Hola,
un cliente pidió DOE sensorial. Concreto, ella tiene dos preguntas:
1. Crear un diseño con digamos 5 factores numéricos discretos de tres niveles que estiman los efectos de interacción principal y de 2 factores requiere 6 ejecuciones como mínimo y 27 recomendadas. Como hay 12 panelistas, las 16 ejecuciones deberían ser suficientes para una buena variación. Preguntó cómo hacer esta replicación, mi respuesta es copiar y pegar el diseño 12 veces en la tabla de datos resultante. Cualquier otra idea (tener 12 columnas agregadas para los panelistas y luego apilar la mesa es otro pensamiento que tuve). Al final, ella quiere comprobar la potencia del diseño replicado (sugerí evaluar el diseño entonces, pero no estoy seguro de qué tan preciso es el ajuste para tal configuración). ¿Alguna manera más directa?
2. Si van con 16 ejecuciones, pero una ejecución que les gustaría intercambiar con un producto de mercado que tenga configuraciones especiales para los cinco factores. ¿Cómo pueden ajustar el diseño para tener la mayor potencia pero intercambiar una de las ejecuciones con la ejecución dada? Puedo pensar en crear la tabla y verificar manualmente la potencia de cada uno de los diferentes diseños resultantes, pero eso es engorroso. ¿Algunas ideas?
Gracias,
Martín
Algunas reflexiones sobre cosas a considerar.
En el punto # 1, para el diseño, podrían realizar 16 carreras para cada uno de los 12 panelistas. Eso es un total de 192 carreras. ¿Por qué no hacer un diseño para 192 ejecuciones con un bloque aleatorio de tamaño 16? Esto proporcionaría el número correcto de ejecuciones, pero significa que no todos los panelistas verán exactamente la misma combinación de tratamientos, pero eso puede no ser algo malo. Después de todo, el diseño no estará equilibrado y al repetir las mismas 16 ejecuciones, estimará algunas interacciones (y posiblemente algunos efectos principales) mejor que otras. Al permitir que el diseñador personalizado elija las combinaciones, debe otorgar una potencia general mejor y más uniforme para cada una de las interacciones. Cuando se trata de ajustar el modelo, si cada panelista se considera "equivalente" como un instrumento analítico, puede eliminar el efecto de bloque aleatorio. Sin embargo, si se permite que los panelistas tengan un efecto aleatorio, eliminará esa fuente de variabilidad conocida de un panelista a otro.
El punto # 2 es más complicado.
Para el punto # 2, ¿necesita cada panelista ver el producto de mercado con ajustes especiales? Supongo que lo hacen. En ese escenario, yo usaría un enfoque similar. Yo crearía el diseño con 180 carreras, los panelistas un bloque aleatorio de tamaño 15. Luego agregaría manualmente la ejecución adicional del producto de mercado para cada panelista. En mi opinión, la forma más sencilla de hacerlo sería colocar el producto del mercado en una tabla separada y unirlos. Entonces podrías evaluar todo el diseño. No garantiza la máxima potencia con este enfoque, pero el producto del mercado es una combinación de tratamiento por separado, por lo que no forma parte del diseño.
Idealmente, me gustaría crear la tabla con los productos del mercado y aumentarlo, pero parece que no puedo obtener un bloqueo aleatorio en ese aumento.
