Acabo de crear una cuenta para publicar en el foro de discusión y mi pregunta fue inmediatamente marcada como spam.
Enlace a la publicación: (Creación de DOE (y ajuste) para respuesta no lineal)
por EndógenoCame1
https://community.jmp.com/t5/Discussions/Creación-de-DOE-y-ajuste-para-respuesta-no-lineal/mp/756730#M93824
Hola, todavía soy nuevo en JMP pero estoy tratando de determinar la mejor manera de modelar un sistema no lineal (generando DOE + ajuste del modelo). Contexto: En pocas palabras, tengo un gran espacio experimental que estoy tratando de modelar (10 variables discretas + 10 variables continuas). Antes de saltar a mi experimento completo, estoy trabajando con un subconjunto (1 variable discreta + 5 variables continuas) para asegurarme de que estoy modelando mi sistema correctamente antes de expandir mi espacio experimental. Comencé generando un DOE con un modelo simple que contiene términos principales + 2.º términos de interacción + 2.º términos de potencia. Después de ejecutar el DOE, tengo un modelo que se ajusta bien donde todos los efectos son significativos. Mientras juego con el `Prediction Profiler`, sé que mi modelo está sobreajustando ciertas secciones de los datos que están causando predicciones que no son físicamente posibles. Mi objetivo es hacer un modelo que sea lo más preciso posible en todo mi espacio experimental. Por favor, vea mis capturas de pantalla a continuación, donde se explican algunos casos extremos que no se están modelando con precisión: Resumen de mi situación actual: - Sé que hay una curvatura estadísticamente significativa en mi respuesta (basada en mi primer DOE) - Sé por física que la respuesta debería aproximarse asintóticamente a 0 a medida que mis variables continuas tienden al infinito (imposible que la respuesta sea negativa) - Es posible que haya algunos términos de interacción, pero me pregunto si esos términos también se están utilizando para sobreajustar la curvatura en mi respuesta. Necesito un poco más de evidencia antes de creer que hay términos de interacción significativos. Mi modelo actual es preciso en el 90% de los escenarios, pero sé que se están generando algunos casos extremos porque los términos cuadráticos no pueden modelar con precisión una respuesta asintótica. Supongo que si añadiera más puntos de datos cerca de los mínimos en la región cuadrática, el modelo se suavizaría y se ajustaría más a la realidad, pero quiero minimizar la cantidad de puntos de datos necesarios para obtener un buen modelo (especialmente antes de añadir más variables). ¿Cuál es la forma correcta de generar un DOE para una respuesta asintótica? Y, una vez generado, ¿cómo se modela correctamente esta respuesta no lineal? ¡Gracias!
Este mensaje tiene 0 respuestas
