研究和 DOE 結果顯示噪音約為 0.3"。 0.3 是反應變數標準差的估計值嗎？ 隨著時間的推移，這種情況是否一致？是很多還是那麼小（我沒有背景）。
這是我的想法：
1. 首先，忽略統計顯著性，反應變數是否有實際顯著變化？ 這個問題可以由中小企業來回答。
2. 是否有任何因素在反應變數中表現出實際顯著的變化？
3. 您是否已確定實驗過程中產生的噪音是什麼？ 在未來條件的實驗過程中變化的噪音有多大代表性？
4.對於不顯著的因素，水平設定的大膽程度如何？ 水平是否平衡？
5. 您是否保存並繪製了殘差？ 它們是否滿足 NID（平均值、變異數）假設？
同樣，我不知道您的情況，但您可能會從保存的預測公式開始，“隨著時間的推移”運行該過程，評估模型的準確性和精確度，然後評估殘差。 或嘗試您描述的每種方法，看看哪一種給了更好的結果？
