Estoy tratando de optimizar la robustez de un ensayo y, por lo tanto, me gustaría usar el generador de perfiles de predicción para modelar la variabilidad en mis factores. Me gustaría modelar los factores como variables continuas y tener la opción de usar una distribución normal.
Sin embargo, cuando diseñé el DoE usando un diseño personalizado, quería establecer los factores en números discretos (en lugar de continuos) para poder establecer los valores de los factores para probar. Esto se debe a que uno de los factores es la concentración de un fármaco y establecer los factores en continuo genera ejecuciones que establecen los valores de la concentración en valores más duros (por ejemplo, establecer el factor de concentración en continuo genera ejecuciones con valores de 72 nM. Mi solución estándar es 128 nM, por lo que un valor de 64 nM sería mucho más fácil de probar y exploraría un lugar similar en el espacio de diseño).
Por lo tanto, diseñé el DoE utilizando variables numéricas discretas y luego, al analizar los datos, cambié los valores a continuos.
Sin embargo, cuando llego al generador de perfiles de predicción en JMP17, cuando selecciono Aleatorio, me da los 5 niveles diferentes que usé al crear las probabilidades asociadas de las variables numéricas discretas para establecer en lugar de una distribución normal.
¿Qué puedo hacer para poder modelar la variación en los factores como una distribución normal para optimizar la robustez?
