Re: Optimización de un grupo de respuestas usando la opción de ajuste de grupo y perfilador de predicciónNo estoy seguro de poder dar muchos consejos, pero aquí están mis pensamientos:
Nota: Mucho depende de cómo obtuvo los datos que está tratando de modelar.
1. Primero, debe verificar la correlación entre sus múltiples Y (Analyze>Multivariable Methods>Multivariable).Cuando existe una correlación positiva significativa, los modelos serán similares.Si la correlación es diferente o insignificante, los modelos para cada Y pueden ser bastante diferentes.
2. La optimización en un entorno multivariante puede ser bastante desafiante.Podría requerir el uso de medidas alternativas (Y's).Podría requerir un rediseño completo del proceso (que puede incluir la identificación de factores no considerados previamente y que pueden no ser significativos en un enfoque univariante).Y probablemente requerirá algunas concesiones.
3. Creo que la plataforma Group Fit en JMP proporcionará Perfiladores para cada uno de los Y simultáneamente para que pueda evaluar qué sucede con cada Y a medida que se cambia el modelo para cualquier Y.
4. Dependiendo de cómo obtenga sus datos, hay otras opciones para evaluar las múltiples Y (por ejemplo, superposiciones de las superficies)
Re: Optimización de un grupo de respuestas usando la opción de ajuste de grupo y perfilador de predicciónHola @SimonFuchs ,
Puede obtener más información sobre la optimización realizada por el generador de perfiles aquí: Optimización y creación de perfiles de deseabilidad (jmp.com)
Para responder a su primera pregunta, encontrará en esta página la respuesta: " La deseabilidad general para todas las respuestas se define como la media geométrica de las funciones de deseabilidad para las respuestas individuales. ."
Entonces, como puede suponer, si tiene varias respuestas para optimizar, el generador de perfiles intentará encontrar el mejor compromiso que alcance la mejor puntuación general de deseabilidad (media geométrica ponderada de la puntuación de deseabilidad individual para cada respuesta). Puede especificar un peso diferente para las respuestas (llamado "importancia", CTRL+clic en la curva de deseabilidad de la respuesta para especificar el objetivo, los valores alto/medio/bajo y la importancia) si desea enfatizar la optimización en algunas respuestas en comparación con otras. La importancia, la pendiente/curva de las funciones de deseabilidad y el objetivo (maximizar/minimizar/alcanzar el objetivo/ninguno) influyen en el óptimo encontrado.
No siempre es posible encontrar el verdadero óptimo global, ya que puede no haber una solución exacta para el problema que intenta optimizar (o pueden ser posibles múltiples soluciones). Es por eso que a veces puede tener respuestas ligeramente diferentes, dependiendo del proceso de optimización: tolerancia de convergencia, número de iteraciones, método utilizado (dependiendo del problema: Construcción de Funciones de Deseabilidad (jmp.com) ) : Ventana de opciones de maximización (jmp.com) pero también dependiendo de las características de sus respuestas, como incertidumbre (el óptimo encontrado será solo una aproximación del verdadero óptimo desconocido), perfiles de deseabilidad (una pendiente pronunciada en el perfil de deseabilidad puede tener una variación menor en las diferencias de varios óptimos encontrados que una pendiente más lenta (= menos restricción en la optimización)), y los valores de sus factores (pero JMP usa varios inicios aleatorios para el proceso de optimización, por lo que esto no debería ser un gran problema y la probabilidad de quedarse atascado en un óptimo local debería ser limitado).
Espero que esta respuesta complementaria te ayude,
Re: Optimización de un grupo de respuestas usando la opción de ajuste de grupo y perfilador de predicciónHola Víctor,
Gracias, esto cubre todas mis preguntas. A veces es difícil como un usuario diario, cuyo historial no son estadísticas estrictas, profundizar en estos temas. Y la respuesta de usted y sus universidades es muy útil en estos casos y evita búsquedas que consumen mucho tiempo en la base de datos de JMP y en Google.
Así que gracias de nuevo y un saludo!
Simón
Optimización de un grupo de respuestas utilizando la opción de grupo de ajuste y perfilador de predicciónEstimados expertos de JMP,
Optimizamos muy a menudo un conjunto de respuestas (que ajustamos por separado antes) con la opción de ajuste de grupo.
Ahora surge la pregunta, ¿cómo el generador de perfiles de predicción de grupos de ajuste optimiza varias respuestas en paralelo, ya que a menudo no se elige el ajuste de factor óptimo para cada respuesta, sino que se muestra un compromiso? Además, si hacemos clic varias veces en maximizar la conveniencia, la configuración del factor está cambiando (parece que no se logra un mínimo de ajuste global después del primer ajuste). ¿Cómo podemos lograr la combinación óptima de factores aquí con solo un clic? (Ya jugamos con las opciones de la función de deseabilidad, pero no avanzamos).
¡Gracias por tu ayuda!
Exploración y visualización de datosDiseño de experimentosventanas
