¿Diseño de cribado factorial del experimento con respuesta nominal?Hola a todos,
Me preguntaba si hay una buena estrategia para diseñar un conjunto de experimentos para encontrar los factores con mayor efecto en la respuesta, que es nominal (sí/no, tipo de respuesta pasa/falla) en lugar de la típica respuesta continua. Si bien para la respuesta nominal se puede realizar una regresión logística con los datos disponibles, dudo que el diseño factorial/factorial fraccionado habitual aún funcione en este caso (ya que están destinados a una respuesta continua). ¿Cuál sería un enfoque adecuado en este caso? Amablemente indíqueme cualquier término/teoría relevante si se le ocurre algo.
Gracias por adelantado.
GAMARe: ¿Diseño de cribado factorial del experimento con respuesta nominal?No hay absolutamente ninguna razón a priori por la que una respuesta nominal excluya o convierta la práctica sólida del diseño experimental en un camino poco sólido hacia el descubrimiento. Se siguen aplicando todos los principios de los métodos sólidos del DOE. Como ingeniero sénior de sistemas de JMP (ahora jubilado), llamé a numerosas empresas de productos de consumo que utilizan el DOE como elemento vital de sus esfuerzos de diseño de productos. Muy a menudo usarían paneles sensoriales de evaluadores de productos y casi universalmente los individuos que se sientan en estos paneles proporcionan datos de respuesta de tipo nominal para los diseños experimentales específicos que se han ejecutado. De hecho, dependiendo del problema específico en cuestión, es posible que encuentre uno de los diseños más especializados que suponen respuestas nominales admitidas por JMP, como Choice, Max Dif o Covering Arrays. Pero no hay ninguna razón por la que un buen factorial fraccionado pasado de moda o un diseño más moderno, como un diseño d-óptimo, no pueda o no deba usarse con fines de detección.
