Efecto en un DSD que tiene problemas con ejecuciones LODHola,
Tendré una discusión con un cliente pronto sobre el efecto resultante en un experimento DSD, cuando algunas ejecuciones tendrán un problema de lod (límite de detección). Sé que GenReg puede manejar esta situación censurada, sin embargo, ¿cómo afecta la potencia y el rendimiento predictivo del DSD havin 1 o incluso más carreras con lod?
Cualquier experiencia o regla de oro sería altamente apreciada. Pensé en comprobar el poder del diseño a través de evaluar el diseño después de que se hayan ejecutado las corridas. Sin embargo, evaluar el diseño no tiene en cuenta la estructura de DSD, por lo que no estoy seguro de que esto sea engañoso, y aún más con el LOD en su lugar.
Gracias,
Martín
Re: Efecto en un DSD que tiene problemas con ejecuciones LODHola martin,
Afectará negativamente el poder. Fundamentalmente, hay menos información en un punto de datos
Pero no creo que haya reglas de oro sobre esto. Y determinar el poder será muy difícil. No creo que las capacidades de simulación de potencia en JMP Pro puedan usarse en esta situación.
Habiendo dicho todo eso, analizar en Gen Reg con los valores de
Aclamaciones,
Phil
Re: Efecto en un DSD que tiene problemas con ejecuciones LODSolo para agregar a lo que Phil dijo. Adopte un enfoque pragmático: aprenda lo que pueda de los datos recopilados y, si es necesario, aumente sus datos para obtener más información (lo que podría ser agregar réplicas para aumentar la confianza o agregar ejecuciones para explorar un espacio más amplio o un modelo de orden superior o algo más). Trate el aprendizaje a partir de datos como un proceso continuo (iterativo), no como una cosa de un solo disparo.
Re: Efecto en un DSD que tiene problemas con ejecuciones LODHola martin
Aquí hay una charla de descubrimiento sobre el tema.
https://community.jmp.com/t5/Discovery-Summit-2014/Using-JMP-to-Analyze-Data-From-a-Designed-Experiment-With-Some/ta-p/21864
Esto vino de mi equipo en US Synthetic. Cuenta con video y reporte en pdf. No se pusieron a disposición datos, ya que eran bastante confidenciales en el momento incluso anónimos. Puedo dar algunos antecedentes adicionales si lo encuentra útil.
J
Re: Efecto en un DSD que tiene problemas con ejecuciones LODUn complemento rápido al enlace de Jason. La distribución normal se agregó a Parametric Survival (con algunas otras distribuciones, incluso Todas las distribuciones) en una versión posterior a la que se usó para Discovery Talk. Además, ahora se pueden usar datos censurados para Generalize Regression, de modo que puede proporcionar una opción de modelado adicional.
Me gusta la solución en el papel. Tratar como datos censurados tiene sentido para un nivel de detección inferior (ahora que lo pienso y después de leer el documento de descubrimiento para recordármelo).
con suerte eso ayudará si el "punto dulce" está cerca del nivel de detección.
