Ho appena creato un account per postare nel forum di discussione e la mia domanda è stata immediatamente contrassegnata come spam
Collegamento al post: (Creazione di DOE (e adattamento) per risposta non lineare)
di EndogenoCame1
https://community.jmp.com/t5/Discussions/Creating-DOE-and-fitting-for-non-linear-response/mp/756730#M93824
Ciao, sono ancora nuovo di JMP, ma sto cercando di determinare il modo migliore per modellare un sistema non lineare (generazione di DOE + adattamento del modello). Contesto: Per farla breve, ho un ampio spazio sperimentale che sto cercando di modellare (10 variabili discrete + 10 variabili continue). Prima di iniziare l'esperimento completo, sto lavorando con un sottoinsieme (1 variabile discreta + 5 variabili continue) per assicurarmi di modellare correttamente il mio sistema prima di espandere lo spazio sperimentale. Ho iniziato generando un DOE con un modello semplice contenente termini principali + termini di interazione secondari + termini di potenza secondari. Dopo aver eseguito il DOE, ho un modello che si adatta bene, dove tutti gli effetti sono significativi. Mentre gioco con il `Prediction Profiler`, so che il mio modello sta sovraadattando alcune sezioni dei dati, causando previsioni fisicamente impossibili. Il mio obiettivo è creare un modello il più accurato possibile per l'intero spazio sperimentale. Si prega di vedere i miei screenshot qui sotto che spiegano alcuni casi limite che non vengono modellati accuratamente: Riepilogo della mia situazione attuale: - So che c'è una curvatura statisticamente significativa nella mia risposta (in base al mio primo DOE) - So dalla fisica che la risposta dovrebbe avvicinarsi asintoticamente a 0 poiché le mie variabili continue tendono all'infinito (impossibile che la risposta sia negativa) - È possibile che ci siano alcuni termini di interazione, ma mi chiedo se anche questi termini vengano utilizzati per sovraadattare la curvatura nella mia risposta. Ho bisogno di un po' più di prove prima di credere che ci siano termini di interazione significativi. Il mio modello attuale è accurato nel 90% degli scenari, ma so che si stanno generando alcuni casi limite perché i termini quadratici non possono modellare accuratamente una risposta asintotica. Presumo che se aggiungessi più punti dati vicino ai minimi nella regione quadratica, il modello si appianerebbe e corrisponderebbe più fedelmente alla realtà, ma voglio ridurre al minimo il numero di punti dati necessari per ottenere un buon modello (soprattutto prima di aggiungere altre variabili). Qual è il modo corretto per generare un DOE per una risposta asintotica e, una volta generato il DOE, come si modella correttamente questa risposta non lineare? Grazie!
Questo messaggio ha 0 risposte
