Error de respuesta DoE frente a lugares decimalesHola,
Actualmente estoy evaluando un estudio de DoE que hemos realizado para un cliente. El análisis de las respuestas se realiza en nuestro QC-Lab y los datos que obtenemos se redondean a un decimal. Las precisiones del método para los diferentes análisis son en el mejor de los casos + -0,1, pero los resultados del dispositivo se guardan originalmente con cuatro decimales. Ahora, estoy discutiendo con mi contraparte del cliente si deberíamos usar el valor redondeado que obtenemos de QC o todos los lugares decimales. Según tengo entendido, solo deberíamos usar los dígitos significativos dictados por el error del método y no todos los lugares decimales, ya que solo agregaría ruido a los datos sin información relevante. El cliente argumenta que, debido al redondeo, se subestima la varianza de la respuesta y que convierte la función de masa de probabilidad continua en una función discreta. En su opinión, esto puede llevar a un sobreajuste y en algunos casos crear efectos significativos que no están realmente en los datos.
¿Es este realmente el caso?
GAMARe: error de respuesta DoE frente a decimalesPara responder a su pregunta rápidamente, no es probable.
¿Todavía tienes las unidades experimentales? ¿Puedes repetir las medidas de ellos? Si es así, es posible que pueda reducir el error de medición promediando las medidas repetidas.
La primera pregunta que le haría al cliente es ¿cuál es la importancia práctica? ¿Qué valor práctico tiene un cambio en la respuesta? Si el significado práctico es <0,1, entonces su sistema de medición no es adecuado. Si es más del orden de> 1, entonces quizás su sistema de medición esté bien.
Si la discriminación efectiva del sistema de medición está en décimas, los números posteriores son números aleatorios. El problema con los problemas de discriminación del sistema de medición es que no sabemos si el sistema de medición está redondeando el valor "verdadero" hacia arriba o hacia abajo o de manera consistente. Así que los errores pueden estar subestimados o subestimados Si importa o no, depende de la importancia práctica.
