Re : Optimisation d'un groupe de réponses à l'aide de l'option de groupe d'ajustement et du profileur de prédictionJe ne suis pas sûr de pouvoir donner beaucoup de conseils, mais voici mes réflexions :
Remarque : Tout dépend de la manière dont vous avez obtenu les données que vous essayez de modéliser.
1. Tout d'abord, vous devez vérifier la corrélation entre vos multiples Y (Analyze>Multivariate Methods>Multivariate).Lorsqu'il existe une corrélation positive significative, les modèles seront similaires.Si la corrélation est différente ou insignifiante, les modèles pour chaque Y peuvent être assez différents.
2. L'optimisation dans un environnement multivarié peut être assez difficile.Cela pourrait nécessiter l'utilisation de mesures alternatives (Y).Cela peut nécessiter une refonte complète du processus (ce qui peut inclure l'identification de facteurs non pris en compte auparavant et qui peuvent ne pas être significatifs dans une approche univariée).Et cela nécessitera probablement des compromis.
3. Je pense que la plate-forme Group Fit de JMP fournira simultanément des profileurs pour chacun des Y afin que vous puissiez évaluer ce qui arrive à chaque Y lorsque le modèle est modifié pour un Y quelconque.
4. Selon la façon dont vous obtenez vos données, il existe d'autres options pour évaluer les multiples Y (par exemple, superpositions des surfaces)
Re : Optimisation d'un groupe de réponses à l'aide de l'option de groupe d'ajustement et du profileur de prédictionSalut @SimonFuchs ,
Vous pouvez avoir plus d'informations sur l'optimisation effectuée par le profileur ici : Profilage et optimisation de la désirabilité (jmp.com)
Pour répondre à votre première question, vous trouverez sur cette page la réponse : " La désirabilité globale pour toutes les réponses est définie comme la moyenne géométrique des fonctions de désirabilité pour les réponses individuelles ."
Donc comme vous le devinez, si vous avez plusieurs réponses à optimiser, le Profiler va essayer de trouver le meilleur compromis qui atteint un meilleur score global de désirabilité (moyenne géométrique pondérée du score de désirabilité individuel pour chaque réponse). Vous pouvez spécifier un poids différent pour les réponses (appelé "importance", CTRL + clic sur la courbe de désirabilité de la réponse pour spécifier l'objectif, les valeurs élevées/moyennes/faibles et l'importance) si vous souhaitez accentuer l'optimisation de certaines réponses par rapport à d'autres. L'importance, la pente/courbe des fonctions de désirabilité et l'objectif (maximiser/minimiser/atteindre la cible/aucun) ont tous une influence sur l'optimum trouvé.
Le véritable optimum global n'est pas toujours possible à trouver, car il peut n'y avoir aucune solution exacte au problème que vous essayez d'optimiser (ou plusieurs solutions peuvent être possibles). C'est pourquoi vous pouvez avoir des réponses parfois légèrement différentes, selon le processus d'optimisation : tolérance de convergence, nombre d'itérations, méthode utilisée (selon le problème : Construction de fonctions de désirabilité (jmp.com) ) : Fenêtre Options de maximisation (jmp.com) mais aussi selon les caractéristiques de vos réponses, comme l'incertitude (l'optimum trouvé ne sera qu'une approximation de l'optimum vrai inconnu), les profils de désirabilité (une forte pente du profil de désirabilité peut avoir une moindre variation dans les différences entre plusieurs optimums trouvés que une pente plus lente (=moins de contrainte dans l'optimisation)), et les valeurs de vos facteurs (mais JMP utilise plusieurs démarrages aléatoires pour le processus d'optimisation, donc cela ne devrait pas être un gros problème et la probabilité de rester bloqué dans un optimum local devrait être limité).
J'espère que cette réponse complémentaire vous aidera,
Re : Optimisation d'un groupe de réponses à l'aide de l'option de groupe d'ajustement et du profileur de prédictionSalut Viktor,
Merci, cela couvre toutes mes questions. Il est parfois difficile en tant qu'utilisateur quotidien, dont l'expérience n'est pas des statistiques difficiles, d'approfondir ces sujets. Et la réponse de vous et de vos collèges est très utile dans ce cas et évite les recherches fastidieuses dans la base de données JMP et Google.
Alors merci encore et meilleures salutations !
Simon
Optimisation d'un groupe de réponses à l'aide de l'option de groupe d'ajustement et du profileur de prédictionChers experts JMP,
Nous optimisons très souvent un ensemble de réponses (que nous ajustons séparément auparavant) avec l'option fit group.
Maintenant, la question s'est posée, comment le profileur de prédiction de groupe d'ajustement optimise plusieurs réponses en parallèle, car souvent, ce n'est pas pour chaque réponse que le paramètre de facteur optimal est choisi, mais plutôt un compromis est affiché ? De plus, si nous cliquons plusieurs fois sur maximiser la désirabilité, le paramètre de facteur change (il semble qu'un minimum d'ajustement global ne soit pas atteint après le premier ajustement). Comment pouvons-nous obtenir la combinaison de facteurs optimale ici en un seul clic (nous avons déjà joué avec les options de la fonction de désirabilité, mais nous n'avons pas progressé).
Merci pour votre aide!
Exploration et visualisation des donnéesConception d'expériencesles fenêtres
