Utilizzo del risultato DOE come previsione quantitativa o qualitativa (basata sul riepilogo degli effetti)Ciao a tutti,
Sto eseguendo un DOE fattoriale completo con 2 fattori e 2 risposte. e chiedendomi come fare
Dopo aver testato ed eseguito il modello. Il risultato mostra che non esistono fattori significativi e nemmeno un modello significativo.
Ma guardando il profiler dell'interazione. Vedo alcune tendenze chiare nel Fattore A e nella risposta X.
Quindi la mia domanda è come utilizzare correttamente questo risultato.
- Con questo, non posso prevedere quantitativamente utilizzando il modello di regressione. Perché è statisticamente insignificante (non pratico)
- Con la tendenza, posso ancora usarla per prevederla qualitativamente (la tendenza), ad esempio: quando si aumenta il fattore A, X aumenterà.
Lo capisco bene? o ho interpretato male questo risultato?
Spero che qualche esperto possa aiutarmi. Grazie a tutti
Progettazione di esperimentiRi: Utilizzo del risultato DOE come previsione quantitativa o qualitativa (basata sul riepilogo degli effetti)CIAO @Justin_Bui ,
Potrebbero esserci diverse spiegazioni per cui i termini nel modello non sono statisticamente significativi:
- Intervalli di fattori troppo ristretti (quindi potrebbe essere più difficile trovare differenze statistiche tra livelli alti e bassi),
- Elevata variabilità della/e risposta/i,
- Modello inappropriato (e/o scelta dei termini nel modello),
- Dimensione del campione troppo piccola per la progettazione (potenza così bassa per rilevare effetti statisticamente significativi),
- Fattore/i mancante/i che spiega dal punto di vista statistico la variazione della/e risposta/i,
- Fattori effettivamente non statisticamente significativi,
- Combinazione delle opzioni di cui sopra,
- Altre considerazioni...
Considerando il tuo progetto e il modello presupposto, puoi iniziare a valutare il tuo progetto per vedere con quanta probabilità avresti di rilevare effetti statisticamente significativi se fossero attivi (vedi script "Valuta progettazione" nella tabella dati). Sembra che tu abbia una potenza piuttosto bassa per rilevare gli effetti principali e l'interazione, quindi non è una grande sorpresa non trovare termini statisticamente significativi per la risposta Y se si considera l'elevata variabilità di questa risposta (circa il 5% delle possibilità di rilevare una risposta statisticamente significativa). effetto significativo (se attivo) per un livello di significatività di 0,05 e RMSE intorno a 5 per la risposta Y con i tuoi 6 esperimenti):
Per un buon punto di partenza prima della modellazione, è sempre meglio iniziare in modo semplice e creare alcuni grafici/visualizzazioni per vedere le tendenze. Ciò potrebbe migliorare e informare ulteriormente le tue opzioni di modellazione e le visualizzazioni possono anche aiutarti durante la modellazione a valutare la pertinenza del tuo modello (ad esempio esaminando il grafico dei residui, effettivo rispetto a quello previsto, ecc...).
Ciò che è interessante considerare è anche il significato pratico del/dei fattore/i.Nell'esempio fornito per la risposta Y e osservando le stime dei parametri, una variazione di 20 nella risposta Y per un'unità del fattore B rappresenta un aumento/diminuzione praticamente significativo?
Ciò che potresti trovare per la risposta Y sono tendenze, che potrebbero essere ulteriormente studiate eseguendo ulteriori esperimenti (aumentando il progetto per aggiungere esecuzioni che confermano questo modello e/o replicando esecuzioni esistenti per valutare meglio la variabilità delle risposte). La significatività statistica ti aiuta ad avere più certezza nell'interpretazione dei risultati. Ad esempio, nella risposta Y, puoi vedere che le stime dei parametri hanno un errore standard relativamente elevato, il che significa che la dimensione dell'effetto potrebbe non essere stimata con precisione. Quindi è sempre meglio in queste situazioni interpretare le tendenze con la massima cautela.
Per la risposta X, sembra che un modello che coinvolga i termini Fattore A e il suo effetto quadratico sia sufficiente per avere un modello appropriato (o almeno sufficientemente rilevante). Ti lascio valutare il modello per Response X nel datatable allegato.
Spero che questa prima risposta possa aiutarti,
Ri: Utilizzo del risultato DOE come previsione quantitativa o qualitativa (basata sul riepilogo degli effetti)Giustino,
Una piccola "altra considerazione" da aggiungere alle questioni molto ben articolate sollevate da Victor_G...
Osservando i dati grezzi, i valori di Risposta X e Risposta Y sembrano avere misurazioni molto grossolane.Sebbene questo possa essere un artefatto della traduzione del tuo esempio per la pubblicazione, indica una preoccupazione.
Nelle sei esecuzioni, X ha solo tre opzioni di valori e Y ne ha solo due.Sebbene sia positivo che le ripetizioni per il modello fattoriale 00 siano risultate identiche, la mancanza di precisione nel sistema di misurazione può compromettere la comprensione del processo.
*Considerare se la precisione del sistema di misurazione può essere migliorata*.
Sarà difficile costruire un modello matematico utile se il test per la risposta X può riportare solo nessuno (0), medio (10), grande (15) e la risposta Y è nessuno (0) o alcuni (25)...
A seconda di dove si verifica l'onere di costi e tempo nel processo DOE, pensare a misurazioni ripetute rispetto a esecuzioni ripetute.
Ri: Utilizzo del risultato DOE come previsione quantitativa o qualitativa (basata sul riepilogo degli effetti)Sebbene Greg abbia ragione, il problema è la discriminazione o la risoluzione effettiva, non la precisione.
