Hola,
Estoy trabajando con Custom DOE y he recopilado datos para mi variable de respuesta que quiero ingresar para generar un modelo. También recopilé datos sobre el error asociado con la medición de esa variable de respuesta (para cada punto de datos) y me preguntaba si hay alguna manera de tener en cuenta este error. No he podido encontrar ningún detalle sobre esto, así que pensé en preguntar aquí: estoy usando JMP Pro 17.
¡Gracias de antemano!
Primero, bienvenido a la comunidad. Interesante pregunta. Aquí están mis pensamientos.
Mi primer pensamiento es ¿cuánto error de medición hay? Puede depender de cuánto error de medición haya.
¿Puedes utilizar promedios para reducir el error? Supongo que se podrían usar diferentes valores de los extremos de la distribución del error de medición como diferentes valores de Y (por ejemplo, el más bajo, el más grande y el punto medio) y modelar cada uno para ver cómo eso afecta la importancia de los efectos del modelo.
Por lo general, diseña un experimento con un modelo en mente y luego, como resultado del análisis, reduce el modelo eliminando términos insignificantes y luego iterando.
Quizás otros tengan algunas ideas para usted.
¿Puedo preguntar por qué quiere "considerar este error"? Me parece que el error de medición está integrado en las respuestas ya observadas. Se reflejará en el error cuadrático medio del modelo que especifique. ¿O le preocupa que, en ciertas partes del espacio experimental, el error de medición sea problemáticamente grande? En ese caso, puede modelar el logaritmo de la varianza mediante las funciones de modelado logarítmico-lineal. Obtendría dos modelos: 1. Para la media de la respuesta. 2. Para la varianza logarítmica de la respuesta, que en realidad es solo el error del sistema de medición. Aquí tiene un enlace en la documentación de JMP para las funciones de modelado logarítmico-lineal de la varianza: Modelado de varianza logarítmica-lineal en JMP.
