Prise en compte des écarts types dans le DOEJ'ai réalisé un DOE avec une conception personnalisée de 6 exécutions. Les 2 facteurs sont continus et la réponse Y est en %. Quand j'ai les résultats pour Y., les écarts types sont assez énormes. Donc, si je saisis simplement la valeur moyenne, je pense que cela ne rendra pas justice aux prédictions de conception. Alors, que puis-je faire pour ajouter ces écarts types à prendre en compte par le modèle afin d'obtenir de meilleures prédictions.
Conception d'expériencesRe : Prise en compte des écarts types dans le DOEPourriez-vous poster un exemple ?
On dirait que vous avez répété les mesures de chacune des 6 courses ?
Sauf si vous souhaitez analyser les données à l'aide d'un modèle mixte dans JMP Pro, une bonne alternative consiste à utiliser la moyenne des mesures répétées et l'écart type transformé en log comme Y.
La moyenne des répétitions tire parti du théorème central des limites pour vous donner une meilleure estimation d'un système bruyant, et le Stddev vous permet de voir s'il existe une partie de l'espace de conception qui présente moins de bruit.
Re : Prise en compte des écarts types dans le DOEEn plus de la suggestion de @Byron_JMP , vous pouvez également utiliser la plateforme LogLinear Variance disponible via Analyser > Ajuster le modèle.
Les gammes de facteurs étaient-elles suffisamment larges pour provoquer des effets importants ?
Re : Prise en compte des écarts types dans le DOEPas assez d’informations/de contexte pour fournir des conseils spécifiques. Quelle est exactement la variable de réponse ? % quoi? Par exemple, le pourcentage de rendement n'est pas une réponse très utile pour comprendre des mécanismes de défaillance spécifiques (de nombreux facteurs peuvent entraîner des problèmes de rendement). Comme le suggère Byron, comment calculez-vous l’écart type ? Est-ce dans le cadre d'une variation de traitement ? Si tel est le cas, l’écart type quantifie l’effet de l’évolution du bruit au cours du traitement. Vous voudrez peut-être certainement savoir si les effets du modèle peuvent avoir un impact sur ce point. De plus, comme le suggère Byron, vous pourrez modéliser 2 réponses : la moyenne (avec une précision accrue car cela réduira le bruit interne du traitement) et l'écart type (ou quelle que soit la transformation que vous avez choisie).
