• 函数实验设计示例
该示例使用 Fermentation Process.jmp 和 Fermentation Process Batch Yield Results.jmp 样本数据表来分析酶产量。“产量”是转基因的酵母生产的酶数量。每个批次取 100 次过程测量值,它们平均分布在 12 个小时的时间段上。
使用“函数数据分析器”平台拟合数据模型并将函数主成分保存到新数据表,然后在“拟合模型”平台的“广义回归”特质中分析这些函数主成分。
1. 选择帮助 > 样本数据库,然后打开 Functional Data/Fermentation Process.jmp。
2. 选择分析 > 专业建模 > 函数数据分析器。
3. 在“堆叠数据格式”选项卡中,选择乙醇到 pH 并点击 Y,输出。
4. 选择时间并点击 X,输入。
5. 选择批次 ID 并点击 ID,函数。
6. 点击确定。
7. 点击“函数数据分析器组”红色小三角并选择数据处理 > 对齐 > 将范围对齐为 0 到 1。这在每个“函数数据分析器”报表中将输入变量对齐为介于 0 到 1 之间。
8. 点击“函数数据分析器组”红色小三角并选择模型 > B 样条。这对每个函数过程拟合 B 样条模型。
乙醇的“函数数据分析器”报表
乙醇的“模型汇总”报表
乙醇的“函数数据分析器”报表 和乙醇的“模型汇总”报表 显示一个函数过程变量“乙醇”的模型报表。滚动整个报表以查看每个过程变量的模型拟合情况。接着,在分析中使用“函数汇总”报表中的 FPC。
1. 按 Ctrl 的同时点击任意“函数汇总”红色小三角,然后选择定制函数汇总。
2. 在输入要显示的 FPC 数旁边的框中,键入 3。
3. 点击取消选择所有汇总框。
4. 点击确定。
5. 点击“函数数据分析器组”红色小三角并选择保存汇总。
6. 选择帮助 > 样本数据库,然后打开 Functional Data/Fermentation Process Batch Yield Results.jmp。
7. 在函数数据分析器模型汇总.jmp 数据表中,右击批次 ID 并取消选择链接 ID。
8. 在函数数据分析器模型汇总.jmp 数据表中,右击批次 ID 并选择链接引用 > Fermentation Process Batch Yield Results.jmp。
这实际上连接了产量数据表和汇总数据表。
使用“拟合模型”平台的“广义回归”特质确定函数过程变量是如何影响产量的。
1. 在函数数据分析器模型汇总.jmp 数据表中,选择分析 > 拟合模型。
2. 点击“由‘批次 ID’引用到‘Fermentation Process Batch Yield Results’”旁边的小三角。
3. 选择产量[批次 ID] 并点击 Y。
4. 选择除时间和批次 ID 之外其余的列,然后点击添加。
5. 将“特质”更改为“广义回归”。
6. 点击运行。
7. 选择自适应框。
8. 点击执行。
批次产量的“广义回归”报表
“广义回归”报表显示产量显著受乙醇、糖蜜饲料、NH3 饲料和空气的某些成分的影响。模型的 R 方为 0.73225。通过首先使用 FDE 对函数过程进行降维,您大大减少了变量数,但是仍具有构建合理预测模型的能力。