Douglas Ray , PhD, estadístico principal, grupo de estadísticas, ARDEC, ingeniería de calidad y garantía de sistemas del Ejército de EE. UU.
Christopher Drake , Estadístico, Grupo de estadísticas, US ARDEC, Ingeniería de calidad y aseguramiento del sistema
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-VnYmk3ODE6c1AgvIZ7tCH9joA2wnPJvmw400h300r309', 'VnYmk3ODE6c1AgvIZ7tCH9joA2wnPJvm', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});(ver en Mis videos)
El Ejército de los EE. UU. Trata con frecuencia las pruebas y la experimentación de sistemas, lo que implica respuestas binarias (a menudo denominadas "pruebas de sensibilidad") en las que se aplica un estímulo (como voltaje o altura de caída) como la entrada o el factor principal. Este estudio de caso es una caracterización de prueba de sensibilidad de alambre caliente de “granadas de inicio” con granadas que involucró una serie de restricciones del mundo real, como el calendario del laboratorio de pruebas y el tamaño de la muestra. El diseño de experimentos para modelos lineales generalizados implica ciertos desafíos que no se encuentran en experimentos con datos de respuesta continua. Por ejemplo, los datos no son tan ricos en información como las mediciones continuas, las pruebas a menudo son destructivas y el éxito del experimento y la utilidad de las predicciones de respuesta dependen en gran medida de la captura de la zona de resultados mixtos. Para hacer frente a estas dificultades, se han desarrollado enfoques de prueba dinámicos para generar datos de manera adaptativa en las ubicaciones correctas del rango de estímulo para respaldar el modelado efectivo. Esta presentación ilustrará cómo los estadísticos de ARDEC adaptaron recientemente un algoritmo de búsqueda binario como la fase inicial en un experimento de dos fases, donde la segunda fase usó la plataforma de diseño no lineal en JMP para implementar el enfoque de diseño D-bayesiano descrito por Gotwalt, Jones y Steinberg (tecnometría, febrero de 2009).
