192559_fr-FR

liliconcom

Effet dans un DSD ayant des problèmes avec les exécutions de LD

Salut,

 

Je discuterai bientôt avec un client de l'effet qui en résulte dans une expérience DSD, lorsque certaines exécutions auront un problème de limite (limite de détection). Je sais que GenReg peut gérer cette situation censurée, mais comment cela affecte-t-il la puissance et les performances prédictives du DSD havin 1 ou plus encore avec lod?

 

Toute expérience ou règle générale serait très appréciée. J'ai pensé à vérifier le pouvoir de conception grâce à l'évaluation de la conception après l'exécution des analyses. Cependant, l'évaluation de la conception ne prend pas en compte la structure de la DSD. Je ne suis donc pas sûr que ce soit trompeur de toute façon, et encore plus avec la limite de visibilité en place. 

 

Merci,

Martin

Re: Effet dans un DSD ayant des problèmes avec l'exécution de LOD

Salut Martin

Cela affectera négativement le pouvoir. Fondamentalement, il y a moins d'informations dans un point de données

Mais je ne pense pas qu'il y ait de règles empiriques à ce sujet. Et déterminer le pouvoir sera très difficile. Je ne pense pas que les capacités de simulation de puissance de JMP Pro puissent être utilisées dans cette situation.

Cela dit, il sera préférable d’analyser dans Gen Reg les valeurs que de ne pas utiliser ces lignes ou substituer 0.

À votre santé,

Phil

Re: Effet dans un DSD ayant des problèmes avec l'exécution de LOD

Juste pour ajouter à ce que Phil a dit. Adoptez une approche pragmatique: tirez le meilleur parti des données collectées et, si nécessaire, augmentez-les pour en apprendre davantage (par exemple, ajouter des réplicats pour augmenter la confiance ou des pistes pour explorer un espace plus vaste, un modèle d'ordre supérieur ou autre). Traiter l’apprentissage à partir de données comme un processus continu (itératif) et non ponctuel.

Re: Effet dans un DSD ayant des problèmes avec l'exécution de LOD

Hé Martin,

 

Voici un entretien de découverte sur le sujet

 

https://community.jmp.com/t5/Discovery-Summit-2014/Using-JMP-to-Analyze-Data-From-a-Designed-Experiment-With-Some/ta-p/21864

 

Cela venait de mon équipe chez US Synthetic. Il a vidéo et rapport .pdf. Aucune donnée n'a été mise à disposition, car elle était assez sensible à l'époque, même anonymisée. Je peux donner quelques informations supplémentaires si vous le trouvez utile. 

 

J

Re: Effet dans un DSD ayant des problèmes avec l'exécution de LOD

Un ajout rapide sur le lien de Jason. La distribution normale a été ajoutée à Parametric Survival (avec d'autres distributions, même Toutes les distributions) dans une version ultérieure à celle utilisée pour Discovery Talk. En outre, on peut maintenant utiliser des données censurées pour la régression généralisée, ce qui peut fournir une option de modélisation supplémentaire.

 

J'aime la solution dans le papier. Traiter comme des données censurées a du sens pour un niveau de détection inférieur (maintenant que j'y pense et après avoir lu le document Discover pour me le rappeler)

 

Espérons que cela aidera si le "Sweet Spot" est proche du niveau de détection.