Considerando las desviaciones estándar en el DOEHice un DOE con diseño personalizado de 6 corridas. Los 2 factores son continuos y la respuesta Y está en %. Cuando tengo los resultados para Y, las desviaciones estándar son bastante grandes. Entonces, si solo ingreso el valor medio, creo que no hará justicia a las predicciones del diseño. Entonces, ¿qué puedo hacer para agregar estas desviaciones estándar para que el modelo las considere y obtenga mejores predicciones?
Diseño de experimentosRe: Considerar las desviaciones estándar en el DOE¿Podrías publicar un ejemplo?
¿Parece que ha repetido compases de cada una de las 6 ejecuciones?
A menos que desee analizar los datos utilizando un modelo mixto en JMP Pro, una buena alternativa es utilizar la media de las medidas repetidas y la desviación estándar transformada logarítmicamente como Y.
La media de las réplicas aprovecha el teorema de los límites centrales para brindarle una mejor estimación de un sistema ruidoso, y Stddev le permite ver si hay una parte del espacio de diseño que tiene menos ruido.
Re: Considerar las desviaciones estándar en el DOEAdemás de la sugerencia de @Byron_JMP , también puede utilizar la plataforma LogLinear Variance que está disponible en Analizar > Ajustar modelo.
¿Fueron los rangos de factores lo suficientemente amplios como para provocar efectos grandes?
Re: Considerar las desviaciones estándar en el DOENo hay suficiente información/contexto para brindar consejos específicos. ¿Qué es exactamente la variable respuesta? % ¿qué? Por ejemplo, el % de rendimiento no es una respuesta muy útil para comprender mecanismos de falla específicos (hay muchas cosas que podrían causar problemas de rendimiento). Como sugiere Byron, ¿cómo se calcula la desviación estándar? ¿Está esto dentro de la variación del tratamiento? Si es así, la desviación estándar cuantifica el efecto del cambio de ruido dentro del tratamiento. Es posible que desee saber si los efectos del modelo pueden afectar esto. Además, como sugiere Byron, podrá modelar 2 respuestas: la media (con mayor precisión, ya que esto reducirá el ruido dentro del tratamiento) y la desviación estándar (o cualquier transformación que elija).
