Vocero
|
Transcripción
|
| caleb rey |
Hola, mi nombre es Caleb rey. Soy un desarrollador estadístico de investigación aquí en JMP para el grupo de diseño de experimentos. |
| |
Y hoy les hablaré sobre cómo pueden usar JMP para realizar cálculos de potencia para escenarios de modelado complejos. Entonces, como un breve resumen, el poder es la probabilidad de detectar una diferencia científicamente significativa que cree que existe en la población. |
| |
Y es la probabilidad de detectar eso dada la cantidad actual de datos que ha muestreado de esa población. |
| |
Ahora, la mayoría de las personas, cuando ejecutan un cálculo de poder, generalmente lo hacen para determinar el tamaño de la muestra para su estudio, por supuesto, es un resultado directo. |
| |
Empate entre los dos. Cuantas más muestras, más posibilidades tiene de detectar esa diferencia científicamente significativa. |
| |
Por supuesto, hay otros factores que se relacionan con eso. Ahí está el modelo que está utilizando el tipo de distribución de respuesta. |
| |
Y también está, por supuesto, la cantidad de ruido e incertidumbre presente en la población, pero en su mayor parte la gente usa el poder como métrica para determinar el tamaño de la muestra. Ahora, diré que hay tres etapas |
| |
de cálculo de potencia y todos ellos se abordan en JMP, especialmente si tiene JMP Pro, que es lo que usaré aquí. |
| |
La primera etapa es algunas de esas situaciones de modelado más simples donde vamos aquí en el menú DOE en Diagnósticos de diseño. Tenemos las calculadoras de tamaño de muestra y potencia. |
| |
Y estos cubren una amplia gama de escenarios muy simples. Entonces, si está probando una o dos medias de muestra, tal vez una configuración de tipo ANOVA con múltiples medias, |
| |
proporciones, desviaciones estándar. La mayor parte de esto es lo que la gente piensa cuando piensa en cálculos de potencia. Entonces, por supuesto, pasa y especifica nuevamente el ruido, |
| |
tasas de error, hay algún parámetro, qué diferencia estoy tratando de detectar, y digo que estoy tratando de calcular una cierta potencia, puedo obtener el tamaño de la muestra. |
| |
O, si quiero explorar un poco más. Puedo dejar ambos como vacíos. Obtengo una curva de potencia. Ahora, por supuesto, nuevamente, estos son más de sus escenarios más simples. La próxima etapa, diría, es lo que podría cubrirse bajo un modelo lineal más general, así que salga de |
| |
En ese caso, podemos ir aquí en el menú de diseño personalizado que abarca todo. |
| |
Pondré mi número favorito de efectos. |
| |
Haré clic en continuar. |
| |
Y dejaré todo aquí. |
| |
Entonces haremos el diseño. |
| |
Y en este punto puedo hacer un análisis de poder basado en los coeficientes anticipados en el modelo. Entonces, en este caso, podría decir, tengo para este diseño en particular menos de 12 carreras. Tengo aproximadamente un 80% de potencia para detectar este coeficiente. Si estaba tratando de detectar, diga algo un poco más pequeño. |
| |
Podría cambiar ese valor, aplicar los cambios, por supuesto. Mira, no tengo tanto poder. Así que si eso es realmente lo que estoy buscando. Podría hacer para hacer algunos cambios. Tal vez necesito volver atrás y aumentar el tamaño de ejecución. |
| |
Entonces, esas son las dos configuraciones más comunes en las que podríamos hacer un cálculo de potencia, pero, por supuesto, la vida no es tan simple, sepa que puede encontrarse con configuraciones más complejas, puede tener factores de efectos mixtos, puede encontrarse con un estudio longitudinal que tiene para calcular la potencia. |
| |
Es posible que se encuentre con configuraciones en las que su respuesta ya no sea una variable aleatoria normal, es posible que tenga datos de conteo, es posible que tenga una respuesta binaria. Incluso podría tener una especie de respuesta de tipo 0/1 limitada. Entonces, una respuesta de tipo porcentual. |
| |
Entonces, ¿qué puede hacer si no puede ir a las calculadoras de potencia simples y tal vez el menú DOE podría ser demasiado complejo para ejecutar un análisis de potencia? Bueno, JMP Pro está aquí para ayudar e involucra una herramienta que llamamos simulación de un clic. |
| |
Entonces, la idea aquí es que simularemos datos a través de un enfoque de simulación de Monte Carlo para tratar de estimar la potencia que puede obtener para su configuración particular. |
| |
Y es bastante sencillo. Puede haber un poco de trabajo por adelantado que deba hacer al menos dependiendo de la plataforma de modelado. |
| |
Pero una vez que lo tienes abajo. Es bastante sencillo de hacer. |
| |
Y seguiré adelante y diré que esto era algo que ni siquiera sabía que JMP podía hacer hasta que comencé a trabajar aquí. Así que estoy feliz de compartir lo que encontré contigo. |
| |
Muy bien, comenzaremos con una especie de extensión más simple del modelo lineal estándar donde incorporamos algunos efectos mixtos. Bueno. |
| |
Así que vamos a empezar, tenemos una empresa que busca mejorar su rendimiento de proteína de protones para cultivos celulares. No protones sino proteínas. |
| |
temperatura, tiempo, pH. También tenemos algunos factores de mezcla. |
| |
Agua y dos factores de crecimiento. Ahora, en esta etapa, si nos detuviéramos aquí, probablemente todavía podríamos usar la calculadora de potencia disponible en la plataforma de diseño personalizado. |
| |
Donde comenzamos a desviarnos es ahora que introducimos algunos factores de efectos aleatorios. Tenemos tres técnicos, Bob, Di y Stan, que son representativos de toda la muestra de técnicos. |
| |
Y usarán al menos uno de los tres lotes de suero, que nuevamente es una representación de todos los lotes de suero, que podrían usar a menos que los tratemos como efectos aleatorios. |
| |
También tenemos un efecto de bloqueo aleatorio. En este caso, la prueba se realizará durante dos días. Entonces, les mostraré cómo podemos usar la simulación de un clic y JMP Pro para calcular la potencia para este caso. Así que haga clic para abrir el diseño. |
| |
Así que este fue el diseño que creé, déjame expandir mi ventana aquí para poder ver todo. Ahora bien, esto podría representar lo que normalmente obtiene una vez que ha creado el diseño. |
| |
De nuevo, |
| |
en este punto, podría haber hecho clic en simular respuesta para simular algunas de las respuestas. Pero incluso si no lo hiciste, todavía está bien |
| |
Un truco que puede usar fácilmente para replicar es simplemente crear una nueva columna. No nos molestaremos en cambiarle el nombre en este punto, solo vamos a crear una fórmula simple. |
| |
Vaya aquí al lado izquierdo. Haga clic en aleatorio aleatorio normal |
| |
deje todo predeterminado, haga clic en Aplicar. Bueno. |
| |
Y tenemos algunos datos de ruido aleatorio. Algunos datos de respuesta simulados. Bueno. |
| |
En este punto, haré clic con el botón derecho, copiar |
| |
Y haga clic derecho en pegar para obtener mi columna de respuesta. |
| |
Ahora todo lo que necesito es solo algún tipo de respuesta. Entonces, el ruido aleatorio simple funcionará bien aquí. Todavía no estamos tratando de analizar ningún dato. lo que queremos es |
| |
use la plataforma de modelo de ajuste para crear un modelo para nosotros que luego usaremos para crear la fórmula de simulación. De la forma en que hacemos eso, pasaremos por debajo de un modelo. Ahora he hecho un poco de trabajo mental aquí. |
| |
Entonces, ya he creado el modelo aquí. Y solo para mostrarte cómo lo hice. Iré aquí bajo el análisis de relanzamiento bajo el rehacer. |
| |
Entonces, aquí ven, tengo mi rendimiento de proteína de respuesta hola mis efectos fijos. Tengo algunos efectos aleatorios. |
| |
Hice todo y obtuve todo bastante estándar allí. |
| |
Ahora ves que están pasando muchas cosas aquí. No necesitamos prestar atención a nada de esto. Sólo estamos interesados en crear un modelo. En este punto, la forma en que lo hacemos es entrar aquí debajo del menú del triángulo rojo. |
| |
Irá debajo de las columnas guardadas. Ahora debemos tener cuidado con la columna que seleccionamos. Si selecciono la fórmula de predicción que podría estar tentado a hacer. Eso es bueno. Pero no nos lleva hasta allí, como verá. |
| |
Si entro en la fórmula. Esta es la fórmula de predicción media. No hay nada sobre efectos aleatorios aquí. Así que esta no es la columna que quiero. No está completo, no contiene todo lo que necesito. necesito volver |
| |
Vuelva a guardar las columnas y desplácese hacia abajo aquí hasta la fórmula predictiva condicional y observe en la ayuda flotante que incluye las estimaciones de efectos aleatorios, que es la que quiero. |
| |
Ahora, es posible que se encuentre en cualquier caso en el que realmente no desee calcular la potencia para los efectos aleatorios. Desea solo para el modelo medio, en cuyo caso |
| |
Podrías haber vuelto fácilmente a la plataforma de diseño personalizado y hacerlo de esa manera. Supongamos que también estamos interesados en esos efectos aleatorios. |
| |
Ahora hemos guardado su fórmula predictiva condicional. |
| |
Nuevamente, entraremos, miraremos la fórmula. |
| |
Y aquí puedes ver que tenemos efectos aleatorios. Ahora tenemos que hacer algunos ajustes aquí para convertirlo en la simulación que queremos. Así que voy a hacer doble clic aquí. |
| |
Me pone en el formato del lenguaje de secuencias de comandos JMP. |
| |
Ahora, primero haré algunos cambios en los efectos principales. Y solo voy a elegir algunos valores. Entonces, veamos. Hagamos 0.5 para la temperatura |
| |
0,1 para el tiempo. |
| |
Y para el pH. Hagamos 1.2 un poco más alto. |
| |
Para agua. Voy a ir aún más alto. Entonces, estos podrían tener un coeficiente mayor. Así que haré 85 por agua. |
| |
voy a hacer 90 |
| |
Para el crecimiento primer factor de crecimiento. Y hagamos 50 |
| |
Factor de crecimiento, también. Bueno. |
| |
Muy bien, hice mis ajustes en la parte principal del modelo medio. Ahora nuevamente, estos son parámetros que crees que son científicamente importantes. |
| |
Ahora para los efectos aleatorios. Es posible que tenga la tentación de reemplazarlo con algo como esto. Bueno. Eso debería ser un efecto aleatorio. Así que solo pondré un normal aleatorio aquí. |
| |
Y parece correcto, pero no exactamente. Y la razón es que esta fórmula se evalúa fila por fila, lo que sucederá es la primera vez que te encuentres con un técnico llamado Jill. |
| |
Simulará un valor aleatorio aquí y obtendrá un valor para la evaluación de esa fórmula, pero la próxima vez que vaya a la cárcel. Escribí seis aquí. |
| |
Esto simulará un valor diferente, lo que anula el propósito de un efecto aleatorio. Los efectos aleatorios deberían tener el mismo valor cada vez. Jill aparece |
| |
Que va a tener el efecto de algo así como un error aleatorio que aprovecharé esta oportunidad para poner aquí ese es un valor que queremos cambiar cada fila. Entonces, ¿cómo superamos esto bien? |
| |
Te digo esto porque en realidad terminé haciendo esto la primera vez que presenté esto un poco vergonzoso. |
| |
Y afortunadamente, mi compañero de trabajo vino. Luego, me mostró un truco sobre cómo ingresar el efecto aleatorio de manera adecuada y aquí está el truco. |
| |
Vamos a ir a la parte superior aquí y escribir si fila. |
| |
igual a uno |
| |
Voy a crear una variable llamada técnica Jill. |
| |
Y ahora aquí es donde lo coloco |
| |
Lo que hace este truco reemplazará esta normalidad aleatoria con la tecnología Jill. |
| |
Lo que esto hará es si es la primera fila, simulamos una variable aleatoria y la asignamos dentro del valor de este parámetro a esa variable a ese valor. |
| |
Debajo de la primera fila, no volvemos a simular, lo que significa que, para la tecnología, Jill mantiene el valor que se le dio inicialmente y se mantendrá en cada lugar donde lo coloquemos. |
| |
Así que haremos lo mismo. |
| |
para bob |
| |
Como puede ver, eso cumplirá la tarea del efecto aleatorio. |
| |
PUT BOB aquí para Stan, las cosas son un poco más fáciles. No tenemos que simular para él porque los efectos aleatorios deberían sumar cero en el modelo. |
| |
Y así la forma en que hacemos eso. |
| |
Hacemos que el suyo sea el lado opuesto. |
| |
De algunos de los otros efectos. |
| |
Haga lo mismo aquí para el lote de suero uno |
| |
Ahora para este voy a darle un poco más de ruido. |
| |
Digamos que hay un poco más de ruido en el |
| |
lotes de suero |
| |
Y esta es la ventaja de este enfoque: puedes jugar con diferentes escenarios. |
| |
Ingrese esos valores aquí. |
| |
Bueno. |
| caleb rey |
Y de nuevo, este. |
| |
Algunos de los otros. Y antes de añadir el otro. Continuaré y lo agregaré aquí ya que las cosas lo hacen más fácil, el primer día. |
| |
Día uno negativo. |
| |
Y agregaré su efecto aleatorio aquí y diré que es un efecto aleatorio. |
| |
puedo teclear |
| |
Es un poco más pequeño. |
| |
Muy bien, bueno, en este punto, deberíamos estar, deberíamos tener nuestra fórmula de simulación completa. Si hago clic en Aceptar, me llevará de vuelta a la vista del Editor de fórmulas. |
| |
Deberíamos estar listos para irnos. |
| |
Muy bien, ahí está nuestra fórmula de simulación. |
| |
Ahora, para lo siguiente, ¿qué hacemos a continuación? Volveremos a nuestro modelo de ajuste. |
| |
Y vamos a ir al área donde queremos simular el poder |
| |
Aquí voy a ir debajo del cuadro de pruebas de efectos fijos. Voy a ir aquí a esta columna es el valor p en este caso, la simulación ruidosa original no nos dio ningún valor P. Esta bien. No nos importa eso. |
| |
Solo necesitábamos esto para generar el modelo, que luego convertimos en una fórmula de simulación. Voy a hacer clic derecho debajo de esta columna. Ahora recuerda, esto solo funciona si tienes JMPed pro |
| |
Y aquí en la parte inferior es simular. Así que hacemos clic en eso. |
| |
Y nos preguntará qué columna cambiar. Entonces, de manera predeterminada, selecciona la columna de respuesta y luego buscará todas las columnas de fórmula de simulación. Así que queremos cambiar este porque contiene nuestro modelo de simulación. |
| |
dile cuantas muestras y que haga 100 |
| |
Le daré mi semilla aleatoria favorita. |
| |
Y hago clic en Aceptar. |
| |
Espera, alrededor de un segundo o dos. |
| |
Y ahí estamos. |
| |
Entonces se genera una tabla donde está la respuesta del simulador. Se ajusta al modelo. |
| |
Y está reportando los valores de P. Ahora bien, hay algunos casos en los que no hay valores de P, terminamos en una situación muy similar a la que comenzó y está bien. Eso sucede en la simulación, siempre que tengamos un número suficiente para obtener una estimación. |
| |
Ahora, lo bueno de esto es que JMPed vio que estábamos simulando valores P. Así es. Apuesto a que está ganando para hacer un análisis de poder y felizmente nos proporcionó un guión para hacerlo. Así que gracias JMP. |
| |
Ejecutamos eso y verás que se parece mucho a la plataforma de distribución. Entonces se hizo una distribución de cada una de esas filas, disculpe, columnas, pero con una característica adicional, una nueva tabla aquí que muestra la potencia simulada y porque la simulamos. |
| |
Podemos leer estos tipos de energía estimada de la oficina si no fuera 100 si fuéramos algún otro número, entonces puede ver la tasa de rechazo. Entonces vemos aquí para nuestros tres factores de mezcla nosotros. Parece que tenemos un poder bastante bueno, dado todo lo que tenemos. |
| |
Para detectar esos coeficientes particulares. Si pasamos aquí a los otros tres factores, las cosas no se ven tan bien |
| |
Entonces, tendríamos que regresar y decir, está bien, |
| |
Tal vez regresemos y veamos cuál es el valor máximo que puedo detectar, así que voy a minimizar estos |
| |
minimiza la tabla. Volveré a mi fórmula y diré, hagamos una diferente |
| |
Haz algo diferente aquí. |
| |
¿Qué pasa si cambio esto? Así que este fue el punto cinco, tal vez sepa qué pasaría si fuera más alto sobre uno |
| |
Por el momento. A ver, vamos a hacerlo también uno |
| |
Y cuatro pH. Voy a ir a las tres. Así que voy a mejorar un poco las cosas. Entonces, ya sabes, bueno, ¿puedo detectar esto? |
| |
Mantendremos todo lo demás igual porque sabemos que podemos detectarlos, parece que haga clic en Aplicar, está bien, se generó una nueva espalda |
| |
De nuevo, lo mismo. Haga clic derecho debajo de la columna que desea simular, la simulación rápida cambiará |
| |
Dado un cierto número de muestras. Así que pégalo |
| |
Misma semilla. |
| |
y nos iremos |
| |
Solo hay que esperar unos segundos para que termine la simulación. |
| |
Ahí estamos. |
| |
Y ejecutaremos nuestro análisis de poder nuevamente. |
| |
Mira a ser el mismo aquí. No cambiamos nada allí. De hecho, voy a vincular estos grupos. poco demasiado Aquí vamos. Escondamos a estos tres |
| |
Miremos estos. Así que parece que lo hemos hecho mejor con el pH, por lo que el valor de uno podría ser el rango superior de lo que podemos detectar dado este tamaño de muestra. |
| |
Pero para la temperatura en el tiempo parece que todavía no podemos detectar, incluso esos valores altos. Entonces, está bien. Um, ¿qué más podríamos cambiar? ¿Y si duplicamos el número de muestras? Quiero decir, somos |
| |
calculando esto para un tamaño de muestra. Así que volvamos atrás y una forma en que podemos hacer eso. Podemos ir a hacer nosotros, podemos hacer clic en aumentar el diseño. |
| |
seleccionaremos todos nuestros factores. |
| |
Seleccione nuestra respuesta. |
| |
Haga clic en Aceptar. |
| |
Simplemente aumentaremos el diseño. |
| |
Y esta vez lo duplicaremos lo haremos 24 |
| |
Así que haré el diseño. |
| |
Y va a tomar un poco de tiempo. Así que en realidad voy a |
| |
Un poco temprano. |
| |
Y a ver, haremos la mesa. |
| |
Bien, ahora hemos duplicado el número de ejecuciones |
| |
Y |
| |
Así que solo nos dio la mitad de las respuestas. Esta bien. Ya que solo necesitamos una respuesta. Solo voy a tomar esto y voy a copiar |
| |
y pegar |
| |
Curso en la vida real. No querrías hacer eso porque con suerte obtendrás respuestas diferentes. Pero nuevamente, solo necesitamos una respuesta ruidosa, vaya al modelo. Ahora esta vez, tenemos que arreglar las cosas un poco. Voy a seleccionar estos tres que van aquí debajo de los atributos, dicen que hay efectos aleatorios. |
| |
Mantén todo igual. Haga clic en Ejecutar. |
| |
Notaré que aún no tengo mi fórmula de simulación, pero en lugar de tener que recorrerla y reconstruirla. De hecho, puedo crear una nueva columna, volver a la anterior. |
| |
Haga clic derecho en Copiar propiedades de columna. |
| |
Vuelva, haga clic con el botón derecho en pegar copia de columna, mi fórmula ya está lista para funcionar. Entonces, digamos, ¿Qué pasa si lo hacemos en esta situación y mantenemos nuestros valores que inicialmente teníamos? |
| |
Así que volveré. Haré doble clic aquí para abrir la ventana del modelo de ajuste. |
| |
Vaya a las pruebas de efectos fijos, haga clic con el botón derecho allí probablemente esté de acuerdo con la simulación del valor p y |
| |
No voy a cambiar esto, porque solo había una simulación, dejamos la que yo quería y encontró la respuesta correcta. |
| |
Así que solo cambiaré estos |
| |
Veamos qué sucede en este caso. |
| |
Está bien. |
| |
Ejecute el análisis de potencia. Ahora de nuevo, no me voy a preocupar por estos |
| |
Efectos de mezcla porque, como puede ver, mejoramos lo que teníamos originalmente, que ya era bueno. Así que voy a esconderlos de nuevo. |
| |
Así podemos ver más fácilmente los que estaban interesados en este caso pH. Sabíamos que probablemente lo haríamos mejor porque incluso con las 12 carreras anteriores. Teníamos bastante buena potencia. |
| |
Parece que definitivamente hemos mejorado la temperatura con el tiempo. Entonces, si eso representa una especie de límite superior de los tamaños del efecto, tal vez estuviera interesado en un límite superior inferior y esto parece indicar que duplicar el tamaño de la muestra podría ayudar. |
| |
Así que estos son ejemplos de cómo podemos usar uno. En primer lugar, cómo hacer Simular con un solo clic |
| |
Y luego, cómo podemos usarlo para hacer cálculos de potencia y lo alienta a hacer algo. A menudo lo hacía antes de venir a JMP, que es darle a la gente opciones para explorar sus opciones. Durante el tamaño de la muestra pareció ayudar con la temperatura y el tiempo. |
| |
Cambiar lo que está buscando, parece ayudar con el pH con el pH y luego los efectos de la mezcla en los que parece estar bien, así que explore su |
| |
Eso también puede incluir volver atrás y cambiar las varianzas de quizás sus estimaciones de efectos aleatorios. |
| |
Entonces, por ejemplo, podría volver aquí. no lo haré Pero podría cambiar estos valores y decir, ya sabes lo que sucede si los técnicos son un poco más ruidosos donde los lotes de suero son menos ruidosos. Pruebe y encuentre situaciones para que su plan de prueba sea más sólido ante situaciones imprevistas. |
| |
Bien, entonces déjame limpiar. |
| |
Pasa por cerrar todo esto. |
| |
Está bien. |
| |
Así que para el resto de los escenarios. Voy a explorar distintas formas de implementar esto. Así que el enfoque general es el mismo. Creas tu diseño, simulas una respuesta. |
| |
Nosotros ajustamos el modelo, o en este caso estamos usando una plataforma ligeramente diferente para generar un modelo. |
| |
Y luego use ese modelo para crear una fórmula de simulación que luego usará y el enfoque Simular con un solo clic. |
| |
Así que ahora veamos un caso en el que tenemos una empresa que va a llevar a cabo este caso que tienen. Pero supongamos que van a realizar una encuesta a sus empleados y quieren determinar qué factores influyen en la deserción de los empleados. Así que tal vez |
| |
Tienen muchos empleados que se van a ir. Entonces quieren realizar una encuesta para evaluar qué factores y quieren saber cuántos respondieron, deben planificar para |
| |
Ahora las respuestas en años de la empresa, pero sus dos pequeños pliegues. Primero, soy un empleado que debe haber trabajado al menos un mes antes de irse para que se considere desgaste. |
| |
Y la otra es que las respuestas se dan en años, pero a lo mejor nos preocupan más los meses. Cuántos meses. Tal vez así es como funciona nuestro software de presupuesto o algo así. |
| |
Y, ya sabes, para los empleados, podría ser más fácil para ellos responder. Y cuántos años han sido en lugar de cuántos años o meses. Han estado en la empresa. |
| |
Entonces, en este caso, tenemos censura por intervalos porque nos dan cuántos años, pero eso solo nos dice que han estado allí entre tantos años y un año después, también tenemos la situación si se van antes del año donde lo hará. censurado entre un mes y un año. |
| |
Así que abre la mesa del escenario. Ya he configurado mucho. Tenemos muchos factores aquí y nos desplazamos hasta el final. Para que pueda ver las respuestas que estamos viendo. |
| |
Entonces, de nuevo, tenemos el mínimo de un año y el máximo de un año. Entonces, lo que esto significa es que si un empleado respondiera que se fue después de seis años. Eso significa que su tiempo real allí en términos de meses, en algún lugar entre seis y siete años. |
| |
Si se fueron antes de un año, entonces sabemos que estuvieron allí en algún momento entre un mes y un año. |
| |
Voy a hacer clic en este botón de diálogo aquí para iniciar la censura de intervalos aquí. Usaremos la plataforma genérica. Vamos a suponer una distribución bible para la respuesta. |
| |
No ponemos un código de censura aquí porque tenemos un intervalo de censura de la forma en que lo manejamos, es decir, ponemos ambas columnas de respuesta en la y |
| |
Que verás. Bueno. Y aquí están todos los factores que verá: cuando hacemos clic en ejecutar, JMP reconoce un tiempo para la distribución de eventos y dice: Bien, si me dio dos columnas de respuesta. ¿Eso significa que estás haciendo un intervalo sensorial en este caso? Sí somos. |
| |
Y ahora. |
| |
Vamos a pasar por lo mismo. Vamos a encontrar el triángulo rojo rectángulo. En este caso, está junto a la máxima probabilidad de waibel. Ahora aquí está lo realmente bueno de |
| |
Generar plataforma. Ahora ya hay muchas cosas buenas al respecto. Pero aquí hay un poco más de guinda en la parte superior. |
| |
Cuando hago clic aquí, si nos gustara antes, tendríamos que ingresar y decir guardar la fórmula de predicción, tendríamos que ir y hacer algunos ajustes para obtener el conocimiento aleatorio, asegurarnos de que sea un wible aleatorio. ajuste las cosas simuladas según sea necesario. |
| |
Sin embargo, esto es generalmente. |
| |
Es consciente de que puede hacer Simular con un solo clic y, por lo tanto, dice: Oye, ¿quieres que realmente guarde la fórmula de simulación para ti si es lo que te interesa y Sí, lo estamos? Así que hacemos clic en Guardar fórmula de simulación. |
| |
Volvamos a nuestra mesa. |
| |
Y notarás que solo simuló una calma. Hablaré un poco más sobre por qué en un momento. Pero vamos a verificar rápidamente si entrará |
| |
Y ahí está, de hecho, haré doble clic para abrir el lenguaje de secuencias de comandos, verán que ya lo tiene configurado como un wible aleatorio, ya tiene la transformación del modelo allí. |
| |
Todo lo que tendría que hacer en este punto es cambiar los valores de estos parámetros a lo que sea científicamente significativo para usted. |
| |
Bien, ahora para este propósito no haré eso. Voy a dejarlos en paz. Sin embargo, haré un cambio y quiero intentar replicarlo. |
| |
Las situaciones reales que vamos a utilizar. Aviso aquí. Todos estos son valores continuos cuando en realidad, lo que deberíamos obtener son nuestros buenos números de años redondos. Así que la forma en que puedo hacer eso. |
| |
Estos son años. Hola, voy a crear una variable simple que sea igual al tiempo continuo real pero que devuelva el techo. |
| |
Así que redondea esencialmente |
| |
capa. Bueno. Y ahí lo tienes. |
| |
Como puede ver, esto me diría que he simulado el suyo. Hola. Ahora, |
| |
A |
| |
Mira, cuando haces las simulaciones de un clic están todas aquí. Abriré las pruebas de efecto. |
| |
Si hago clic derecho y luego hago clic en Simular, solo puedo ingresar una columna a la vez. Así que no puedo arrastrar y seleccionar más de uno |
| |
Ahora, si tuviera que hacer este lugar los años que fui tuyo. Hola simulación que se ve bien. El problema es la baja de este año. Ahora se está introduciendo el mínimo de este año, porque formaba parte del modelo original. |
| |
Pero es lo poco del año que usaste originalmente si miramos hacia atrás, ya vemos un problema, déjame cancelar esto muy rápido. |
| |
Por ejemplo, si tuviéramos que hacer eso. No podría caber este primero, porque el alto de los años es más bajo que el tuyo. Mínimo El mínimo de este año no está ligado a la respuesta de la simulación. Entonces, ¿cómo solucionamos que necesitamos vincularlo para hacer esa conexión? Así que iré a la tuya, baja |
| |
Voy a hacer clic en fórmula. Así que ya hay una fórmula aquí, solo voy a hacer un cambio rápido. |
| |
Voy a decir si la fórmula de simulación hice doble clic para hacer eso. |
| |
Es doble clic en uno. Entonces, durante años, tan alto como uno regresa 112 |
| |
De lo contrario, devuelve el valor de la simulación menos uno. |
| |
Ahora haga clic en Aceptar y aplicar |
| |
Como puede ver, es correcto, ahora está atado a él. |
| |
Así que ahora puedo volver |
| |
Puedo hacer clic derecho, hacer la simulación. Puedo reemplazar los años altos con su fórmula de simulación y sentirme cómodo sabiendo que cuando haga los años bajos será apropiado. Siempre será un año menos a menos que ya sea un año y entonces qué casos 112 |
| |
Así que ahora está atado a él, siempre se traerá cuando hagan la simulación. |
| |
Voy a ejecutar una simulación rápida muy rápido. |
| |
Aquí vamos. Va un poco lento. Así que eso es una buena señal. |
| |
dejaré que termine |
| |
Está bien. Así que ahí están nuestras simulaciones. |
| |
Y, por supuesto, podemos ejecutar el análisis de poder, este caso tenemos muchos factores que creo que hubo 1400 70 cotización para jugar esto. |
| |
Para muchos de ellos tenemos exceso. |
| |
Pero sorprendentemente para algunos de ellos. Todavía tenemos problemas. Y eso podría ser algo que valga la pena investigar, tal vez no podamos detectar ese bajo, el coeficiente |
| |
Podría tener que cambiar algo sobre estos factores para discutir en su reunión de planificación. |
| |
Entonces, así es como debes trabajar las cosas cuando tienes este caso, teníamos censura de intervalo si él tenía censura correcta, entonces tenías una columna de censura. |
| |
Lo mismo, lo harías. Daría como resultado una simulación en el tiempo real, diría, puedes hacer algunos ajustes a eso. |
| |
Para asegurarse de que coincida con el tipo de tiempo que está viendo en su respuesta o lo que espera. Y luego tendrá que vincular su columna de censura a la simulación y esto sucederá siempre que tenga ese tipo de configuración. |
| |
Bueno. |
| |
Aclaremos todo esto. |
| |
Así que echemos un vistazo a otro |
| |
¿Qué sucede si tenemos una respuesta no normal? Así que ya hemos visto uno. Hemos visto una respuesta de tipo confiabilidad. Entonces sabemos que podemos usar la generación, exploremos otra muy rápido. En este caso, tenemos una respuesta normal en |
| |
Una prueba. |
| |
El sistema va a poder armar planas por sus respuestas, un porcentaje. Ahora, técnicamente, podrías modelar esto como una distribución normal. |
| |
Y eso podría estar bien, siempre que espere valores entre, ya sabes, alrededor del 50 punto porcentual |
| |
Pero no, como queremos que esta sea una plataforma de armas muy precisa, esperamos ver respuestas cercanas al 100 %. |
| |
Entonces, tal vez algo como una respuesta de distribución beta podría ser más apropiado. Tenemos uno de la arruga. Tenemos estos tres factores de interés, pero uno de ellos. El objetivo está anidado dentro del tipo de fusible. Entonces, el tipo de factor objetivo dependerá del tipo de fusible. |
| |
Case ejecutará esto muy rápido. Una vez más, hemos creado nuestros datos. |
| |
Este caso simulé algunos datos aleatorios y lo hice para que coincidieran entre cero y uno. Lo hice simplemente tomando la transformación logística de una normal aleatoria |
| |
DE ACUERDO. |
| caleb rey |
voy a copiar |
| |
Pegar. |
| |
Asegúrate de que puedo pegar |
| |
Y de nuevo, camine a través de él. |
| |
Bastante simple. |
| |
Vamos a utilizar la respuesta beta. Tenemos nuestra respuesta. Tenemos nuestro objetivo anidado dentro del tipo futuro |
| |
Haga clic en Ejecutar. |
| |
Y de nuevo, triángulo rojo. Muchos dicen que las columnas guardan la fórmula de simulación. Y esto es lo que puede hacer en la generación para el modelo de ajuste regular, lamentablemente no puede hacer eso. |
| |
Pero tenemos nuestra fórmula de simulación. No voy a hacer ningún cambio. |
| |
Pero podrías entrar. Como puede ver la estructura, el doble clic ya está allí. Incluso la transformación logística. Así que solo tienes que poner los parámetros de tu modelo. |
| |
Disculpe. |
| caleb rey |
Rápido. Bueno. |
| |
Adiós. Bueno. Y de nuevo, bajaremos. |
| |
Y así es como lo haces. Así que bajamos. |
| |
Pruebas de efectos, haga clic con el botón derecho en Simular |
| |
Haz la sustitución y listo |
| |
Muy bien, entonces mira lo fácil que es, en general. Entonces, incluso si tiene respuestas no normales. |
| |
Eres bueno para ir. gracias por generar |
| |
Bueno. |
| |
Ahora, |
| |
¿Qué pasa si tienes datos longitudinales? Esto puede ser complicado, simplemente porque ahora las respuestas pueden estar correlacionadas entre sí. Entonces, ¿cómo podemos incorporar eso bien? Es sencillo. |
| |
En este caso, tenemos un ejemplo de una empresa que está produciendo un tratamiento para reducir el colesterol. Digamos que es un tratamiento, un |
| |
Vamos a realizar un estudio para compararlo con un tratamiento de la competencia en aras de la finalización tendrá un grupo de control y placebo tendrá cinco sujetos por grupo el aspecto longitudinal es que las mediciones se toman por la mañana y por la tarde una vez al mes durante tres meses. |
| |
Ahora no voy a dedicar mucho tiempo a esto porque solo quiero mostrarles cómo se incorpora el aspecto longitudinal. Así que este caso ya lo he |
| |
Creó un modelo creó la fórmula de simulación. Así que ahora puede usarlo como referencia para saber cómo puede hacer esto. Digamos que tenemos un modelo AR uno. |
| |
Y en esto muy rápido. |
| |
Solo para mostrarte. Así que están todos los efectos fijos. Observe aquí que tenemos muchas interacciones. Tenga eso en cuenta mientras le muestro que la fórmula puede parecer un poco desordenada. |
| |
Tienes |
| |
Afirmó que tenemos una estructura repetida. Así que he seleccionado AR uno |
| |
Período por días dentro del tema. Bueno. Bajo la siguiente plataforma modelo. |
| |
Entonces, ¿cómo incorporo esa era uno en mi fórmula de simulación? Lo hice así. |
| |
Si es la primera fila o el nuevo paciente. Eso es lo que esto significa que el paciente actual no es igual al paciente anterior |
| |
Este es el modelo que guardé. Cambié los valores de los parámetros a algo que podría ser de interés. Tomó un poco de trabajo porque están sucediendo muchas cosas aquí. Están ocurriendo muchas interacciones. |
| |
Tenemos algo de ruido al azar al final. Pero eso es todo lo que hice. Así que cambié algunos valores aquí. Hice las cosas con muchos ceros, solo para facilitar las cosas. |
| |
Si no es la primera fila o si no es un paciente nuevo. ¿Cómo incorporamos la correlación? Todo lo que hago es copiar ese modelo hasta aquí, agregó este término. |
| |
Solo algo de valor. Creo que tiene que ser menos de uno igual a uno veces la entrada anterior. |
| |
Si fuera auto regresivo, entonces agregaría algo como retraso. |
| |
Fórmula Sim para |
| |
Y habría que hacer otro ajuste donde saber si es la primera fila, tenemos nuestro modelo. Es la segunda fila o estaban dos lugares en el nuevo paciente. Podría parecer uno AR si es algo más a lo que volvamos |
| |
Entonces, como puede ver, es muy fácil incorporar estructuras de correlación automática, siempre que sepa cómo se ve su modelo, debería ser fácil implementarlo como una fórmula de simulación. |
| |
Bueno. |
| caleb rey |
Te dejaré mirar eso muy rápido. |
| |
Finalmente, |
| |
Nuestro escenario final es una respuesta de paso fallido, que también es muy común. Voy a usar esto para ilustrar cómo puede usar Simular con un solo clic para tal vez cambiar la opinión de las personas sobre cómo ejecutan ciertos tipos de diseños y mostrarle cuán poderoso puede ser esto. |
| |
Sin intención |
| |
Digamos que tenemos un sistema de detección que estamos creando para detectar sustancias radiactivas. Así que vamos a compararlo con otro sistema que tal vez ya esté disponible en el campo. |
| |
Así que vamos a comparar estos dos sistemas de detección, hemos seleccionado una cierta cantidad de material y algunos objetos de prueba, que van desde concentraciones muy bajas en uno hasta una concentración de cinco muy alta y vamos a probar |
| |
Nuestros sistemas repetidamente en cada concentración, un cierto número de veces y ver cuántas veces se alarma con éxito. |
| |
Voy a abrir estos dos |
| |
Comencemos con este. Entonces, esto representa un diseño típico, es posible que vea que tenemos un número equilibrado de muestras para cada configuración. En este caso, tenemos muchas muestras. Son muy afortunados de que este lugar sea tan |
| |
Digamos que vamos a hacer 32 pruebas de equilibrio en cada ejecución y estas son, esta es una respuesta simulada. Está bien, digamos. Y luego aquí he creado mi fórmula de simulación. |
| |
Así que te mostraré cómo se ve eso. De nuevo, binomio aleatorio. Son todos iguales. Así que mantuve el número aquí, pero podría haber hecho referencia a las alarmas en la columna de pruebas derivadas de un indie consistente, pero está bien. |
| |
Aquí está mi modelo que tal vez me interese |
| |
Bueno. |
| |
Y aquí. |
| |
Tengo un escenario en el que, en lugar de un número equilibrado y cada configuración, he puesto la mayoría de mis muestras aquí en el medio |
| |
Mi razonamiento podría ser que lo hará si se trata de una baja concentración. Apenas espero que lo atrape. Tengo expectativas razonables. |
| |
Y si es una concentración alta, casi siempre debería atraparlo. Entonces, donde la diferencia es más importante para mí es en el medio, tal vez en tres o cuatro concentraciones. |
| |
Y ahí es donde voy a cargar. La mayoría de mis muestras, y luego pondré algunas más aquí. Pero luego ponga la menor cantidad en estas otras configuraciones. Veamos cómo cada uno de estos planes de prueba para las formas en términos de potencia. |
| |
Así que ejecute el script del modelo binomial aquí que ejecutará el modelo binomial. Solo hay un efecto de modelo aquí, el sistema. No ponemos concentración porque sabemos que hay un efecto aquí. Esto es lo que nos interesa. |
| |
Genera binomios. |
| |
Ejecútalo bien de nuevo en el menú del triángulo rojo. |
| |
Ya tengo mi fórmula de simulación. |
| |
Así que en realidad no necesito hacer eso. |
| |
Entonces ya creaste un patrón. |
| |
Haga clic con el botón derecho en Simular. Bien, todo se ve bien allí. |
| |
Mi próxima semilla aleatoria favorita. |
| |
Aquí estamos análisis de poder. Bien, ahora vamos a ir aquí. |
| |
Hacer la misma cosa. Voy a ajustar el modelo y otra vez cuando tenga un binomio. Tienes que poner no solo cuántas veces alarma, sino de cuántas pruebas. |
| |
Ejecute desplácese hacia abajo en las pruebas de efectos, baje. |
| |
En primaria para tener una pista de lo que va a pasar. |
| |
Rápido. Bueno. |
| |
Aquí están mis simulaciones, traiga mis paralelos aquí, minimice minimice. Así que esto es lo que obtienes bajo el diseño del equilibrio. |
| |
Tenga en cuenta que tenemos muy poca potencia, lo que parece extraño porque teníamos 32 en cada ejecución. Quiero decir, son muchas muestras, habría matado por tantas muestras donde trabajé anteriormente |
| |
Entonces, esperaría mucho poder, pero no parece haberlo mientras que aquí. Tuve el mismo número total de muestras. Simplemente los asigné de manera diferente. |
| |
Y mi nivel de poder ha subido dramáticamente. Tal vez si apilo aún más aquí. Tal vez si hiciera cuatro y cuatro y luego editara para cada uno de estos |
| |
Podría obtener aún más potencia para detectar esta diferencia. Entonces, esto no solo muestra que sabe que no siempre es solo cambiar el tamaño de su muestra, es posible que no siempre necesite más muestras en este caso, tenía muchas muestras para empezar. Pero la forma en que los asigna también es importante para |
| |
Bueno. |
| |
Entonces, |
| |
Espero que estés tan emocionado como yo descubrí esta increíble herramienta para calcular la potencia. |
| |
Me gustaría dejarles algunas conclusiones clave. |
| |
Entonces, de nuevo, usamos la simulación. Ahora, idealmente, ya sabes, nos gusta una fórmula. Entonces, y en los casos civiles, obtenemos la ventaja de una fórmula simple y agradable. |
| |
Incluso con los modelos de regresión, tenemos fórmulas para ayudar debajo, debajo del capó. Pero claro, y el mundo real. Las cosas son un poco más complejas. Y, por lo general, tenemos que confiar en la simulación, que puede ser una herramienta muy poderosa, como hemos visto, |
| |
Ahora, por supuesto, una de las cosas clave que tenemos que hacer con la simulación es equilibrar la precisión con la eficiencia. normalmente corría 100 |
| |
Principalmente porque, ya sabes, para ahorrar tiempo. |
| |
Pero, en última instancia, sepa que tal vez podría quedarse con el valor predeterminado de 2500 sabiendo que llevará algún tiempo ejecutarlo. |
| |
Entonces, lo que podría recomendar es, ya sabes, tal vez comenzar con 100 200 simulaciones al principio, solo para dar una idea de lo que está sucediendo. Y luego, si encuentras una situación |
| |
Donde se parece. No, vale la pena investigar más y aumentar la cantidad de muestras, para que pueda aumentar su precisión. |
| |
De acuerdo, tal vez comience con un par de situaciones diferentes, ejecute algunas simulaciones rápidas y luego reduzca a algunos escenarios clave de configuración clave y luego puede aumentar la cantidad de simulaciones para obtener una mayor precisión. |
| |
Siempre argumento cálculos de potencia, al igual que el diseño de experimentos nunca es uno y está hecho. |
| |
No debe simplemente ir a una calculadora, ingresar algunos números y regresar con un tamaño de muestra. Hay muchas cosas que pueden suceder en el diseño. |
| |
O qué puede pasar eso en un experimento. Y creo que la mejor manera de planificar un experimento es tratar de dar cuenta de diferentes escenarios. Así que explore diferentes niveles de ruido. |
| |
En tu respuesta. Entonces, tal vez los efectos mixtos jueguen con diferentes tamaños de efectos mixtos. |
| |
Por supuesto, puede explorar diferentes tamaños de muestra, pero también puede explorar diferentes tipos de modelos. Así por ejemplo, en el centro universal en caso de que usemos el modelo wible lo haríamos si lo hubiésemos hecho mucho modelo normal. |
| |
Explore estos diferentes escenarios y sepa que presentarlos a los planificadores de pruebas le brinda una manera de jugar en su estudio para ser sólido en una variedad de entornos. |
| |
Así que nunca solo vayas a calcular y regreses, siempre presenta jugadores tensos con diferentes escenarios. Es el mismo proceso. uso cuando |
| |
Experimentos reales diseñados reales creados. Así que presentaría a los jugadores de prueba. Trabajé con diferentes opciones que pudieran saber explorarlo. Puede ser que elijan una opción o puede ser una combinación de opciones. Siempre debe hacer eso para que sus planes sean más sólidos. |
| |
Como digo, son |
| |
Está bien. Bueno, espero que hayas aprendido algo nuevo con esto. Si tiene alguna pregunta, puede comunicarse conmigo, probablemente le proporcionen mi dirección de correo electrónico. |
| |
Así que espero que hayan disfrutado esta charla y espero que disfruten el resto de la conferencia. Gracias. |
