Fattore numerico continuo vs discretoQuando si cerca una risposta massima per un fattore a un certo intervallo, ad esempio; DNA totale da 100ug a 400ug, qual è un modo più accurato ed efficiente (maggiore potenza meno corse) per farlo?
- Assegnare il fattore come fattore continuo con 2a potenza (X1*X1)
- Assegna come numerico discreto a 3 livelli (100, 250, 400)
In passato ho sempre eseguito l'opzione A ma durante l'analisi del progetto, la potenza che ottengo per X1*X1 è piuttosto bassa (~0,4) rispetto agli effetti principali e alle seconde interazioni (sopra 0,8), quindi sono assistente per scegliere questa opzione, Mi sbaglio in questa nozione?
Grazie per l'aiuto,
Ri: fattore numerico continuo vs discretoPrima di tutto, lo fa il progetto dell'esperimento (l'insieme dei trattamenti). non pregiudicare l'accuratezza delle stime. Cioè, la distorsione delle stime (parametro o risposta) non dipende dal progetto. La distorsione delle stime dipende dalla forma del modello.
In secondo luogo, il progetto influisce sulla varianza delle stime. Questo effetto, a sua volta, influisce sul potere. All'aumentare della varianza delle stime, la potenza diminuisce.
In terzo luogo, il potere non è correlato alla distorsione del modello. La potenza è definita come la probabilità di non commettere un errore di tipo II. È possibile solo se l'ipotesi alternativa (il parametro non è zero) è vera. La potenza dipende dalla dimensione dell'effetto, dalla varianza della risposta, dalla dimensione del campione (DF in realtà) e dal livello di significatività. Bassa potenza significa che c'è una piccola possibilità di trovare un effetto reale (diverso da zero) statisticamente significativo.
Non mi fiderei di un modello fino a quando, dopo che è stato adattato, non è stato convalidato in modo indipendente con nuove osservazioni. Raccomando di testare due condizioni: la condizione che si prevede fornisca il risultato desiderato e un'altra condizione che prevede un risultato terribile. Puoi fidarti del modello per prevedere generalmente bene tutti i risultati in questo modo.
Come nota a margine, fai attenzione quando confronti i design. Non ho visto una grande differenza nella potenza utilizzando fattori continui rispetto a fattori discreti numerici se sono stato attento a ignorare le azioni automatiche di JMP che hanno modificato il numero di esecuzioni, i termini del modello e così via. Non sto dicendo che il potere che hai osservato sia sbagliato. Dico solo che è facile ottenere valori di potenza non comparabili.
Ri: fattore numerico continuo vs discretoGrazie Marco,
Giusto per capire meglio, se la potenza del termine X1*X1 è bassa, significa che molto probabilmente JMP non si adatterebbe alla linea in modo accurato quando si utilizza il profiler? ad esempio: un fattore continuo a 15 esecuzioni darebbe 0,827 per l'effetto principale e 0,39 per il termine, diciamo che analizzando i risultati utilizzando un modello di adattamento e un profiler, ho chiesto a JMP di massimizzare il risultato e la risposta che ho ottenuto è stata 300 , posso fidarmi? (o qualsiasi altro risultato compreso tra i punti testati 0, 250 e 400).
Un numero discreto a 3 o 4 livelli e 15 corse darebbe una potenza di 0,946, è un'opzione molto migliore?
Ri: fattore numerico continuo vs discretoNon farà molta differenza. È possibile specificare il modello e JMP sceglie i livelli oppure è possibile specificare i livelli e JMP sceglie i termini. Il fattore continuo offre al progettista personalizzato più libertà (nessuna restrizione sui livelli) e quindi sarà probabilmente migliore ma non di molto. Il fattore numerico discreto fissa i livelli ei termini aggiuntivi necessari per l'ottimizzazione del progetto hanno la loro stimabilità impostata su "se possibile", quindi contano in modo diverso nei calcoli della potenza. I. ti suggerisco di provarlo tu stesso. Progettare l'esperimento in entrambe le direzioni ed esaminare le informazioni di valutazione. Assicurati solo che si tratti di un confronto equo (numero di esecuzioni, criterio di ottimità, termini e stimabilità del modello e così via).
La potenza per i termini che sono potenze è sempre molto inferiore alla potenza per i termini di primo ordine e le interazioni a due fattori. Potrebbe essere necessario un numero elevato di corse che non è più economico per ottenere una potenza elevata per tali termini.
