J'essaie d'optimiser un test de robustesse et j'aimerais donc utiliser le profileur de prédiction pour modéliser la variabilité de mes facteurs. Je voudrais modéliser les facteurs en tant que variables continues et avoir la possibilité d'utiliser une distribution normale.
Cependant, lors de la conception du DoE à l'aide d'une conception personnalisée, je voulais définir les facteurs sur numérique discret (plutôt que continu) afin de pouvoir définir les valeurs de facteur à tester. En effet, l'un des facteurs est la concentration d'un médicament et le fait de définir les facteurs sur continu génère des cycles qui définissent les valeurs de la concentration sur des valeurs plus difficiles à générer (par exemple, le réglage du facteur de concentration sur continu génère des cycles avec des valeurs de 72 nM. Ma solution mère est de 128 nM, donc une valeur de 64 nM serait beaucoup plus facile à tester et explorerait un endroit similaire dans l'espace de conception).
J'ai donc conçu le DoE en utilisant des variables numériques discrètes, puis lors de l'analyse des données, j'ai changé les valeurs en continu.
Cependant, lorsque j'arrive au profileur de prédiction dans JMP17, lorsque je sélectionne Aléatoire - cela me donne les 5 niveaux différents que j'ai utilisés lors de la création des probabilités associées aux variables numériques discrètes à définir plutôt qu'une distribution normale.
Que puis-je faire pour pouvoir modéliser la variation des facteurs sous la forme d'une distribution normale afin d'optimiser la robustesse ?
