STATISTIK-FORUM.de

[Tommy7571]

Hallo,

Eigentlich wollte ich mir JMP zulegen, da weniger Programmierung notwendig ist und dort bereits sehr viele nicht-lineare Response Surface Designs vorhanden sind.
Jetzt muss ich doch sparen und eine Alternative finden.
Ich möchte für einen chemischen Prozess eine effiziente DoE gerechte effiziente teilfaktorielle Versuchsplanung unter Verwendung eines optimierten nicht-linearen Response Surface Designs verwenden,
wobei 5 bis 6 Parameter mit 3 bis 5 Stufen variiert werden sollen.
Laut diesem Artikel Response-Surface Methods in R, Using rsm Updated to version 2.00, 5 December 2012 Russell V. Lenth The University of Iowa
sind in R zum Beispiel nicht viele Designs verfügbar.
Sind die Eigenschaften der nicht-linearen Designs von kommerziellen Programmen wie JMP bekannt oder nicht?
Durch was sind die nicht-linearen Designs charakterisiert? Sind die EIgenschaften z.B. der Designs von JMP bekannt und somit anderweitig implementierbar? Kennt sich da jemand mit aus?

Ich habe zwar einige Statistikkenntnisse, aber Experte bin ich nicht und nicht-lineare Response Surface Designs sind für mich absolutes Neuland.
Kann mir da jemand helfen?

Tommy7571

[bele]

Hallo Thommy,

ich muss gleich vorneweg gestehen, dass ich keinerlei Ahnung von Response Surface Designs habe. ABER ich habe genug Ahnung von Freeware und dem Ökosystem von R um zu wissen, dass eine 2012 erstellte Übersicht über die Möglichkeiten von R heute veraltet ist. Es gibt keine Garantie aber doch eine gute Chance, dass sich in den letzten sieben Jahren jemand hingesetzt hat, und die von Dir erfragten Modelle implementiert hat.

Die Überschrift des von Dir zitierten Artikels bezieht sich auf ein spezielles Package in Version 2.00, welches derzeit erst in Version 2.10 vorliegt, die Dokumentation findet man hier: https://cran.r-project.org/web/packages/rsm/index.html

Andere Packages muss man halt erstmal finden. Dazu bietet sich google an. Weil R kein suchmaschinenfreundlicher Name ist sollte man auch versuchen, die Suche auf CRAN oder Bioconductor einzuschränken. Ein Weg, bewährte und empfehlenswerte Packages zu finden führst sonst auch über die CRAN TaskViews unter https://cran.r-project.org/web/views/

HTH,
Bernhard