Lautsprecher
|
Transkript
|
| Caleb King |
Hallo, mein Name ist Caleb King. Ich bin ein Forschungsstatistiker und Entwickler hier bei JMP für die Gruppe „Design of Experiments“. |
| |
Und heute spreche ich mit Ihnen darüber, wie Sie mit JMP Leistungsberechnungen für komplexe Modellierungsszenarien berechnen können. Um es kurz zusammenzufassen: Leistung ist die Wahrscheinlichkeit, einen wissenschaftlich signifikanten Unterschied zu erkennen, von dem Sie glauben, dass er in der Bevölkerung besteht. |
| |
Und es ist die Wahrscheinlichkeit, dies zu erkennen, angesichts der aktuellen Datenmenge, die Sie aus dieser Population entnommen haben. |
| |
Wenn die meisten Menschen nun eine Leistungsberechnung durchführen, tun sie dies in der Regel, um die Stichprobengröße für ihre Studie zu bestimmen. Dabei handelt es sich natürlich um eine direkte Berechnung |
| |
Gleichstand zwischen den beiden. Je mehr Proben Sie haben, desto größer ist die Chance, diesen wissenschaftlich signifikanten Unterschied festzustellen |
| |
Natürlich gibt es noch andere Faktoren, die damit zusammenhängen. Es gibt das Modell, das Sie als Antwortverteilungstyp verwenden. |
| |
Und natürlich gibt es auch das Ausmaß an Lärm und Unsicherheit in der Bevölkerung, aber in den meisten Fällen nutzen die Menschen die Macht als Maß zur Bestimmung der Stichprobengröße. Nun, ich würde sagen, es gibt sozusagen drei Phasen |
| |
der Leistungsberechnung, und alle davon werden in JMP behandelt, insbesondere wenn Sie über JMP Pro verfügen, das ich hier verwenden werde. |
| |
Die erste Stufe umfasst einige dieser einfacheren Modellierungssituationen, zu denen wir hier im DOE-Menü unter „Designdiagnose“ wechseln. Wir haben die Stichprobengrößen- und Leistungsrechner. |
| |
Und diese decken ein breites Spektrum sehr einfacher Szenarien ab. Wenn Sie also ein oder zwei Stichprobenmittelwerte testen, wissen Sie, vielleicht eine ANOVA-Typ-Einstellung mit mehreren Mittelwerten, |
| |
Proportionen, Standardabweichungen. Das meiste davon ist das, woran die Leute denken, wenn sie an Leistungsberechnungen denken. Also gehen Sie natürlich noch einmal durch und geben den Lärm erneut an. |
| |
Fehlerraten, es gibt irgendwelche Parameter, welchen Unterschied versuche ich zu erkennen und zu sagen, dass ich die Stichprobengröße ermitteln kann, wenn ich versuche, eine bestimmte Potenz zu berechnen. |
| |
Oder wenn ich etwas mehr erkunden möchte. Ich kann beide leer lassen. Ich bekomme eine Leistungskurve. Auch hier handelt es sich natürlich eher um einfachere Szenarien. Die nächste Stufe, würde ich sagen, ist, was unter einem allgemeineren linearen Modell abgedeckt werden könnte, also verlassen Sie es |
| |
In diesem Fall können wir hier zum umfassenden Menü für individuelles Design gehen. |
| |
Ich werde meine Lieblingsanzahl an Effekten einbauen. |
| |
Ich klicke auf „Weiter“. |
| |
Und ich lasse alles hier. |
| |
Also machen wir das Design. |
| |
Und an diesem Punkt kann ich eine Leistungsanalyse basierend auf den erwarteten Koeffizienten im Modell durchführen. In diesem Fall könnte man also sagen, dass ich für dieses spezielle Design weniger als 12 Durchläufe habe. Ich habe ungefähr 80 % der Fähigkeit, diesen Koeffizienten zu erkennen. Wenn ich versuchen würde, etwas Kleineres zu erkennen. |
| |
Ich könnte diesen Wert ändern und die Änderungen natürlich übernehmen. Sehen Sie, ich habe nicht so viel Macht. Wenn es also wirklich das ist, wonach ich suche. Ich könnte einige Änderungen vornehmen. Vielleicht muss ich zurückgehen und die Laufgröße erhöhen. |
| |
Das sind also die beiden häufigsten Einstellungen, die wir für eine Leistungsberechnung durchführen könnten, aber natürlich ist das Leben nicht so einfach. Wissen Sie, dass Sie auf komplexere Einstellungen stoßen können, möglicherweise auf Faktoren mit gemischten Effekten, die Sie möglicherweise auf eine Längsschnittstudie stoßen, die Sie haben Leistung berechnen für. |
| |
Möglicherweise stoßen Sie auf Einstellungen, bei denen Ihre Antwort keine normale Zufallsvariable mehr ist, Sie verfügen möglicherweise über Zähldaten oder eine binäre Antwort. Möglicherweise haben Sie sogar eine Art begrenzte Antwort vom Typ 0/1. Also eine prozentuale Antwort. |
| |
Was können Sie also tun, wenn Sie nicht auf die einfachen Leistungsrechner zugreifen können und das DOE-Menü möglicherweise zu komplex ist, um eine Leistungsanalyse durchzuführen? Nun, JMP Pro ist hier, um zu helfen und beinhaltet ein Tool, das wir Ein-Klick-Simulation nennen. |
| |
Die Idee hier ist also, dass wir Daten in einer Art Monte-Carlo-Simulationsansatz simulieren, um zu versuchen, die Leistung abzuschätzen, die Sie für Ihre speziellen Einstellungen erhalten können. |
| |
Und es ist ziemlich einfach. Abhängig von der Modellierungsplattform kann es sein, dass Sie im Vorfeld noch ein wenig Arbeit erledigen müssen. |
| |
Aber sobald man es im Griff hat. Es ist ziemlich einfach zu machen. |
| |
Und ich muss sagen, dass ich nicht einmal wusste, dass JMP das kann, bis ich anfing, hier zu arbeiten. Deshalb teile ich gerne mit Ihnen, was ich herausgefunden habe. |
| |
Okay, wir beginnen also mit einer einfacheren Erweiterung des standardmäßigen linearen Modells, in das wir einige gemischte Effekte integrieren. Okay. |
| |
Also fangen wir an: Wir haben ein Unternehmen, das seine Protonenproteinausbeute für Zellkulturen verbessern möchte. Keine Protonen, sondern Proteine. |
| |
Temperatur, Zeit, pH-Wert. Wir haben auch einige Mischungsfaktoren. |
| |
Wasser und zwei Wachstumsfaktoren. Wenn wir jetzt hier aufhören würden, wären wir wahrscheinlich immer noch in der Lage, den in der benutzerdefinierten Designplattform verfügbaren Leistungsrechner zu verwenden. |
| |
Wir beginnen abzuweichen, indem wir nun einige Zufallseffektfaktoren einführen. Wir haben drei Techniker, Bob, Di und Stan, die repräsentativ für die gesamte Technikerstichprobe sind. |
| |
Und sie werden mindestens eine von drei Serumchargen verwenden, was wiederum eine Darstellung aller Serumchargen ist, die sie verwenden könnten, sofern wir sie nicht als zufällige Effekte behandeln. |
| |
Wir haben auch einen zufälligen Blockierungseffekt. In diesem Fall wird der Test über zwei Tage durchgeführt. Und deshalb zeige ich Ihnen, wie wir die Ein-Klick-Simulation und JMP Pro verwenden können, um die Leistung für diesen Fall zu berechnen. Klicken Sie also hier, um das Design zu öffnen. |
| |
Das war also das Design, das ich erstellt habe. Lassen Sie mich mein Fenster hier erweitern, damit ich alles sehen kann. Dies stellt möglicherweise das dar, was Sie normalerweise erhalten, wenn Sie das Design erstellt haben. |
| |
Nochmal, |
| |
An dieser Stelle hätten Sie auf „Antwort simulieren“ klicken können, um einige der Antworten zu simulieren. Aber selbst wenn Sie es nicht getan haben, ist es immer noch in Ordnung |
| |
Ein Trick, den Sie ganz einfach zum Replizieren verwenden können, besteht darin, einfach eine neue Spalte zu erstellen. Wir machen uns an dieser Stelle nicht die Mühe, es umzubenennen, sondern erstellen einfach eine einfache Formel. |
| |
Gehen Sie hier auf die linke Seite. Klicken Sie auf „Zufällig, zufällig, normal“. |
| |
Belassen Sie alles auf den Standardwerten und klicken Sie auf „Übernehmen“. Okay. |
| |
Und wir haben einige zufällige Lärmdaten. Einige simulierte Antwortdaten. Okay. |
| |
An dieser Stelle klicke ich auf „Rechtsklick“ und „Kopieren“. |
| |
Klicken Sie mit der rechten Maustaste auf „Einfügen“, um meine Antwortspalte zu erhalten. |
| |
Jetzt brauche ich nur noch eine Antwort. Einfaches Zufallsrauschen wird hier also gut funktionieren. Wir versuchen noch keine Daten zu analysieren. Was wir wollen, ist |
| |
Verwenden Sie die Fit-Model-Plattform, um für uns ein Modell zu erstellen, das wir dann zur Erstellung der Simulationsformel verwenden. So wie wir das machen, werden wir einem Modell folgen. Jetzt habe ich hier ein bisschen Kopfarbeit geleistet. |
| |
Daher habe ich das Modell hier bereits erstellt. Und nur um Ihnen zu zeigen, wie ich das gemacht habe. Ich gehe hier unter Relaunch-Analyse unter Redo weiter. |
| |
Hier sehen Sie also, dass ich meine Antwortproteinausbeute und meine festen Effekte habe. Ich habe einige zufällige Effekte. |
| |
Ich habe alles gemacht und bekomme dort alles ziemlich normal hin. |
| |
Wie Sie sehen, ist hier viel los. Auf all das brauchen wir nicht zu achten. Wir sind lediglich daran interessiert, ein Modell zu erstellen. An diesem Punkt gehen wir dazu unter das Menü mit dem roten Dreieck. |
| |
Wird unter den gespeicherten Spalten angezeigt. Jetzt müssen wir vorsichtig sein, welche Spalte wir auswählen. Wenn ich eine Vorhersageformel auswähle, könnten Sie versucht sein, sie zu verwenden. Das ist gut. Aber wie Sie sehen werden, bringt es uns nicht bis zum Ziel. |
| |
Wenn ich auf die Formel eingehe. Dies ist die mittlere Vorhersageformel. Von zufälligen Effekten geht es hier nicht. Das ist also nicht die Spalte, die ich möchte. Es ist nicht vollständig und enthält nicht alles, was ich brauche. Ich muss zurückkommen. |
| |
Gehen Sie erneut zu „Spalten speichern“ und scrollen Sie hier nach unten zur bedingten Vorhersageformel und zur Notiz aus der Hover-Hilfe, die die Zufallseffektschätzungen enthält, die ich möchte. |
| |
Möglicherweise möchten Sie die Leistung für die Zufallseffekte nicht wirklich berechnen. In diesem Fall möchten Sie nur das mittlere Modell verwenden |
| |
Sie hätten problemlos zur benutzerdefinierten Designplattform zurückkehren und dies auf diese Weise tun können. Stellen wir uns vor, dass wir auch an diesen zufälligen Effekten interessiert sind. |
| |
Jetzt haben wir ihre bedingte Vorhersageformel gespeichert. |
| |
Wir gehen noch einmal hinein und schauen uns die Formel an. |
| |
Und hier können Sie sehen, dass wir zufällige Effekte haben. Jetzt müssen wir hier noch ein paar Anpassungen vornehmen, um es in die Simulation zu bringen, die wir wollen. Also werde ich hier doppelklicken. |
| |
Dadurch komme ich in die Formatierung der JMP-Skriptsprache. |
| |
Nun werde ich zunächst einige Änderungen an den Haupteffekten vornehmen. Und ich werde nur einige Werte auswählen. Also mal sehen. Machen wir 0,5 für die Temperatur |
| |
0,1 für Zeit. |
| |
Und für den pH-Wert. Machen wir 1,2 etwas höher. |
| |
Für Wasser. Ich werde noch höher gehen. Diese könnten also einen größeren Koeffizienten haben. Also mache ich 85 für Wasser. |
| |
Ich mache 90 |
| |
Für das Wachstum erster Wachstumsfaktor. Und lass uns 50 machen |
| |
Auch Wachstumsfaktor. Okay. |
| |
Okay, ich habe also meine Anpassungen am Hauptteil des Durchschnittsmodells vorgenommen. Auch hier handelt es sich um Parameter, die Ihrer Meinung nach wissenschaftlich wichtig sind |
| |
Nun zu den Zufallseffekten. Sie könnten versucht sein, es durch so etwas zu ersetzen. Okay. Das dürfte ein zufälliger Effekt sein. Deshalb füge ich hier einfach einen zufälligen Normalwert ein. |
| |
Und es sieht irgendwie richtig aus, aber nicht genau. Und der Grund dafür ist, dass diese Formel Zeile für Zeile ausgewertet wird. Was passieren wird, ist das erste Mal, dass Sie einer Technikerin namens Jill begegnen. |
| |
Sie simulieren hier einen Zufallswert und erhalten einen Wert für die Formelauswertung, aber das nächste Mal gehen Sie ins Gefängnis. Ich habe hier sechs geschrieben. |
| |
Dadurch wird ein anderer Wert simuliert, der dann den Zweck eines Zufallseffekts zunichte macht. Zufallseffekte sollten jedes Mal den gleichen Wert haben. Jill erscheint |
| |
Dass es die Wirkung eines zufälligen Fehlers annehmen wird, den ich bei dieser Gelegenheit hier eintragen möchte, ist ein Wert, den wir in jeder Zeile ändern möchten. Wie können wir das also gut meistern? |
| |
Ich erzähle Ihnen das, weil ich es tatsächlich getan habe, als ich das zum ersten Mal etwas peinlich präsentierte. |
| |
Und zum Glück kam mein Kollege mit. Danach zeigte er mir einen Trick, wie man den Zufallseffekt tatsächlich richtig eingibt, und hier ist der Trick. |
| |
Wir gehen hier nach oben und geben eine Zeile ein. |
| |
Entspricht eins |
| |
Ich werde eine Variable mit dem Namen „Tech Jill“ erstellen. |
| |
Und jetzt platziere ich es hier |
| |
Was dieser Trick bewirkt, wird diesen zufälligen Normalen durch Technik Jill ersetzen. |
| |
Wenn es sich dabei um die erste Zeile handelt, simulieren wir eine Zufallsvariable und weisen sie innerhalb des Werts dieses Parameters dieser Variablen diesem Wert zu. |
| |
Unter der ersten Zeile simulieren wir nicht erneut, was bedeutet, dass Jill für die Technik den ursprünglich angegebenen Wert behält und an jeder Stelle, an der wir ihn eingegeben haben, beibehalten wird |
| |
Also werden wir das Gleiche tun. |
| |
Für Bob |
| |
Wie Sie sehen können, wird damit die Aufgabe des Zufallseffekts erfüllt. |
| |
Setzen Sie Bob hierher, denn für Stan ist es etwas einfacher. Wir müssen für ihn nicht simulieren, da sich zufällige Effekte im Modell zu Null summieren sollten. |
| |
Und so machen wir das. |
| |
Wir sorgen dafür, dass er die Gegenseite ist. |
| |
Von einigen anderen Effekten. |
| |
Machen Sie hier dasselbe für Serumcharge eins |
| |
Jetzt werde ich etwas mehr Lärm machen. |
| |
Nehmen wir an, es gibt etwas mehr Lärm im |
| |
Serummengen |
| |
Und das ist der Vorteil dieses Ansatzes: Sie können mit verschiedenen Szenarien herumspielen. |
| |
Geben Sie diese Werte hier ein. |
| |
Okay. |
| Caleb King |
Und wieder dieses. |
| |
Einige der anderen. Und bevor ich das andere hinzufüge. Ich werde es einfach hier hinzufügen, da es vom ersten Tag an einfacher ist. |
| |
Negativer erster Tag. |
| |
Und ich füge hier den Zufallseffekt hinzu und sage, dass es ein Zufallseffekt ist. |
| |
ich kann tippen |
| |
Ist etwas kleiner. |
| |
Okay, nun, an diesem Punkt sollten wir unsere vollständige Simulationsformel haben. Wenn ich auf „OK“ klicke, komme ich zurück zur Formeleditor-Ansicht. |
| |
Wir sollten startklar sein. |
| |
Okay, da ist unsere Simulationsformel. |
| |
Was machen wir nun als nächstes? Wir kehren zu unserem Fit-Modell zurück. |
| |
Und wir gehen zu dem Bereich, in dem wir die Leistung simulieren wollen |
| |
Hier gehe ich zum Feld „Tests mit festen Effekten“. Ich gehe hier zu dieser Spalte, dem p-Wert. In diesem Fall hat uns die ursprüngliche verrauschte Simulation keine P-Werte geliefert. Das ist okay. Das interessiert uns nicht. |
| |
Wir brauchten dies lediglich, um das Modell zu generieren, das wir dann in eine Simulationsformel umwandelten. Ich werde mit der rechten Maustaste unter diese Spalte klicken. Denken Sie daran, dass dies nur funktioniert, wenn Sie JMPed Pro haben |
| |
Und hier ganz unten ist simulieren. Also klicken wir darauf. |
| |
Und es wird uns fragen, welche Spalte wir ausschalten sollen. Standardmäßig wird also die Antwortspalte ausgewählt und dann alle Simulationsformelspalten durchsucht und ermittelt. Deshalb möchten wir dieses einschalten, da dieses unser Simulationsmodell enthält. |
| |
Sagen Sie ihm, wie viele Proben es gibt, und machen Sie 100 |
| |
Ich werde ihm meinen Lieblings-Zufallssamen geben. |
| |
Und ich klicke auf OK. |
| |
Warten Sie, etwa ein oder zwei Sekunden. |
| |
Und da sind wir. |
| |
Es wurde also eine Tabelle mit der Antwort des Simulators erstellt. Es passt zum Modell. |
| |
Und meldet die P-Werte zurück. Nun gibt es einige Fälle, in denen es keine P-Werte gibt. Wir sind in einer Situation gelandet, die so viel von dem hat, was begonnen hat, und das ist in Ordnung. Das passiert in der Simulation, solange wir über eine ausreichende Anzahl verfügen, um eine Schätzung zu erhalten. |
| |
Das Schöne daran ist, dass JMPed gesehen hat, dass wir P-Werte simuliert haben. Es ist also so. Ich wette, dass es für Sie von Vorteil ist, eine Leistungsanalyse durchzuführen, und es hat uns gerne ein Skript dafür zur Verfügung gestellt. Also danke JMP. |
| |
Wir betreiben das und Sie werden sehen, dass es der Vertriebsplattform sehr ähnlich sieht. Es wurde also eine Verteilung jeder dieser Zeilen, Entschuldigung, Spalten erstellt, aber mit einer zusätzlichen Funktion, einer neuen Tabelle hier, die die simulierte Leistung zeigt und weil wir sie simulieren. |
| |
Wir können diese Büro-Art der geschätzten Leistung ablesen, wenn es nicht 100 wäre, wenn wir eine andere Zahl wären, dann können Sie sich die Ablehnungsrate ansehen. So sehen wir hier für unsere drei Mischungsfaktoren wir. Es sieht so aus, als hätten wir angesichts all dessen, was wir haben, eine ziemlich gute Macht |
| |
Um diese bestimmten Koeffizienten zu erkennen. Wenn wir hier auf die anderen drei Faktoren eingehen, sieht es nicht so gut aus |
| |
Dann müssten wir zurückgehen und sagen: Okay, |
| |
Vielleicht schauen wir noch einmal nach, was der maximale Wert ist, den ich erkennen kann, also werde ich diese minimieren |
| |
minimiert die Tabelle. Ich komme auf meine Formel zurück und sage: Lasst uns etwas anders machen |
| |
Machen Sie hier etwas anderes. |
| |
Was ist, wenn ich das ändere? Das war also Punkt fünf. Vielleicht wissen Sie, was wäre, wenn es um eins höher wäre |
| |
Für die Zeit. Mal sehen, lasst uns auch eins daraus machen |
| |
Und vier pH. Ich gehe zu drei. Also werde ich die Dinge ein wenig ankurbeln. Also, wissen Sie, hey, kann ich das erkennen? |
| |
Alles andere bleibt gleich, da wir wissen, dass wir diese erkennen können. Es sieht so aus, als ob durch Klicken auf „Übernehmen“ wieder etwas Neues generiert wurde |
| |
Wieder das Gleiche. Klicken Sie mit der rechten Maustaste unter die Spalte, die Sie simulieren möchten. Die Schnellsimulation schaltet ein |
| |
Bei einer bestimmten Anzahl von Proben. Also bleib dran |
| |
Gleicher Samen. |
| |
Und wir werden gehen |
| |
Sie müssen nur ein paar Sekunden warten, bis die Simulation abgeschlossen ist. |
| |
Da sind wir. |
| |
Und wir werden unsere Leistungsanalyse erneut durchführen. |
| |
Scheint hier das Gleiche zu sein. Da haben wir nichts verändert. Ich werde diese Gruppen also tatsächlich zusammenfassen. Etwas zu viel. Auf geht's. Verstecken wir diese drei |
| |
Schauen wir uns diese an. Wir scheinen also beim pH-Wert besser abgeschnitten zu haben, sodass der Wert eins möglicherweise der obere Bereich dessen ist, was wir bei dieser Probengröße nachweisen können. |
| |
Aber für die Temperatur im Zeitverlauf scheinen wir selbst diese hohen Werte immer noch nicht erkennen zu können. So okay. Ähm, was könnten wir sonst noch ändern? Was wäre, wenn wir die Anzahl der Proben verdoppeln würden? Ich meine, das sind wir |
| |
Berechnen Sie dies für eine Stichprobengröße. Gehen wir also einen Schritt zurück und finden einen Weg, wie wir das tun können. Wir können tun, was wir tun, wir können auf „Augment Design“ klicken. |
| |
wird alle unsere Faktoren auswählen. |
| |
Wählen Sie unsere Antwort aus. |
| |
OK klicken. |
| |
Wir werden nur das Design erweitern. |
| |
Und dieses Mal verdoppeln wir es, also sind es 24 |
| |
Also werde ich das Design machen. |
| |
Und es wird ein wenig Zeit in Anspruch nehmen. Also werde ich es tatsächlich tun |
| |
Ein bisschen früh. |
| |
Und mal sehen, wir machen den Tisch. |
| |
Okay, jetzt haben wir die Anzahl der Läufe verdoppelt |
| |
Und |
| |
Daher erhielten wir nur die Hälfte der Antworten. Das ist okay. Da wir nur eine Antwort brauchen. Ich werde das einfach nehmen und kopieren |
| |
Und einfügen |
| |
Kurs im wirklichen Leben. Das möchten Sie nicht tun, da Sie hoffentlich unterschiedliche Antworten erhalten. Aber auch hier brauchen wir nur eine geräuschvolle Reaktion, gehen Sie zum Modell. Dieses Mal müssen wir die Dinge ein wenig in Ordnung bringen. Ich werde diese drei auswählen. Gehen Sie hier unter Attribute und sagen Sie, dass es zufällige Effekte gibt. |
| |
Behalte alles beim Alten. Klicken Sie auf Ausführen. |
| |
Ich werde feststellen, dass ich meine Simulationsformel noch nicht habe, aber ich muss sie nicht durchgehen und neu erstellen. Ich kann tatsächlich eine neue Spalte erstellen und zur alten zurückkehren. |
| |
Klicken Sie mit der rechten Maustaste auf Spalteneigenschaften kopieren. |
| |
Kommen Sie zurück, klicken Sie mit der rechten Maustaste und kopieren Sie die Spalte „Einfügen“. Meine Formel ist jetzt einsatzbereit. Nehmen wir also an: Was wäre, wenn wir es in dieser Situation tun und unsere ursprünglichen Werte behalten würden? |
| |
Also werde ich zurückgehen. Ich doppelklicke darauf, um das Fenster „Modell anpassen“ zu öffnen. |
| |
Gehen Sie unter die Tests mit festen Effekten, klicken Sie mit der rechten Maustaste darauf und stimmen Sie wahrscheinlich mit dem p-Wert überein |
| |
Ich werde das nicht ändern, denn es gab nur eine Simulation, denn wir ließen die, die ich wollte, und sie fand die richtige Antwort. |
| |
Also werde ich diese einfach ändern |
| |
Mal sehen, was in diesem Fall passiert. |
| |
In Ordnung. |
| |
Führen Sie die Leistungsanalyse durch. Auch hier werde ich mir darüber keine Sorgen machen |
| |
Mischungseffekte, denn wie Sie sehen, sind wir einfach besser geworden als das, was wir ursprünglich hatten, was bereits gut war. Also werde ich sie wieder verstecken. |
| |
So können wir diejenigen, die sich in diesem Fall für den pH-Wert interessierten, leichter erkennen. Wir wussten, dass wir wahrscheinlich besser abschneiden würden, denn selbst mit den alten 12 Läufen. Wir hatten eine ziemlich gute Leistung. |
| |
Es sieht so aus, als hätten wir die Temperatur im Laufe der Zeit definitiv verbessert. Wenn dies also eine Art obere Grenze der Effektgrößen darstellt, wäre vielleicht eine untere Obergrenze von Interesse, und dies scheint darauf hinzudeuten, dass eine Verdoppelung der Stichprobengröße hilfreich sein könnte. |
| |
Diese veranschaulichen also, wie wir das verwenden können. Zunächst einmal erfahren Sie, wie Sie die Ein-Klick-Simulation durchführen |
| |
Und dann, wie wir damit die Leistungsberechnung durchführen und Sie dazu ermutigen können, etwas zu tun. Bevor ich zu JMP kam, habe ich das oft getan: Geben Sie den Leuten Optionen und erkunden Sie Ihre Optionen. Dabei schien die Probengröße bei Temperatur und Zeit hilfreich zu sein. |
| |
Wenn Sie ändern, wonach Sie suchen, scheint es beim pH-Wert zu helfen, und dann scheinen die Mischungseffekte für uns in Ordnung zu sein, also erkunden Sie Ihre |
| |
Das kann also auch das Zurückgehen und Ändern der Varianzen Ihrer Zufallseffektschätzungen umfassen. |
| |
So könnte ich zum Beispiel hierher zurückkommen. Ich werde es nicht tun. Aber ich könnte diese Werte ändern und sagen: Wissen Sie, was passiert, wenn die Techniker etwas lauter wären, während die Serumchargen weniger laut wären? Versuchen Sie, Situationen zu finden, damit Ihr Testplan robuster gegenüber unvorhergesehenen Einstellungen ist. |
| |
Okay, also lass mich putzen |
| |
Gehen Sie diese alle durch und schließen Sie sie ab. |
| |
In Ordnung. |
| |
Dies gilt auch für die restlichen Szenarien. Ich werde verschiedene Ansätze untersuchen, wie Sie dies umsetzen können. Der allgemeine Ansatz ist also derselbe. Sie erstellen Ihr Design und simulieren eine Reaktion. |
| |
Wir passen das Modell an, oder in diesem Fall verwenden wir eine etwas andere Plattform, um ein Modell zu generieren. |
| |
Und dann verwenden Sie dieses Modell, um eine Simulationsformel zu erstellen, die Sie dann verwenden und den Ein-Klick-Simulationsansatz anwenden. |
| |
Schauen wir uns nun einen Fall an, in dem wir ein Unternehmen haben, das diesen Fall durchführen wird. Nehmen wir jedoch an, dass sie eine Umfrage unter ihren Mitarbeitern durchführen und herausfinden möchten, welche Faktoren die Mitarbeiterfluktuation beeinflussen. Also vielleicht |
| |
Sie haben viele Mitarbeiter, die gehen werden. Deshalb möchten sie eine Umfrage durchführen, um zu ermitteln, welche Faktoren und wie viele Antworten sie einplanen sollten |
| |
Nun sind die Reaktionen in Jahren des Unternehmens, aber ihre zwei kleinen Macken. Erstens muss ein Arbeitnehmer vor seinem Ausscheiden mindestens einen Monat gearbeitet haben, um als Kündigung zu gelten. |
| |
Und das andere ist, dass die Antworten in Jahren angegeben werden, uns aber vielleicht mehr Sorgen um Monate machen. Wie viele Monate. Vielleicht funktioniert unsere Budgetierungssoftware so oder so. |
| |
Und für die Mitarbeiter ist es vielleicht einfacher zu antworten. Und wie viele Jahre waren das schon und nicht wie viele Jahre oder Monate. Sie waren in der Firma. |
| |
In diesem Fall handelt es sich also um eine Intervallzensur, da uns die Anzahl der Jahre mitgeteilt wird. Das sagt uns aber nur, dass sie zwischen dieser Anzahl von Jahren und einem Jahr später dort gewesen sind. Wir haben auch die Situation, wenn sie vor dem Jahr abreisen, wo sie sein werden zwischen einem Monat und einem Jahr zensiert. |
| |
Also öffne den Bühnentisch. Ich habe schon einiges eingerichtet. Wir haben hier viele Faktoren berücksichtigt und scrollen bis zum Ende. Sie können also die Antworten sehen, die wir uns ansehen. |
| |
Wir haben also wieder das Jahrestief und das Jahreshoch. Das bedeutet also, dass ein Mitarbeiter antwortet, dass er das Unternehmen nach sechs Jahren verlassen hat. Das bedeutet, dass ihre tatsächliche Zeit dort in Monaten zwischen sechs und sieben Jahren liegt. |
| |
Wenn sie vor einem Jahr abgereist sind, wissen wir, dass sie irgendwann zwischen einem Monat und einem Jahr dort waren. |
| |
Ich klicke hier auf diese Dialogschaltfläche, um hier die Intervallzensur zu starten. Wir werden die generische Plattform verwenden. Wir gehen von einer möglichen Verteilung der Antwort aus. |
| |
Wir geben hier keinen Zensurcode ein, da wir eine Intervallzensur anwenden, das heißt, wir fügen beide Antwortspalten in das y ein |
| |
Was Sie sehen werden. Okay. Und hier sind alle Faktoren, die Sie sehen werden: Wenn wir auf „Ausführen“ klicken, erkennt JMP eine Zeit bis zur Ereignisverteilung und sagt: „Okay, wenn Sie mir zwei Antwortspalten geben würden.“ Bedeutet das, dass Sie in diesem Fall eine Intervallsensorik durchführen? Ja wir sind. |
| |
Also jetzt. |
| |
Wir werden das Gleiche durchmachen. Wir werden das richtige rote Dreieck finden. In diesem Fall liegt hier neben Waibel die maximale Wahrscheinlichkeit. Das ist das wirklich Schöne daran |
| |
Plattform generieren. Jetzt gibt es schon viele schöne Dinge daran. Aber hier ist nur noch ein Sahnehäubchen obendrauf. |
| |
Wenn ich hierauf klicke, müssten wir, wenn wir das zuvor getan hätten, hineingehen und sagen: Speichern Sie die Vorhersageformel. Wir müssten einige Anpassungen vornehmen, um den Zufall zu erfahren und sicherzustellen, dass es sich um eine zufällige Vorhersage handelt simulierte Dinge nach Bedarf anpassen. |
| |
Dies ist jedoch im Allgemeinen der Fall. |
| |
Es ist bekannt, dass Sie mit einem Klick „Simulieren“ ausführen können, und daher heißt es: „Hey, möchten Sie, dass ich die Simulationsformel tatsächlich für Sie speichere, wenn ja, wenn Sie daran interessiert sind und ja, das sind wir.“ Also klicken wir auf die Simulationsformel speichern. |
| |
Gehen wir zurück zu unserem Tisch. |
| |
Und Sie werden feststellen, dass es nur eine Ruhepause simuliert hat. Ich werde gleich etwas mehr darüber sprechen, warum. Aber lassen Sie uns ganz schnell nachsehen, ob wir reinkommen |
| |
Und da ist es tatsächlich, ich mache einen Doppelklick, um die Skriptsprache aufzurufen. Sie werden sehen, dass sie bereits als Zufallsgenerator eingerichtet ist und die Transformation des Modells bereits darin enthalten ist. |
| |
Alles, was Sie an dieser Stelle tun müssten, wäre, diese Parameterwerte auf die für Sie wissenschaftlich bedeutsamen Werte zu ändern. |
| |
Okay, aus diesem Grund werde ich das nicht tun. Ich werde sie einfach in Ruhe lassen. Ich werde jedoch eine Änderung vornehmen und möchte versuchen, sie zu reproduzieren. |
| |
Die tatsächlichen Situationen, die wir verwenden werden. Hinweis hier. Dies sind alles kontinuierliche Werte, wenn wir eigentlich unsere schönen runden Jahreszahlen erhalten sollten. So wie ich das machen kann. |
| |
Das sind Jahre. Hallo, ich werde eine einfache Variable erstellen, die der tatsächlichen kontinuierlichen Zeit entspricht, ihr aber sagen, dass sie die Obergrenze zurückgeben soll. |
| |
Also grundsätzlich aufrunden |
| |
lage. Okay. Und da haben Sie es. |
| |
Wie Sie sehen, würde mir das sagen, dass ich Ihres simuliert habe. Hallo. Jetzt, |
| |
Zu |
| |
Sehen Sie, wenn Sie die Ein-Klick-Simulationen durchführen, sind alle hier. Ich werde die Wirkungstests öffnen. |
| |
Wenn ich mit der rechten Maustaste klicke und dann auf „Simulieren“ klicke, kann ich jeweils nur eine Spalte eingeben. Daher kann ich nicht mehrere ziehen und auswählen |
| |
Nun, wenn ich diesen Ort in den Jahren, in denen ich dir gehörte, einfach mal machen würde. Hallo Simulation, die sieht okay aus. Das Problem ist das diesjährige Tief. Jetzt wird der diesjährige Tiefststand eingefahren, denn dieser war Teil des ursprünglichen Modells. |
| |
Aber es ist das Wenige des Jahres, das Sie ursprünglich verwendet haben. Wenn wir zurückblicken, sehen wir bereits ein Problem, lassen Sie mich das ganz schnell streichen. |
| |
Wenn wir das zum Beispiel tun würden. Es würde nicht in dieses erste passen, da das Jahreshoch niedriger ist als Ihres. Der diesjährige Tiefststand ist nicht an die Simulationsreaktion gebunden. Wie können wir also beheben, dass wir es binden müssen, um diese Verbindung herzustellen? Also gehe ich zu deinem, niedrig |
| |
Ich werde auf Formel klicken. Hier gibt es also bereits eine Formel, ich werde nur schnell eine Änderung vornehmen. |
| |
Ich werde sagen, ob ich auf die Simulationsformel doppelgeklickt habe, um das zu tun. |
| |
Ist Doppelklick eins. So hoch wie eine Rendite seit Jahren 112 |
| |
Andernfalls geben Sie den Simulationswert minus eins zurück. |
| |
Klicken Sie nun auf „OK“ und bewerben Sie sich |
| |
Wie Sie sehen können, ist es richtig, jetzt ist es daran gebunden. |
| |
Jetzt kann ich also zurückgehen |
| |
Ich kann mit der rechten Maustaste klicken und die Simulation durchführen. Ich kann den Jahreshöchstwert durch die entsprechende Simulationsformel ersetzen und mir dabei sicher sein, dass der Jahrestiefststand angemessen ist, wenn ich das tue. Es wird immer ein Jahr niedriger sein, es sei denn, es ist bereits ein Jahr und dann 112 |
| |
Es ist jetzt damit verknüpft und wird immer mit einbezogen, wenn die Simulation durchgeführt wird. |
| |
Ich werde ganz schnell eine kurze Simulation durchführen. |
| |
Na, bitte. Es geht etwas langsam. Das ist also ein gutes Zeichen. |
| |
Ich lasse es ausklingen |
| |
In Ordnung. Da sind also unsere Simulationen. |
| |
Und natürlich können wir die Leistungsanalyse durchführen. In diesem Fall haben wir viele Faktoren, von denen ich glaube, dass es 1400 70 Quoten gab, um dies zu spielen. |
| |
Für viele von ihnen haben wir zu viel des Guten getan. |
| |
Aber überraschend für einige von ihnen. Wir haben immer noch Probleme. Und das könnte eine Untersuchung wert sein, vielleicht können wir diesen niedrigen Koeffizienten nicht erkennen |
| |
Möglicherweise müssen Sie an diesen Faktoren etwas ändern und dies in Ihrem Planungsgespräch besprechen. |
| |
So müssen Sie also vorgehen, wenn Sie diesen Fall haben. Wir hatten eine Intervallzensur, wenn er die richtige Zensur hatte, also hatten Sie eine Zensurspalte. |
| |
Das Gleiche würden Sie tun. Es würde eine Simulation der tatsächlichen Zeit ausgeben, ich würde sagen, daran können Sie einige Anpassungen vornehmen. |
| |
Um sicherzustellen, dass es mit der Art von Zeit übereinstimmt, die Sie in Ihrer Antwort sehen oder was Sie erwarten. Und dann müssen Sie Ihre Zensurkolumne mit der Simulation verknüpfen, und das wird immer dann passieren, wenn Sie eine solche Einstellung haben. |
| |
Okay. |
| |
Lasst uns das alles klären. |
| |
Schauen wir uns also noch eins an |
| |
Was passiert, wenn wir eine nicht normale Reaktion haben? Wir haben also schon einen gesehen. Wir haben eine Reaktion vom Typ Zuverlässigkeit gesehen. Wir wissen also, dass wir das Generieren nutzen können. Lassen Sie uns schnell eine weitere Möglichkeit erkunden. In diesem Fall haben wir eine normale Reaktion |
| |
Ein Test. |
| |
Das System wird in der Lage sein, die Waffen für ihre Reaktionen um einen bestimmten Prozentsatz zu reduzieren. Technisch gesehen könnte man dies als Normalverteilung modellieren. |
| |
Und das könnte in Ordnung sein, solange Sie Werte zwischen etwa 50 Prozent erwarten |
| |
Aber nein, da wir wollen, dass es sich um eine sehr genaue Waffenplattform handelt, würden wir hoffen, dass die Antworten näher bei 100 % liegen. |
| |
Daher wäre vielleicht so etwas wie eine Beta-Verteilungsantwort angemessener. Wir haben eine dieser Falten. Wir haben diese drei Faktoren von Interesse, aber einen davon. Das Ziel ist innerhalb des Sicherungstyps verschachtelt. Die Art des Zielfaktors hängt also vom Sicherungstyp ab |
| |
Der Fall wird sehr schnell ausgeführt. Auch hier haben wir unsere Daten erstellt. |
| |
In diesem Fall habe ich einige Zufallsdaten simuliert und es so gemacht, dass sie zwischen null und eins übereinstimmen. Ich habe das einfach gemacht, indem ich die logistische Transformation einer zufälligen Normalität vorgenommen habe |
| |
OK. |
| Caleb King |
Ich werde kopieren |
| |
Paste. |
| |
Stellen Sie sicher, dass ich einfügen kann |
| |
Und noch einmal: Gehen Sie hindurch. |
| |
Ziemlich einfach. |
| |
Wir werden die Beta-Antwort verwenden. Wir haben unsere Antwort. Wir haben unser Ziel im Zukunftstyp verschachtelt |
| |
Klicken Sie auf Ausführen. |
| |
Und wieder rotes Dreieck. Viele sagen, dass Spalten die Simulationsformel speichern. Und das können Sie in der Generierung für das Regular-Fit-Modell tun, das ist leider nicht möglich. |
| |
Aber wir haben unsere Simulationsformel. Ich werde keine Änderungen vornehmen. |
| |
Aber du könntest hineingehen. Wie Sie die Struktur sehen können, ist ein Doppelklick bereits vorhanden. Sogar die logistische Transformation. Sie müssen also nur Ihre Modellparameter eingeben. |
| |
Verzeihung. |
| Caleb King |
Schnell. Okay. |
| |
Tschüss. Okay. Und wieder gehen wir hinunter. |
| |
Und so macht man das. Also gehen wir runter. |
| |
Effekttests, klicken Sie mit der rechten Maustaste auf „Simulieren“. |
| |
Nehmen Sie den Wechsel vor und gehen Sie |
| |
Okay, sehen Sie sich also an, wie einfach es im Allgemeinen ist. Also auch wenn Sie ungewöhnliche Antworten haben. |
| |
Es kann losgehen. Danke an generieren |
| |
Okay. |
| |
Jetzt, |
| |
Was ist, wenn Sie Längsschnittdaten haben? Dies kann schwierig sein, da die Antworten nun möglicherweise miteinander korrelieren. Wie wir das gut integrieren können, ist einfach. |
| |
In diesem Fall haben wir ein Beispiel für ein Unternehmen, das ein Medikament zur Senkung des Cholesterinspiegels herstellt. Nehmen wir an, es ist eine Behandlung, a |
| |
Wir werden eine Studie durchführen, um sie mit der Behandlung eines Mitbewerbers zu vergleichen. Der Vollständigkeit halber werden wir eine Kontroll- und eine Placebogruppe mit fünf Probanden pro Gruppe haben. Der Längsschnittaspekt besteht darin, dass die Messungen morgens und nachmittags einmal am Tag durchgeführt werden Monat für drei Monate. |
| |
Jetzt werde ich nicht zu viel Zeit damit verbringen, weil ich Ihnen nur zeigen möchte, wie Sie den Längsaspekt integrieren. Also diesen Fall habe ich bereits |
| |
Ein Modell erstellt und die Simulationsformel erstellt. Jetzt können Sie es als Referenz dafür verwenden, wie Sie dies tun könnten. Nehmen wir an, wir haben ein AR-One-Modell. |
| |
Und zwar ganz schnell. |
| |
Nur um es dir zu zeigen. Es gibt also alle festen Effekte. Beachten Sie, dass wir hier viele Interaktionen hatten. Denken Sie daran, wenn ich Ihnen zeige, dass die Formel etwas chaotisch aussehen könnte. |
| |
Du hast |
| |
Festgestellt, dass wir eine wiederholte Struktur haben. Also habe ich AR one ausgewählt |
| |
Zeitraum nach Tagen innerhalb des Betreffs. Okay. Unter der nächsten Modellplattform. |
| |
Und wie integriere ich diese Ära eins in meine Simulationsformel? Ich habe es so gemacht. |
| |
Ob es sich um die erste Reihe oder den neuen Patienten handelt. Das bedeutet, dass der aktuelle Patient nicht mit dem vorherigen Patienten übereinstimmt |
| |
Dies ist das Modell, das ich gespeichert habe. Ich habe die Parameterwerte in etwas geändert, das von Interesse sein könnte. Es hat ein bisschen Arbeit gekostet, weil hier viel los ist. Es finden viele Interaktionen statt. |
| |
Am Ende haben wir ein paar zufällige Geräusche. Aber das ist alles, was ich getan habe. Deshalb habe ich hier einige Werte geändert. Ich habe viele Nullen gesetzt, nur um die Sache einfacher zu machen |
| |
Wenn es sich nicht um die erste Reihe handelt oder es sich nicht um einen neuen Patienten handelt. Wie integrieren wir Korrelation? Alles, was ich tue, ist, das Modell bis hierher zu kopieren und diesen Begriff hinzuzufügen. |
| |
Nur ein gewisser Wert. Ich glaube, dass es kleiner als eins sein muss, was dem Faktor eins des vorherigen Eintrags entspricht. |
| |
Wenn es automatisch regressiv wäre, würden Sie so etwas wie eine Verzögerung hinzufügen. |
| |
Sim-Formel zu |
| |
Und Sie müssten eine weitere Anpassung vornehmen. Wenn es sich um die erste Reihe handelt, haben wir unser Modell. Es ist die zweite Reihe oder war zwei Plätze im neuen Patientenbereich. Es könnte wie ein AR-Modell aussehen, wenn wir auf etwas anderes zurückgreifen |
| |
Wie Sie sehen, ist es sehr einfach, Autokorrelationsstrukturen zu integrieren, solange Sie wissen, wie Ihr Modell aussieht, sollte es einfach sein, es als Simulationsformel zu implementieren. |
| |
Okay. |
| Caleb King |
Ich überlasse es Ihnen, sich das ganz kurz anzusehen. |
| |
Endlich, |
| |
Unser letztes Szenario ist eine Pass-Fail-Antwort, die ebenfalls sehr häufig vorkommt. Ich werde dies verwenden, um zu veranschaulichen, wie Sie mit einem Klick „Simulieren“ möglicherweise die Meinung der Menschen darüber ändern können, wie sie bestimmte Arten von Designs ausführen, und Ihnen zeigen, wie mächtig dies sein kann |
| |
Nicht beabsichtigt |
| |
Nehmen wir an, wir haben ein Erkennungssystem, das wir entwickeln, um radioaktive Substanzen aufzuspüren. Deshalb werden wir es mit einem anderen System vergleichen, das möglicherweise bereits im Einsatz ist. |
| |
Wir werden also diese beiden Erkennungssysteme vergleichen. Wir haben eine bestimmte Materialmenge und einige Testobjekte ausgewählt, die von sehr niedrigen Konzentrationen bei eins bis zu fünf sehr hohen Konzentrationen reichen, und die wir testen werden |
| |
Unsere Systeme überprüfen wiederholt jede Konzentration, eine bestimmte Anzahl von Malen und sehen, wie oft es erfolgreich Alarm auslöst. |
| |
Ich werde diese beiden öffnen |
| |
Beginnen wir mit diesem. Dies stellt also ein typisches Design dar. Sie sehen vielleicht, dass wir für jede Einstellung eine ausgewogene Anzahl von Samples haben. In diesem Fall haben wir viele Proben. Sie haben großes Glück, dass dieser Ort so ist |
| |
Nehmen wir an, wir führen bei jedem Durchlauf 32 Gleichgewichtsversuche durch und dabei handelt es sich um eine simulierte Reaktion. Okay, sagen wir mal. Und dann habe ich hier meine Simulationsformel erstellt. |
| |
Ich zeige Ihnen also, wie das aussieht. Wieder zufälliges Binomial. Sie sind alle gleich. Deshalb habe ich die Nummer hier beibehalten, aber ich hätte darauf verweisen können, dass die Alarme in der Trials-Spalte von einem Indie-Konsistenten stammen, aber das ist in Ordnung. |
| |
Hier ist mein Modell, das mich vielleicht interessiert |
| |
Okay. |
| |
Und hier. |
| |
Ich habe ein Szenario, in dem ich anstelle einer ausgewogenen Anzahl und jeder Einstellung die meisten meiner Samples hier in der Mitte platziert habe |
| |
Meine Argumentation könnte sein, dass dies der Fall sein wird, wenn es sich um eine niedrige Konzentration handelt. Ich erwarte kaum, dass es ihn fängt. Ich habe berechtigte Erwartungen. |
| |
Und wenn es sich um eine hohe Konzentration handelt, sollte es fast immer fangen. Der Unterschied liegt für mich also am wichtigsten in der Mitte, vielleicht bei drei oder vier Konzentrationen |
| |
Und dort werde ich laden. Die meisten meiner Beispiele, und dann stelle ich hier noch ein paar mehr ein. Stellen Sie dann aber bei diesen anderen Einstellungen die wenigsten ein. Sehen wir uns an, wie jeder dieser Tests die Formen in Bezug auf die Leistung plant. |
| |
Führen Sie hier also das Binomialmodell-Skript aus, das das Binomialmodell ausführt. Es gibt hier nur einen Modelleffekt, das System. Wir konzentrieren uns nicht, weil wir wissen, dass es hier einen Effekt gibt. Das ist es, was uns interessiert. |
| |
Binomial generieren. |
| |
Führen Sie es erneut aus, rotes Dreiecksmenü. |
| |
Ich habe bereits meine Simulationsformel. |
| |
Eigentlich muss ich das also nicht tun. |
| |
Sie haben also bereits ein Muster erstellt. |
| |
Klicken Sie mit der rechten Maustaste auf „Simulieren Sie“. Okay, dort sieht alles gut aus. |
| |
Mein nächster Lieblings-Zufallssamen. |
| |
Hier sind wir Leistungsanalyse. Okay, jetzt gehen wir hier rüber. |
| |
Mach das selbe. Ich werde das Modell immer wieder anpassen, wenn Sie ein Binomial haben. Sie müssen nicht nur die Anzahl der Alarme eingeben, sondern auch die Anzahl der Versuche. |
| |
Führen Sie einen Bildlauf durch, scrollen Sie nach unten, gehen Sie zu den Effekttests und dann nach unten. |
| |
In erster Linie, um einen Hinweis darauf zu bekommen, was passieren wird. |
| |
Schnell. Okay. |
| |
Hier sind meine Simulationen, meine Parallelen werden hierher gezogen, minimiert minimiert. Hier ist also, was Sie unter dem Balance-Design erhalten. |
| |
Beachten Sie, dass wir eine sehr geringe Leistung haben, was seltsam erscheint, da wir bei jedem Lauf 32 hatten. Ich meine, das sind viele Proben, für so viele Proben hätte ich dort, wo ich vorher gearbeitet habe, getötet |
| |
Man würde also eine Menge Leistung erwarten, aber die scheint hier nicht vorhanden zu sein. Ich hatte die gleiche Gesamtzahl an Proben. Ich habe sie einfach anders zugeordnet. |
| |
Und mein Leistungsniveau ist dramatisch gestiegen. Vielleicht, wenn ich hier noch mehr stapele. Vielleicht, wenn es vier und vier machen und dann für jedes davon bearbeiten würde |
| |
Ich könnte noch mehr Kraft bekommen, um diesen Unterschied zu erkennen. Dies zeigt also nicht nur, dass Sie wissen, dass es nicht immer nur darum geht, die Stichprobengröße zu ändern, sondern auch, dass möglicherweise nicht immer mehr Stichproben erforderlich sind. In diesem Fall hatten Sie von Anfang an viele Stichproben. Aber auch die Art und Weise, wie Sie sie zuordnen, ist wichtig |
| |
Okay. |
| |
So, |
| |
Ich hoffe, Sie sind genauso begeistert, wie ich dieses großartige Tool zur Leistungsberechnung entdeckt habe. |
| |
Ich möchte Ihnen einige wichtige Erkenntnisse mitteilen. |
| |
Also nutzen wir wieder die Simulation. Nun, im Idealfall mögen wir eine Formel. Und in den Zivilsachen profitieren wir gewissermaßen von einer schönen, einfachen Formel. |
| |
Selbst bei den Regressionsmodellen haben wir unter der Haube gewissermaßen hilfreiche Formeln. Aber natürlich, und die reale Welt. Die Dinge sind etwas komplexer. Deshalb müssen wir uns normalerweise auf die Simulation verlassen, die, wie wir gesehen haben, ein sehr leistungsfähiges Werkzeug sein kann. |
| |
Eines der wichtigsten Dinge, die wir bei der Simulation tun müssen, ist natürlich die Ausgewogenheit von Genauigkeit und Effizienz. Normalerweise bin ich 100 gelaufen |
| |
Vor allem, um Zeit zu sparen. |
| |
Aber letztendlich sollten Sie wissen, dass Sie vielleicht beim Standardwert von 2500 bleiben sollten, da Sie wissen, dass die Ausführung einige Zeit in Anspruch nehmen wird |
| |
Was ich also befürworten könnte, ist, am Anfang vielleicht mit 100.200 Simulationen zu beginnen, nur um eine Vorstellung davon zu bekommen, was vor sich geht. Und dann, wenn Sie eine Situation finden |
| |
Wo es danach aussieht. Nein, es lohnt sich, mehr Untersuchungen durchzuführen und die Anzahl der Proben zu erhöhen, damit Sie Ihre Genauigkeit erhöhen können. |
| |
Okay, vielleicht beginnen Sie mit ein paar verschiedenen Situationen, führen ein paar kurze Simulationen durch und beschränken sich dann auf einige Schlüsselszenarien mit Schlüsseleinstellungen. Anschließend können Sie die Anzahl der Simulationen erhöhen, um eine höhere Genauigkeit zu erzielen. |
| |
Ich plädiere immer für Leistungsberechnungen, genauso wie die Versuchsplanung nie eins und fertig ist. |
| |
Sie sollten nicht einfach zu einem Taschenrechner gehen, ein paar Zahlen eingeben und mit einer Stichprobengröße zurückkommen. Bei der Gestaltung kann viel passieren. |
| |
Oder was kann das in einem Experiment passieren? Und ich denke, dass der beste Weg, ein Experiment zu planen, darin besteht, verschiedene Szenarien zu berücksichtigen. Erkunden Sie also verschiedene Geräuschpegel. |
| |
In Ihrer Antwort. Vielleicht spielen die gemischten Effekte also mit unterschiedlichen gemischten Effektgrößen herum. |
| |
Natürlich können Sie verschiedene Stichprobengrößen untersuchen, aber auch möglicherweise verschiedene Modelltypen. So würden wir beispielsweise im Universal Center das Wible-Modell verwenden, wenn er viel normales Modell gemacht hätte. |
| |
Erkunden Sie diese verschiedenen Szenarien und seien Sie sich darüber im Klaren, dass die Präsentation vor den Testplanern Ihnen die Möglichkeit gibt, in Ihrer Studie zu experimentieren, um für eine Vielzahl von Umgebungen robust zu sein. |
| |
Rechnen Sie also nie einfach nur und kommen Sie zurück, sondern präsentieren Sie angespannten Spielern immer unterschiedliche Szenarien. Es ist der gleiche Prozess. Ich benutze, wenn ich |
| |
Erstellte tatsächlich entworfene tatsächliche Experimente. Ich würde also die Testspieler vorstellen. Ich habe mit verschiedenen Optionen gearbeitet, die sie kennen könnten, um es zu erkunden. Es kann sein, dass sie sich für eine Option entscheiden oder dass es sich um eine Kombination von Optionen handelt. Sie sollten dies immer tun, um Ihre Pläne robuster zu machen |
| |
Wie gesagt, das sind sie |
| |
In Ordnung. Nun, ich hoffe, Sie haben dadurch etwas Neues gelernt. Wenn Sie Fragen haben, können Sie sich an mich wenden. Sie werden wahrscheinlich meine E-Mail-Adresse angeben. |
| |
Ich hoffe, Ihnen hat dieser Vortrag gefallen und ich hoffe, dass Ihnen der Rest der Konferenz gefällt. Danke schön. |
