Joseph G Ramírez, PhD, statisticien en chef, Quality Excellence Group, Amgen
Cet article a été élu l'un des trois finalistes pour le meilleur article de contribution.
Après l'analyse d'un plan d'expérience à réponses multiples, on peut se retrouver avec un grand nombre de modèles réduits qui sont fonction de plusieurs facteurs expérimentaux. Comment déterminer lesquels de ces modèles sont bons pour la prédiction ? Comment évaluer quels facteurs expérimentaux sont les plus importants dans toutes les réponses ? Le critère de Box-Wetz est une mesure utile de la qualité de la prédiction pour les modèles statistiques qui compare la variation moyenne d'une réponse à l'erreur d'estimation moyenne. La décomposition Sobol fournit des indices de sensibilité qui sont très utiles pour évaluer l'importance des facteurs expérimentaux à travers des réponses multiples. À l'aide d'exemples tirés de l'industrie de la biotechnologie, nous ferons la démonstration d'un script JMP qui calcule le critère de Box-Wetz pour un modèle donné et discuterons de son interprétation. Nous montrerons également comment les indices de sensibilité générés par le « Prediction Profiler > Assess Variable Importance » peuvent être utilisés pour hiérarchiser l'importance des facteurs expérimentaux dans plusieurs réponses.
