Exemplo de Resposta binária da análise para experimentos de superfície de resposta

Um engenheiro de sala limpa analisa experimento de superfície de resposta para determinar como o tempo de vedação, a temperatura e a pressão afetam a qualidade da vedação de bandejas vedadas. A resposta é binária—se a vedação está intacta ou não—em uma amostra de 800 vedações de bandeja.

O engenheiro coleta dados e analisa o experimento para determinar quais fatores afetam a resistência da vedação.

  1. Abra os dados amostrais, VedaçãoBandeja.MTW.
  2. Selecione Estat > DOE > Superfície de Resposta > Análise de resposta binária.
  3. Em Nome do evento, insira Evento.
  4. Em Número de eventos, insira Vedado.
  5. Em Número de ensaios, insira Amostras.
  6. Clique em Termos.
  7. Em Incluir os seguintes termos, escolha Quadrática completa.
  8. Clique em OK.
  9. Clique em Gráficos.
  10. Em Gráficos de Resíduos, selecione Quatro em um.
  11. Clique em OK em cada caixa de diálogo.

Interpretar os resultados

Na tabela de análise de variação, os valores-p para Temperatura, Pressão e Temperatura*Temperatura são significantes. O engenheiro pode considerar a redução do modelo para remover os termos que não são significativos. Para obter mais informações, acesse Redução de modelo.

O valor de R2 da desviância mostra que o modelo explica 97,47% da desviância total na resposta, o que indica que o modelo ajusta bem os dados.

O gráfico de Pareto dos efeitos possibilita a identificação visual dos efeitos importantes e compara a magnitude relativa dos vários efeitos. Além disso, é possível ver que o maior efeito é Temperatura*Temperatura (BB) porque se estende para mais distante.

Response Surface Binary Logistic Regression: Sealed versus Time, Temperature, .

Method Link function Logit Rows used 15
Response Information Event Variable Value Count Name Sealed Event 9637 Event Non-event 2363 Samples Total 12000
Coded Coefficients Term Coef SE Coef VIF Constant 3.021 0.384 Time 0.210 0.139 18.53 Temperature 0.641 0.159 19.53 Pressure 0.420 0.211 70.48 Time*Time -0.0735 0.0482 1.01 Temperature*Temperature 0.2988 0.0517 1.17 Pressure*Pressure -0.0022 0.0277 70.24 Time*Temperature -0.0092 0.0505 1.14 Time*Pressure 0.0417 0.0342 18.12 Temperature*Pressure -0.0521 0.0396 19.24
Odds Ratios for Continuous Predictors Unit of Odds 95% Change Ratio CI Time 1.0 * (*, *) Temperature 25.0 * (*, *) Pressure 7.5 * (*, *) Odds ratios are not calculated for predictors that are included in interaction terms because these ratios depend on values of the other predictors in the interaction terms.
Model Summary Deviance Deviance R-Sq R-Sq(adj) AIC AICc BIC 97.47% 96.50% 140.64 195.64 147.72
Goodness-of-Fit Tests Test DF Chi-Square P-Value Deviance 5 23.40 0.000 Pearson 5 23.88 0.000 Hosmer-Lemeshow 5 7.47 0.188
Deviance Table Source DF Adj Dev Adj Mean Chi-Square P-Value Model 9 903.478 100.386 903.48 0.000 Time 1 2.303 2.303 2.30 0.129 Temperature 1 16.388 16.388 16.39 0.000 Pressure 1 3.966 3.966 3.97 0.046 Time*Time 1 2.331 2.331 2.33 0.127 Temperature*Temperature 1 34.012 34.012 34.01 0.000 Pressure*Pressure 1 0.006 0.006 0.01 0.937 Time*Temperature 1 0.033 0.033 0.03 0.856 Time*Pressure 1 1.490 1.490 1.49 0.222 Temperature*Pressure 1 1.731 1.731 1.73 0.188 Error 5 23.404 4.681 Total 14 926.882
Regression Equation in Uncoded Units P(Event) = exp(Y')/(1 + exp(Y'))

Y' = 17.77 + 0.348 Time - 0.1918 Temperature + 0.1146 Pressure - 0.0735 Time*Time + 0.000478 Temperature*Temperature - 0.000039 Pressure*Pressure - 0.00037 Time*Temperature + 0.00556 Time*Pressure - 0.000278 Temperature*Pressure

Fits and Diagnostics for Unusual Observations Observed Obs Probability Fit Resid Std Resid 1 0.7113 0.6856 1.5722 4.45 R 3 0.9025 0.8879 1.3370 2.50 R 7 0.9675 0.9565 1.5927 2.17 R 8 0.6737 0.6884 -0.8891 -2.44 R 10 0.5550 0.5660 -0.6265 -2.07 R 11 0.9025 0.9281 -2.6700 -4.20 R 12 0.8413 0.8633 -1.7806 -3.54 R 15 0.7113 0.6892 1.3592 3.64 R R Large residual
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política