192559_de-DE

liliconcom

Auswirkung in einer DSD mit Problemen mit LOD-Läufen

Hallo,

 

Ich werde bald mit einem Kunden über die Auswirkungen in einem DSD-Experiment sprechen, wenn einige Läufe ein Lod-Problem (Erkennungsgrenze) haben. Ich weiß, dass GenReg mit dieser zensierten Situation umgehen kann. Wie wirkt sich dies jedoch auf die Leistung und die vorhersagende Leistung des DSD aus? 1 oder sogar mehr Runs mit lod?

 

Jede Erfahrung oder Faustregel würde sehr geschätzt. Ich habe darüber nachgedacht, die Designleistung durch das Evaluierungsdesign zu überprüfen, nachdem die Läufe ausgeführt wurden. Beim Design des Evaluierungsprogramms wird jedoch die DSD-Struktur nicht berücksichtigt. Daher bin ich nicht sicher, ob dies irgendwie irreführend ist und noch mehr, wenn LOD installiert ist. 

 

Vielen Dank,

Martin

Re: Effekt in einer DSD mit LOD-Läufen

Hallo Martin,

Dies wirkt sich negativ auf die Leistung aus. Grundsätzlich gibt es weniger Informationen in einem

Aber ich glaube nicht, dass es da irgendwelche Faustregeln gibt. Und die Bestimmung der Leistung wird sehr schwierig sein. Ich glaube nicht, dass die Leistungssimulationsmöglichkeiten in JMP Pro in dieser Situation verwendet werden könnten.

Nach all dem ist die Analyse in Gen Reg mit den

Prost,

Phil

Re: Effekt in einer DSD mit LOD-Läufen

Nur um das hinzuzufügen, was Phil gesagt hat. Gehen Sie einen pragmatischen Ansatz ein: Lernen Sie aus den gesammelten Daten heraus, was Sie können, und erweitern Sie bei Bedarf Ihre Daten, um weitere Informationen zu erhalten (dies kann durch das Hinzufügen von Replikaten zur Erhöhung des Vertrauens oder durch das Hinzufügen von Durchläufen zur Erkundung eines breiteren Raums oder eines Modells höherer Ordnung oder etwas anderes möglich sein). Das Lernen aus den Daten als ein kontinuierlicher (iterativer) Prozess behandeln, nicht als One-Shot-Ding.

Re: Effekt in einer DSD mit LOD-Läufen

Hey Martin,

 

Hier ist ein Entdeckungsgespräch zu diesem Thema

 

https://community.jmp.com/t5/Discovery-Summit-2014/Verwendung-JMP-nach-Analyse-Data-From-a-Designed-Experiment-With-Some/ta-p/21864

 

Dies kam von meinem Team bei US Synthetic. Es hat Video- und PDF-Bericht. Es wurden keine Daten zur Verfügung gestellt, da sie zu dem Zeitpunkt, an dem sie anonymisiert wurden, ziemlich empfindlich waren. Ich kann zusätzliche Hintergrundinformationen geben, wenn Sie es hilfreich finden. 

 

J

Re: Effekt in einer DSD mit LOD-Läufen

Ein kurzer Zusatz zu Jasons Link. Parametric Survival (mit einigen anderen Distributionen, sogar All Distributions) wurde in einer späteren Version als der für Discovery Talk verwendeten Version die Normalverteilung hinzugefügt. Zensierte Daten können jetzt auch für die Generalize-Regression verwendet werden, sodass möglicherweise eine zusätzliche Modellierungsoption bereitgestellt wird.

 

Ich mag die Lösung in der Zeitung. Die Behandlung als zensierte Daten ist sinnvoll, wenn der Erkennungsgrad niedriger ist (jetzt, wenn ich daran denke und nachdem ich das Entdeckungspapier gelesen habe, um mich daran zu erinnern).

 

hoffentlich hilft das, wenn der "Sweet Spot" sich in der Nähe des Erkennungsgrades befindet.