Ciao,
Sto lavorando con Custom DOE e ho raccolto dati per la mia variabile di risposta che desidero inserire per generare un modello. Ho anche raccolto dati sull'errore associato alla misurazione di quella variabile di risposta (per ciascun punto dati) e mi chiedevo se esiste un modo per tenere conto di questo errore. Non sono riuscito a trovare alcun dettaglio al riguardo, quindi ho pensato di chiedere qui: sto utilizzando JMP Pro 17.
Grazie in anticipo!
Innanzitutto benvenuto nella community. Domanda interessante. Ecco i miei pensieri.
Il mio primo pensiero è: quanto errore di misurazione c'è? Può dipendere da quanto errore di misurazione c'è.
È possibile utilizzare le medie per ridurre l'errore? Suppongo che potresti utilizzare diversi valori degli estremi della distribuzione degli errori di misurazione come diversi valori Y (ad esempio, il più basso, il più grande e il punto medio) e modellarli ciascuno per vedere come ciò influisce sul significato degli effetti del modello.
Di solito si progetta un esperimento avendo in mente un modello e poi, come risultato dell'analisi, si riduce il modello rimuovendo termini insignificanti e quindi ripetendo.
Forse altri avranno qualche idea per te.
Posso chiederti perché vuoi "tenere conto di questo errore"? Mi sembra che l'errore di misurazione sia incorporato nelle risposte già osservate. Finirà per essere considerato l'errore quadratico medio nel modello che alla fine specificherai. O sei preoccupato che in alcune parti dello spazio sperimentale l'errore di misurazione sia problematicamente elevato? In tal caso, puoi modellare il logaritmo della varianza tramite le funzionalità di modellazione logaritmica lineare. Otterrai due modelli: 1. Per la media della risposta. 2. Logaritmo della varianza della risposta, che in realtà è solo l'errore del sistema di misurazione. Ecco un link nella documentazione di JMP per le funzionalità di modellazione della varianza logaritmica lineare: Modellazione della varianza logaritmica lineare in JMP
