Nivel: Intermedio
El diseño tradicional de experimentos es un método de análisis que se basa en la descomposición de la suma de cuadrados usando sigma llamado análisis de varianza, asumiendo que los factores son ortogonales entre sí, no solo la matriz ortogonal. Sin embargo, este método no se puede aplicar cuando ocurren valores faltantes, por lo que es necesario realizar un análisis utilizando la "teoría de estimación lineal", que ha proporcionado el marco teórico para el análisis de varianza. Sin embargo, es difícil encontrar libros que lo expliquen.
El "Ajuste de modelo" de JMP también admite el análisis de matrices ortogonales con valores faltantes, pero también admite "estimar el intervalo de confianza del 95% de la diferencia entre el nivel actual y el nivel óptimo", que es el estándar para el análisis de matrices ortogonales. ¿Debería encontrarlo? ¿Se incorporan en JMP la "fórmula de Taguchi" o la "fórmula de Ina" para estimar estas variaciones de error? Se necesita coraje para confiar y utilizar los resultados de JMP tal como están sin un libro que explique el procedimiento de análisis utilizado para calcularlos.
Por lo tanto, al mostrar un método de análisis que utiliza funciones matriciales de Excel para el caso en el que falta un valor en la matriz ortogonal L8 y compararlo con los resultados del análisis utilizando JMP, profundizaremos nuestra comprensión del principio de cálculo del "ajuste del modelo". , presentamos un método de cálculo básico que se puede utilizar para aplicaciones posteriores.
