82942_es-ES

liliconcom

Aumentar las DOE con rangos de factores modificados.

 

 

Hola,

 

un cliente farmacéutico preguntó cómo cambiar los mejores rangos de factores al aumentar un diseño. A veces esto es necesario ya que el análisis proporcionó la sugerencia de que deberías buscar en una región ligeramente diferente. Esta región diferente se puede cambiar o ampliar como se muestra en las siguientes imágenes.

 

¿Hay alguna práctica recomendada o cosas a las que debería hacerse cargo?

 

Sé que puede cambiar los rangos en el cuadro de diálogo de aumento, pero no está seguro del posible efecto sobre la potencia. De un simple ejemplo no vi un gran problema, pero quiero estar seguro.

 

Gracias por tus pensamientos,

Martín

Re: Aumentar DOEs con rangos de factor cambiado

Estoy de acuerdo con todo @markbailey sugiere. ¿Puedo lanzar en otro pensamiento? ¿Tal vez en el segundo diseño posterior, lanzar una o dos combinaciones de tratamiento del primer diseño como una forma de replicación de personas pobres? Una cosa que veo a veces es "Oh, tenemos una nueva bolsa de materiales que no se usaron en el primer diseño, ya que usamos todas las cosas viejas". ¿Y si esa nueva bolsa NO es materialmente idéntica? Esto le daría una oportunidad de pelear para ver si hay algún tipo de compensación en el promedio o varianza de la respuesta del "primer experimento" al "segundo experimento". ¿Y qué hay de los cambios potenciales del sistema de medición de "primer experimento" a "segundo experimento"? Calibraciones, nuevos operadores, etc. Puede enturbiar el segundo experimento.

Re: Aumentar DOEs con rangos de factor cambiado

Por un lado, veo una tendencia a reducir el rango, incluso si se desplaza, después de la primera ronda de experimentación. "¡Sé dónde está el buen stuuf!" No lo hagas Ese cambio definitivamente comprometerá la estimación y el poder. No mencionó específicamente esta consideración, pero la encuentro tan a menudo en otras situaciones que solo quería señalarla.

 

Un rango de factor más amplio significa que los efectos no lineales son probables. Asegúrese de considerar los términos cuadráticos en el nuevo modelo.

 

No estoy seguro de cuán importante es el poder en una segunda etapa de la experimentación. Podría ser, sin duda, pero la predicción podría ser más importante en este punto. Preste atención a la variación de la predicción como un perfil y como una fracción del espacio de diseño.

 

Considere cambiar el criterio de optimalidad si la predicción es ahora más importante que en el primer experimento.