Qualcuno mi ha detto che dobbiamo mantenere la potenza >=80% quando si valuta un DOE, ma perché la potenza è così bassa quando si utilizza il design PB? Ad esempio, la potenza è di circa 0,27 se eseguo 12 esperimenti con 11 fattori. Posso fidarmi di questo design con una potenza così bassa? Grazie.
Ciao @JMPLearner_2022 ,
Il potere è la capacità di rilevare effetti significativi se sono effettivamente presenti.
Questo 80% è una regola pratica per valutare se il tuo progetto di schermatura può essere in grado di rilevare gli effetti principali in modo efficiente, ma tieni presente che il calcolo della potenza dipende non solo dal progetto (e dalla sua dimensione del campione), ma anche dal significato livello (spesso 0,05), dimensione della differenza da rilevare e rapporto segnale/rumore previsto (o RMSE) della/e risposta/e.
Quindi, se il tuo RMSE previsto è inferiore (le risposte sono/vengono misurate in modo più preciso e con una varianza inferiore) e/o la dimensione della differenza che desideri rilevare è maggiore, potresti aspettarti una potenza maggiore per i tuoi effetti.
La potenza potrebbe non essere molto interessante da considerare in caso di progettazione di ottimizzazione (progetti di miscele, progetti di riempimento dello spazio...), perché il loro obiettivo principale sarà la precisione della previsione delle risposte, non la stima della precisione dei calcoli. Ma il potere è di primario interesse in caso di progettazione dello screening, come nel tuo caso.
Difficile dire se possiamo fidarci del tuo design con queste informazioni, poiché dipende non solo dal design stesso e dalle sue aspettative (RMSE, livello di significatività, dimensione della differenza da rilevare, ...), ma anche da quali fattori vuoi esaminare , quali ti aspetti di rilevare differenze significative e attese... = competenza di dominio.
Forse una soluzione per te sarebbe provare a calcolare diversi design, al fine di confrontare i punti di forza e di debolezza dei diversi design di screening.
Guardando il Custom Design, se aggiusto 12 esperimenti per 11 fattori continui (numero minimo di esecuzioni richieste), trovo anche potenza per effetti principali vicina a 0,21 (quindi 21% di possibilità di vedere un effetto significativo se presente). Ma se si aumenta il numero di esecuzioni a 16 (consigliato da JMP, impostazione "Predefinita"), la potenza per gli effetti principali aumenta fino a 0,84. Se il costo sperimentale non è eccessivo, aumentare la dimensione del campione può aiutarti molto ad acquisire maggiore fiducia nella tua capacità di screening.
Spero che questo ti aiuterà,
