729884_de-DE

liliconcom

steilster Abstieg/Aufstieg

Liebe JMP-Community-Benutzer,

Ich möchte wissen: Wie kann ich mit JMP den steilsten Auf-/Abstieg durchführen? Hat JMP dafür eine Option?

Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungVersuchsplanungBetreff: Steilster Abstieg/Aufstieg

Ich denke, dass Sie genauer sein sollten. Der steilste Anstieg/Abstieg gehört zu mathematischen Optimierungstechniken, siehe z. B. dieses Wiki „Gradientenabstieg“ .

Je nachdem, um welches Problem es sich handelt, müssen Sie die Methode möglicherweise nicht selbst implementieren, da JMP möglicherweise bereits über Funktionen für Ihr Problem verfügt. Wenn Sie nicht wissen, ob solche Funktionen in JMP vorhanden sind, können Sie versuchen, Ihre Problembeschreibung näher zu erläutern. Wenn tatsächlich keine sofort einsatzbereiten Funktionen vorhanden sind, verfügt JMP über leistungsstarke Tools zur Lösung Ihres individuellen Problems, sofern Sie in der Lage sind, das Problem zu spezifizieren und JMP mitzuteilen. Eines dieser Tools ist die Nonlinear-Plattform, mit der Sie keine eigene Methode implementieren müssen. Letztendlich verfügt JMP über eine Programmiersprache, JSL, mit der Sie möglicherweise ein Programm schreiben können, das die mathematische Optimierung durchführt. Was Sie brauchen, ist die Fähigkeit, eine mathematische Optimierungsmethode in ein Programm zu übersetzen.

Betreff: Steilster Abstieg/Aufstieg

Ist Aufstieg/Abstieg von Zeitschritt zu Zeitschritt gemeint?
Sie können die Steigung über :delta= :col - lag(:col) berechnen. Dann müssen Sie nur noch nach col Maximum (:delta) oder Minimum (:delta) suchen.

Möglicherweise sind die Rohdaten durch etwas Rauschen beeinträchtigt – dann handelt es sich beim Spaltenmaximum möglicherweise nur um verrauschte Spitzen.

In diesem Fall hilft es, einen Glätter zu verwenden und die Formel aufzubewahren. Dann könnte man die großen Steigungen analytisch finden ...

Betreff: steilster Abstieg/Aufstieg

Mein Interesse an diesen Methoden besteht darin, wertvolle Ergebnisse aus den von uns durchgeführten DOEs zu erhalten. Nehmen wir beispielsweise an, wir haben zwei DOEs durchgeführt (alle signifikanten Faktoren zeigen lineare Effekte). Jetzt möchte ich wissen, wo meine signifikanten Faktoren einen quadratischen Effekt auf meine Trails haben, sodass ich mit weiteren Trails oder DOEs in diese Richtung gehen kann.

Das ist mein Verständnis dieser Methoden.

Betreff: steilster Abstieg/Aufstieg

Ich bin kein DOE-Spezialist, aber Sie haben mir Ihr Ziel klar genug beschrieben und ich hoffe, dass andere Experten auf diesem Gebiet helfen können.

Aus meiner persönlichen Erfahrung gehe ich davon aus, dass diese Seite in der Dokumentation relevant sein könnte, auch wenn hier nicht ausdrücklich empfohlen wird, nur auf quadratische Terme zu achten.

Beispiel für ein Response Surface Design

Betreff: steilster Abstieg/Aufstieg

Der steilste Aufstieg ist eine Methode, um den Designraum zu verschieben. Ich denke, Sie sind daran interessiert, den Designraum, in dem Sie sich befinden, zu erweitern. Dafür gibt es mehrere Möglichkeiten. Peng zeigt auf einen Bereich, den Sie sich ansehen sollten. Hier ist ein weiterer.

https://www.jmp.com/support/help/en/17.2/?os=mac&source=application#page/jmp/augment-designs.shtml

Betreff: steilster Abstieg/Aufstieg

Ein Zahlenbeispiel finden Sie im folgenden Artikel:

George EP Box & Patrick YT Liu (1999) Statistik als Katalysator für das Lernen mit wissenschaftlichen Methoden, Teil I – Ein Beispiel, Journal of Quality Technology

Ein weiteres gutes Beispiel finden Sie in Montgomerys Buch „Design and Analysis of Experiments“.

Bitte lassen Sie mich wissen, wenn Sie weitere Informationen benötigen,

Betreff: steilster Abstieg/Aufstieg

Mein Verständnis des steilsten Anstiegs stammt von Box. Sein Gedanke ist, die aus einem ersten Experiment gesammelten Informationen zu verwenden, um ein Modell zu entwickeln (theoretisch senkrecht zu den Konturen der Antwortvariablen). Verwenden Sie dieses Regressionsmodell, um „Tests“ durchzuführen. Verwenden Sie ungefähr denselben Abstand zwischen den Ebeneneinstellungen, der im ersten Experiment verwendet wurde. Führen Sie diese Tests in einer Reihenfolge durch, die die Ebenen der Faktoren im Modell ändert. Führen Sie sie weiter aus, während die Antwort zunimmt, bis ein Wendepunkt erreicht ist (die Antwort sinkt). Verschieben Sie das nächste Experiment vor den Wendepunkt.

JMP kann Ihnen das Modell liefern. Sie müssen die ersten Experimente und die anschließenden Tests durchführen.

Dies kann nützlich sein, solange Sie nicht zu weit vom Optimum entfernt sind (z. B. sollten die Faktoren kontinuierlich und nicht kategorisch sein).