Alguien me dijo que necesitamos mantener la potencia >=80 % cuando evaluamos un DOE, pero ¿por qué la potencia es tan baja cuando usamos el diseño PB? Por ejemplo, la potencia es de alrededor de 0,27 si realizo 12 experimentos con 11 factores. ¿Puedo confiar en este diseño con tan poca potencia? Gracias.
Hola @JMPLearner_2022 ,
El poder es la capacidad de detectar efectos significativos si están efectivamente presentes.
Este 80 % es una regla general práctica para evaluar si su diseño de detección puede detectar los efectos principales de manera eficiente, pero tengamos en cuenta que el cálculo de la potencia depende no solo del diseño (y el tamaño de la muestra), sino también de la importancia. nivel (a menudo 0,05), tamaño de la diferencia a detectar y relación señal/ruido esperada (o RMSE) de la(s) respuesta(s).
Por lo tanto, si su RMSE anticipado es más bajo (la(s) respuesta(s) se mide(n) con mayor precisión y con una varianza más baja) y/o el tamaño de la diferencia que desea detectar es más alto, es posible que espere una mayor potencia para sus efectos.
Puede que no sea muy interesante considerar la potencia en el caso del diseño de optimización (diseños de mezcla, diseños de relleno de espacio...), porque su enfoque principal estará en la precisión de la predicción de la(s) respuesta(s), no en la precisión del cálculo de las estimaciones. Pero el poder es de interés primordial en el caso del diseño de detección, como en su caso.
Es difícil saber si podemos confiar en su diseño con esta información, ya que no solo depende del diseño en sí y sus expectativas (RMSE, nivel de significación, tamaño de diferencia a detectar, ...), sino también de qué factores desea evaluar. , cuáles espera ver una diferencia significativa y esperada para detectar... = experiencia en el dominio.
Tal vez una solución para usted sería intentar calcular diferentes diseños para comparar las fortalezas y debilidades de los diferentes diseños de cribado.
Mirando el diseño personalizado, si arreglo 12 experimentos para 11 factores continuos (número mínimo de ejecuciones requeridas), también encuentro un poder para los efectos principales cercano a 0,21 (por lo tanto, 21% de posibilidades de ver un efecto significativo si está presente). Pero si se aumenta el número de ejecuciones a 16 (recomendado por JMP, configuración "Default"), la potencia de los efectos principales aumenta hasta 0,84. Si el costo experimental no es demasiado, aumentar el tamaño de la muestra puede ayudarlo mucho a ganar más confianza en su capacidad de detección.
Espero que esto te ayudará,
