¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?En Minitab, si los factores en el DOE tienen puntos centrales, la curvatura se probará directamente (es decir, la no linealidad, p < 0,05 indica que la curvatura es significativa), pero no parece haber tal función en JMP.
Diseño de experimentosRe: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Hola @Xinghua ,
La prueba de curvatura en DoE es un tema frecuente en la Comunidad y ya tiene algunas soluciones. Consulta las siguientes publicaciones y complementos:
Prueba de curvatura en factorial completo de 2 niveles con puntos centrales
Otra publicación sobre cómo probar la curvatura en un factorial de dos niveles con puntos centrales, incluida una discusión sobre el efecto del punto central.
Cómo realizar una prueba de curvatura en un DOE con JMP
Complemento de prueba de curvatura cuadrática pura
Creo que estas referencias te ayudarán,
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Muchas opciones en JMP para probar la curvatura con un DOE:
1. Elija un diseño de superficie de respuesta en el menú DOE > Clásico.
2. Elija un diseño personalizado e incluya efectos de potencia cuadráticos (o superiores).
3. Elija un diseño de detección definitivo e incluya puntos centrales para estimar los efectos cuadráticos.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Hola @Xinghua : Me parece que lo más fácil sería incluir el efecto cuadrático de cualquiera de los factores en el modelo. El valor p para ese efecto es entonces el valor p para probar la curvatura. Sin embargo, tenga cuidado, el factor que haya utilizado aquí puede ser o no el factor al que se le asigna el efecto cuadrático (se confunde con los otros posibles efectos cuadráticos). Es solo una prueba para ver si hay curvatura presente en al menos uno de los factores, por lo que aún necesitará ampliar el diseño para determinar qué factor(es) es(son) cuadrático(s).
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Si bien no he visto los enlaces proporcionados por @Victor_G , y estoy de acuerdo con todo lo que otros han contribuido hasta la fecha, mi primer paso, siempre, nunca fallo, antes de cualquier prueba estadística p, t, F o de otro tipo, es trazar gráficos de dispersión de respuesta versus factor. Espero que al menos una de esas referencias fomente este enfoque. Su ojo y su conocimiento del proceso son los "detectores" de efectos más sensibles que he encontrado. En 30 años de práctica de DOE en un entorno industrial, honestamente no puedo recordar un experimento que analizamos en el que una prueba LOF para curvatura fuera "significativa" que no apareciera primero en los gráficos de dispersión.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Muchas gracias. Lo he probado, pero por alguna razón el valor p del cuadrado del factor no es numérico. No sé por qué.
Subí los datos, puedes analizarlos. Gracias.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Muchas gracias.
El DOE puede generar gráficos de apalancamiento, incluso con valores p. Pero no estoy seguro de qué significa ese valor p (si es menor que 0,05).
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Hola @Xinghua ,
Dado que solo tiene puntos centrales, solo puede verificar la curvatura y estimar un efecto cuadrático (de los 4 posibles). Si agrega los 4 efectos cuadráticos en el modelo, JMP le informará que hay una singularidad en el modelo, ya que no podrá estimar de forma independiente los 4 efectos cuadráticos solo con puntos centrales:
Para estimar los cuatro efectos cuadráticos, es necesario tener diferentes puntos disponibles, factores de nivel medio (con 0 para el factor cuyo efecto cuadrático desea estimar y +/-1 para otros niveles de factores), en lugar de puntos centrales (con 0 para todos los niveles de factores).
Intente reajustar su modelo solo con un efecto cuadrático y podrá estimar el valor p para este efecto cuadrático y la prueba de falta de ajuste:
El valor p de este efecto cuadrático muestra claramente una curvatura en su respuesta (así como en los gráficos que ha mostrado en su última respuesta). El valor p para este efecto se calcula con la hipótesis nula de que "este efecto no es significativamente diferente de 0". Por lo tanto, como el valor p es muy bajo aquí, puede estar bastante seguro de que este efecto parece ser estadísticamente significativo a partir de 0 y de que es claramente visible una curvatura/efecto cuadrático. Añadir un efecto cuadrático a su modelo permite tener un modelo más adecuado (la prueba de falta de ajuste no muestra un valor p muy bajo, por lo que el modelo parece más adecuado).
Si ajusta un modelo solo con efectos principales e interacciones de 2 factores, ya tenía algunas pistas de que probablemente algo más estaba oculto, ya que la prueba de falta de ajuste muestra un valor muy bajo (por lo que el modelo puede no ser adecuado) y los gráficos reales versus predichos y residuales parecen indicar una curvatura:
Espero que esta respuesta te ayude.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Muchas gracias por vuestro entusiasmo.
Puedo confirmar que en un diseño factorial DOE, si se utilizan los puntos centrales, entonces solo habrá combinaciones de los puntos centrales de los factores (si hay 4 factores, entonces solo habrá 0000, no 000+, +-0+...), si se utiliza RSM, habrá una combinación del punto central de un factor y cualquier nivel de otros factores (si hay 4 factores, habrá 000+, +-0+, 0000...).
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Los gráficos de apalancamiento son una forma gráfica de probar la hipótesis de que la pendiente del coeficiente de para un factor determinado es 0. También se pueden utilizar para otros fines. Consulte la documentación de JMP para obtener una explicación detallada.
Gráficos de apalancamiento en JMP El valor p se interpreta como cualquier otro valor p para una estimación de parámetro. Solo la amplitud está por debajo del umbral de 0,05... si ese es el umbral que desea utilizar.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Hola @Xinghua : para agregar a @P_Bartell , no usaría esos gráficos de apalancamiento si hay una curvatura en su modelo que no se tiene en cuenta (como lo describió @Victor_G ); y como puede ver en los gráficos de apalancamiento, el punto central es claramente más alto que los puntos factoriales (-1, 1) lo que indica curvatura.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Gracias.
También descubrí que el valor Y correspondiente al punto central parece ser más alto, pero desafortunadamente no hay ningún valor para juzgar (como el valor p de la prueba de no linealidad). Después de todo, juzgar a simple vista no es muy preciso y es difícil convencer al cliente.
Re: ¿Por qué no puedo detectar curvatura (no linealidad) en DOE en JMP?Hola @Xinghua : De hecho; y como puedes ver en las respuestas anteriores, hay formas de obtener la prueba (valores p, etc.) que necesitas para la curvatura.
