예측 값은 지정된 요인 설정에서 선택한 특성의 적합치를 나타냅니다.적합치는 지정한 모형을 기초로 합니다.
요인 간의 교호작용이 매우 작거나 예측에 따라 정확하게 설명되는 경우에는 후속 확인 런의 관측 결과가 예측 결과와 비슷해야 합니다. 반면에 예측 결과와 관측 결과 사이에 상당한 차이가 있을 경우에는 설명되지 않은 교호작용이나 예기치 않은 잡음 효과가 있을 수 있습니다. 따라서 이 경우에는 추가 조사가 필요합니다.
신호 대 잡음 비 | 기울기 | 표준 편차 | Ln(표준 편차) |
---|---|---|---|
4.82849 | 0.65021 | 0.161827 | -1.20846 |
7.68268 | 0.99350 | 0.401050 | -0.87014 |
7.09082 | 0.87225 | 0.355527 | -0.93760 |
9.94501 | 1.21554 | 0.594751 | -0.59928 |
품종 | 빛 | 비료 | 물 |
---|---|---|---|
2 | 1 | 2 | 1 |
2 | 1 | 2 | 2 |
2 | 2 | 2 | 1 |
2 | 2 | 2 | 2 |
예측 값의 두 번째 행에는 품종의 높은 수준(2), 빛의 낮은 수준(1), 비료의 높은 수준(2) 및 물의 높은 수준(2)에 대한 예측 값이 표시됩니다.
예측 값을 사용하여 공정이나 제품에 대한 최적의 결과를 산출하는 요인 설정을 결정할 수 있습니다.
실험에서는 선택의 범위를 두 번째 조합과 세 번째 조합으로 좁혔습니다. 두 조합 모두 품종 2, 비료 2 및 물 2가 포함됩니다. 유일한 차이는 빛의 수준입니다. 실험에서는 두 번째 조합에서 표준 편차가 상당히 작고 빛의 수준을 낮추면 비용이 많이 줄어들기 때문에 결국 두 번째 조합을 선택했습니다.
신호 대 잡음 비 | 기울기 | 표준 편차 | Ln(표준 편차) |
---|---|---|---|
4.82849 | 0.65021 | 0.161827 | -1.20846 |
7.68268 | 0.99350 | 0.401050 | -0.87014 |
7.09082 | 0.87225 | 0.355527 | -0.93760 |
9.94501 | 1.21554 | 0.594751 | -0.59928 |
품종 | 빛 | 비료 | 물 |
---|---|---|---|
2 | 1 | 2 | 1 |
2 | 1 | 2 | 2 |
2 | 2 | 2 | 1 |
2 | 2 | 2 | 2 |
신호 대 잡음비에 대한 네 번째 조합이 9.94501에서 최적인 것으로 보입니다. 두 번째 조합과 세 번째 조합의 표준 편차 차이는 거의 없으나 기울기와 신호 대 잡음비는 두 번째 조합이 더 좋습니다.
선택된 수준에서 확인 런을 수행하여 예측 값을 신뢰할 수 있는지 확인해야 합니다. 사과 묘목 데이터의 경우 선택된 수준이 최초 실험에서 사용되었으므로 먼저 예측 값을 최초 실험의 관측치와 비교했습니다. 최초 실험의 결과는 아래 표에 나타난 것처럼 예측 값에 상당히 가깝습니다.
원래 | 예측 | |
---|---|---|
신호 대 잡음비 | 7.10 | 7.68268 |
기울기 | 0.926 | 0.9935 |
표준 편차 | 0.409 | 0.401050 |
Ln(표준 편차) | −0.894 | −0.87014 |