Livello: intermedio
Il disegno sperimentale tradizionale è un metodo analitico basato sulla scomposizione della somma dei quadrati utilizzando il sigma chiamato analisi della varianza, presupponendo che i fattori siano ortogonali tra loro, non solo la matrice ortogonale. Tuttavia, questo metodo non può essere applicato quando si verificano valori mancanti, quindi è necessario eseguire l'analisi utilizzando la "teoria della stima lineare", che ha fornito il quadro teorico per l'analisi della varianza. Tuttavia è difficile trovare libri che lo spieghino.
Il "Model Fitting" di JMP supporta anche l'analisi di array ortogonali con valori mancanti, ma supporta anche "la stima dell'intervallo di confidenza del 95% della differenza tra il livello corrente e il livello ottimale", che è lo standard per l'analisi degli array ortogonali dovrei trovarlo? La "formula di Taguchi" o la "formula di Ina" per stimare queste varianze di errore sono incorporate in JMP? Ci vuole coraggio per fidarsi e utilizzare i risultati di JMP così come sono senza un libro che spieghi la procedura di analisi utilizzata per calcolarli.
Pertanto, mostrando un metodo di analisi che utilizza le funzioni della matrice di Excel per il caso in cui è presente un valore mancante nell'array ortogonale L8 e confrontandolo con i risultati dell'analisi utilizzando JMP, approfondiremo la nostra comprensione del principio di calcolo dell'"adattamento del modello" ., presentiamo un metodo di calcolo di base che può essere utilizzato per ulteriori applicazioni.
