928435_fr-FR

liliconcom

Plan d'expériences avec variable d'entrée nominale

Nous avons trois facteurs et une variable de réponse.
Le facteur 1 comporte 2 niveaux, le facteur 2 également, et le facteur 3, 3. Tous les facteurs sont des variables nominales, tandis que la variable réponse est numérique. Conformément au plan expérimental, 12 expériences ont été menées, couvrant toutes les combinaisons possibles de facteurs et de niveaux.

J'ai déjà effectué une analyse SLS, incluant des combinaisons à deux facteurs. Existe-t-il d'autres tests statistiques applicables ? Par exemple, une méthode permet-elle de tester les effets combinés de plusieurs facteurs ? Est-il possible de visualiser ces effets ?

Merci d'avance!

Analyse et modélisation de données de baseRe: Plan d'expériences avec variable d'entrée nominale

Par variables nominales, entendez-vous variables catégorielles ? Vos données ayant été collectées par la méthode DOE, vous devriez déjà avoir un modèle en tête. Il est beaucoup plus facile de commenter si vous joignez votre tableau de données (anonymisé). Il semble que vous ayez réalisé un plan factoriel sans répétition. La première analyse doit être pratique. La variable réponse a-t-elle varié suffisamment pour que vous souhaitiez attribuer cette variation à votre modèle ? Si oui, vous devriez évaluer l'intégrité de l'ensemble de données (y avait-il des points de données atypiques ?). Vous pouvez revérifier cela une fois que vous aurez un modèle simplifié et que les résidus seront calculés, mais il est important de le faire avant l'analyse quantitative. Pour l'analyse quantitative, il n'y a pas de méthode unique. Vous pouvez généralement commencer par l'outil d'ajustement de modèle. Saturez le modèle. Utilisez des graphiques de demi-normalité pour la significativité statistique et des diagrammes de Pareto pour les effets liés à la significativité pratique. Simplifiez le modèle en supprimant les termes non pertinents (vous pouvez utiliser le R² ajusté, le delta entre le R² et le R² ajusté, et l'erreur quadratique moyenne pour vous aider). Relancez l'analyse et obtenez les résidus (de nombreux graphiques sont disponibles). Vous pouvez désormais utiliser le profileur de prédiction et les graphiques d'interaction pour visualiser les données graphiquement.