Hallo,
Ich verwende JMP Student Edition 19.1.4 zur Analyse von Funktionsdaten aus einem kinetischen Experiment.
Mein Versuchsaufbau basiert auf einem 3-Faktor-Box-Behnken-Design. Mir ist bewusst, dass die Versuchsfaktoren einen signifikanten Einfluss auf die Ergebnisse haben, dieser Einfluss jedoch zeitlich variieren kann. Daher interessiere ich mich nicht nur für die Reaktion zu einem bestimmten Zeitpunkt, sondern auch dafür, wie sich die kinetischen Profile in Abhängigkeit von den Versuchsbedingungen verändern.
Ich habe 15 Versuchsreihen durchgeführt, wobei die Messungen zu 10 Zeitpunkten im Zeitraum von etwa 0,5 h bis 24 h erfolgten. Zur Modellierung der Kinetik verwendete ich den Functional Data Explorer mit einem B-Spline-Modell und VCG.
Das Modell scheint die experimentellen Daten recht gut abzubilden, und JMP liefert für jeden einzelnen Durchlauf angepasste Kurven. Ich möchte nun untersuchen, ob es möglich ist, mithilfe dieser angepassten Funktionen Schätzwerte zu Zeitpunkten zu erhalten, die nicht experimentell gemessen wurden, insbesondere zwischen 7 und 24 Stunden.
Zur zusätzlichen Analyse verwendete ich die aus dem Functional Data Explorer gewonnenen funktionalen Hauptkomponentenwerte (CPF) als Zielgrößen in einer Response Surface Methodology (RSM)-Analyse. Dies ermöglichte es mir, zu untersuchen, wie meine experimentellen Faktoren die Hauptmerkmale der Kinetik beeinflussen.
Ich bin mir jedoch nicht sicher, wie ich am besten vorgehen sollte. Idealerweise würde ich für jeden einzelnen Durchlauf das angepasste Funktionsmodell ermitteln und damit die Reaktion zu Zwischenzeitpunkten schätzen, anstatt die Rohdaten einfach zu interpolieren.
Ich kann keine Möglichkeit finden, die stetig angepasste Funktion zu exportieren oder Vorhersagen zu beliebigen Zeitpunkten aus dem Functional Data Explorer zu erhalten.
Gibt es eine Möglichkeit, die angepasste B-Spline-Funktion (oder die notwendigen Koeffizienten) für jeden einzelnen Durchlauf in JMP Student Edition zu extrahieren?
Wichtiger noch: Wäre die Verwendung der angepassten B-Spline-Funktionen auf diese Weise ein statistisch geeignetes Verfahren zur Schätzung von Werten zwischen den experimentellen Zeitpunkten? Oder gäbe es in JMP eine bessere Möglichkeit, diese Vorhersagen zu erhalten?
Ich würde mich auch über einen Rat freuen, ob mein Gesamtansatz (Verwendung des funktionalen Modells zur Beschreibung der Kinetik und anschließende Verwendung der CPF-Scores in RSM) für diese Art von Versuchsaufbau geeignet ist.
Vielen Dank für jegliche Hinweise oder Vorschläge.
Ich empfehle Functional DOE: Functional Design of Experiments – A Primer (springen Sie zu 7:15, um diese spezielle Funktion zu sehen).
Mit dem funktionalen DOE-Profiler können Sie die interpolierten, d. h. modellierten Werte Ihrer Kurve auch in Bereichen ohne Daten untersuchen. Über das Menü „Rotes Dreieck “ der funktionalen DOE-Analyse können Sie die Vorhersageformel anschließend als Spalte in Ihrer Datentabelle speichern .
Wenn Sie dies an einem Beispieldatensatz testen möchten: Hilfe > Beispielindex > Mill DOE.jmp
(Wenn Sie nur interpolierte Kurven für jede Kurven-ID wünschen, ohne die DOE-Faktoren zu berücksichtigen: Rotes Dreieck-Menü unter B-Spline > Funktionszusammenfassungen > Zusammenfassungen speichern )
