Ciao,
Attualmente sto valutando uno studio DoE che abbiamo fatto per un cliente. L'analisi delle risposte viene eseguita nel nostro laboratorio di controllo qualità e i dati che otteniamo vengono arrotondati alla prima cifra decimale. Le precisioni del metodo per le diverse analisi sono al massimo + -0,1, ma i risultati del dispositivo sono originariamente salvati con quattro cifre decimali. Ora, sto discutendo con la mia controparte presso il cliente se dovremmo o meno utilizzare il valore arrotondato ottenuto da QC o tutte le cifre decimali. A quanto mi risulta, dovremmo usare solo le cifre significative dettate dall'errore del metodo e non tutte le cifre decimali in quanto aggiungerebbe solo rumore ai dati senza alcuna informazione rilevante. Il cliente sostiene che a causa dell'arrotondamento la varianza della risposta è sottostimata e che trasforma la funzione di massa di probabilità continua in una funzione discreta. A suo parere, questo può portare a un overfitting e in alcuni casi creare effetti significativi che non sono realmente nei dati.
È davvero così?
Per rispondere rapidamente alla tua domanda, non probabile.
Hai ancora le unità sperimentali? Puoi ripetere le misurazioni di loro? In tal caso potresti essere in grado di ridurre l'errore di misurazione facendo la media delle misure ripetute.
La prima domanda che vorrei porre al cliente è qual è il significato pratico? Quanto ha un valore pratico un cambiamento nella risposta? Se il significato pratico è <0,1, il sistema di misurazione non è adeguato. Se è più dell'ordine di> 1, forse il tuo sistema di misurazione è OK.
Se l'effettiva discriminazione del sistema di misurazione è al decimo posto, i numeri successivi sono solo numeri casuali. Il problema con i problemi di discriminazione del sistema di misurazione è che non sappiamo se il sistema di misurazione sta arrotondando il valore "vero" verso l'alto o verso il basso o in modo coerente. Quindi gli errori possono essere sopra o sotto stimati. Se è importante dipende dal significato pratico.
