4391
There is no translation available.

Minitab 22 - Varianzen-Dispersionsdiagramme

  • Erstellt am 4.11.2016
  • Überarbeitet am 21.5.2024
  • Software: Minitab 22, 21, 20, 19

Bilder

variance_dispersion_graph

Erläuterung

In diesem Artikel möchten wir, auf Grundlage des französischsprachigen Originalartikels auf der Herstellerwebseite, Definition und Interpretation eines Varianzdispersionsdiagramms verdeutlichen. Varianzdispersionsdiagramme wurden von Giovannitti-Jensen und Myers (1989) und danach von Myers et al. (1992) entwickelt, um eine Momentaufnahme der Stabilität der skalierten Prognosevarianz im Versuchsraum zu erhalten.

Das Varianzdispersionsdiagramm und die Versuchspläne

Varianzdispersionsdiagramme sind Grafiken, auf denen die skalierte Prognosevarianz eines Versuchsplans im Versuchsraum angezeigt wird. Sie sind nützlich, um

  • einen Versuchsplan sinnvoll auszuwählen,
  • zwei oder mehr Versuchspläne zu vergleichen,
  • die Performance eines Versuchsplans auszuwerten und
  • die Performances zweier oder mehrerer Versuchspläne für ein spezifisches Modell (Linear, Linear + Quadrate, Linear + Wechselwirkungen, Vollständig Quadratisch) zu vergleichen.

Sei n die Anzahl der Versuche und X die Versuchsplanmatrix. Da die Prognosevarianz Var(ŷ) = xT(XTX)-1x nicht von der Antwortvariablen, sondern lediglich von der Designmatrix X abhängig ist, lässt sich die Gleichung

v(x) = (n*Var(ŷ))/σ2

mit welcher die skalierte Prognosevarianz mathematisch geschätzt wird, zu

(n*σ2*xT(XTX)-1x)/σ2 = n*xT(XTX)-1x

vereinfachen. Die skalierte Prognosevarianz ist also eine Funktion in Abhängigkeit von n, X und dem Punkt x. Auf Grund der Unabhängigkeit der skalierten Prognosevarianz von der Antwortvariablen hilft Ihnen das Varianzdispersionsdiagramm, die Stichhaltigkeit eines Plans von vornherein zu bewerten.

Zusammensetzung des Varianzdispersionsdiagramms

Ein Varianzdispersionsdiagramm besteht aus

  • einer Kurve der sphärischen Varianz als vom Radius r abhängige Funktion. Die sphärische Varianz entspricht dem Integral der Funktion v(x) über einer n-dimensionalen Kugeloberfläche, einer sogenannten Hypersphäre, vom Radius r.
  • einer Darstellungskurve der maximalen Prognosevarianz in Abhängigkeit des Radius r. Es werden hier zwischen 0 und der maximalen Distanz vom Zentrum zum Rand des Versuchsplans mit einem kleinen Inkrement mehrere Werte für r als Stützstellen für die Kurve genommen.
  • einer Darstellungskurve der minimalen Prognosevarianz in Abhängigkeit des Radius r.
  • einer horizontalen Linie bei der Varianz v(x) = p. Hier ist p die Anzahl der Parameter im Anpassungsmodell. Ein Optimalitätskriterium für den Versuchsplan ist, dass die maximale Prognosevarianz für jeden Punkt im Versuchsplan ≤ p ist.

Das Varianzdispersionsdiagramm zeigt die mittleren, maximalen und minimalen skalierten Prognosevarianzen für jeden Wert von r. Damit wird konkret die Distanz jedes Punktes zum Ursprung oder Zentrum des Versuchsplans dargestellt.

Erstellen eines Varianzdispersionsdiagramms mit Hilfe eines Minitab-Makros

Das Makro VDG.mac aus der Makrobibliothek von Minitab Inc. ermöglicht Ihnen das Erstellen eines Varianzdispersionsdiagramms. In diesem Abschnitt wird an einem Beispiel beschrieben, mit welchem Befehl Sie das Makro ausführen können, sowie kurz die Bedeutung der optionalen Unterbefehle erläutert. Eine Beschreibung zum Verwenden von Makros finden Sie im Artikel Aufruf eines Makros (Desktop-App).

In dem folgenden Bildschirmvideo wird ein Varianzendispersionsdiagramm zum Vergleich eines Zentral Zusammengesetzten Versuchsplans und eines Box-Behnken-Versuchsplans vorbereitet und dann mit dem Befehl

%vdg M1 M2

erstellt. M1 und M2 sind hier die Versuchsplanmatrizen dieser Versuchspläne.

Zu den Unterbefehlen, die Sie wahlweise verwenden können, gehören:

  • model "Typ" (Standardeinstellung: "quadratic")

    Legen Sie mit diesem Unterbefehl den Modelltyp fest. Mögliche Modelltypen sind:
    • "linear" (Linear)
    • "purequadratic" (Linear + Quadrate)
    • "interaction" (Linear + Wechselwirkungen)
    • "quadratic" (Vollständig Quadratisch)

  • resolution Auflösung (Standardeinstellung: 100)

    Legen Sie mit diesem Unterbefehl die zum Schätzen der minimalen, maximalen und mittleren Prognosevarianz an jedem unterschiedlichen Punkt des Radius gezogene Anzahl der Versuchsplanpunkte an. Für die drehbaren Versuchspläne können Sie eine schwache Auflösung auswählen. Für die anderen Versuchspläne könnte es notwendig sein, die Auflösung mit jeder Erhöhung der Anzahl der Faktoren zu erhöhen.

  • increment Schritt (Standardeinstellung: 0,1)

    Legen Sie mit diesem Unterbefehl das Inkrement für den Radius r fest.

  • maxdist edge

    Standardmäßig wird edge als die Distanz vom Zentrum zum am Weitesten entfernten Randpunkt des Versuchsplans berechnet. Die können edge durch Eingabe eines selbst festgelegten Wertes modifizieren.

Die auf einer Monte-Carlo-Simulation basierende Methode zum Schätzen der skalierten Prognosevarianz ist im französischsprachigen Originalartikel zusammengefasst beschrieben.

Literatur

Marsaglia G. "Choosing a Point from the Surface of a Sphere". The Annals of Mathematical Statistics, Vol. 43, numéro 2 (1972), pages 645 et 646.

Myers R, Montgomery D. (2002). Response Surface Methodology — Process and Product Optimization Using Designed Experiments, deuxième édition, John Wiley & Sons, Inc.

Siehe auch

Determinante von Xt*X
Spur von Xt*X oder (Xt*X)-1

Question?

This email address is being protected from spambots. You need JavaScript enabled to view it., wenn Sie eine Frage zu diesem Artikel haben.