| Oratore |
Trascrizione |
| Caleb King |
Ciao, mi chiamo Caleb King. Sono uno sviluppatore statistico di ricerca qui presso JMP, nel gruppo di progettazione degli esperimenti. |
| |
Oggi vi parlerò di come potete usare JMP per calcolare la potenza in scenari di modellazione complessi. Quindi, ricapitolando brevemente, la potenza è la probabilità di rilevare una differenza scientificamente significativa che ritenete esista nella popolazione. |
| |
Ed è la probabilità di rilevarlo data la quantità attuale di dati che hai campionato da quella popolazione. |
| |
Ora, la maggior parte delle persone, quando esegue un calcolo di potenza, di solito lo fa per determinare la dimensione del campione per il loro studio, lì, ovviamente, è un diretto |
| |
Pareggio tra i due. Più campioni hai, maggiori sono le possibilità di rilevare quella differenza scientificamente significativa. |
| |
Naturalmente, ci sono altri fattori che incidono su questo. C'è il modello che si sta utilizzando, ovvero il tipo di distribuzione della risposta. |
| |
E poi, ovviamente, c'è anche la quantità di rumore e incertezza presente nella popolazione, ma nella maggior parte dei casi le persone usano la potenza come parametro per determinare la dimensione del campione. Ora, direi che ci sono più o meno tre fasi. |
| |
di calcolo della potenza e tutti questi sono affrontati in JMP, soprattutto se si dispone di JMP Pro, che è quello che userò qui. |
| |
La prima fase riguarda alcune di quelle situazioni di modellazione più semplici, per le quali andiamo nel menu DOE, sotto "Diagnostica di progettazione". Abbiamo i calcolatori di dimensione del campione e potenza. |
| |
E questi coprono un'ampia gamma di scenari molto semplici. Quindi, se si stanno testando una o due medie campionarie, magari con un'impostazione di tipo ANOVA con medie multiple, |
| |
Proporzioni, deviazioni standard. La maggior parte di queste sono le cose a cui si pensa quando si pensa ai calcoli di potenza. Quindi, naturalmente, si procede e si specifica di nuovo il rumore, |
| |
tassi di errore, ci sono parametri, quale differenza sto cercando di rilevare e, diciamo, se sto cercando di calcolare una certa potenza, posso ottenere la dimensione del campione. |
| |
Oppure, se voglio approfondire un po', posso lasciare entrambi vuoti. Ottengo una curva di potenza. Ora, naturalmente, questi sono ancora una volta i tuoi scenari più semplici. La fase successiva, direi, è ciò che potrebbe essere coperto da un modello lineare più generale, quindi esci da |
| |
In tal caso, possiamo andare qui, nel menu completo di progettazione personalizzata. |
| |
Metterò il mio numero preferito di effetti. |
| |
Farò clic su Continua. |
| |
E lascerò tutto qui. |
| |
Quindi realizzeremo il progetto. |
| |
A questo punto posso effettuare un'analisi di potenza basata sui coefficienti previsti nel modello. Quindi, in questo caso, potrei dire: "Per questo particolare progetto ho meno di 12 esecuzioni". Ho circa l'80% di potenza per rilevare questo coefficiente. Se stessi cercando di rilevare qualcosa di un po' più piccolo, diciamo". |
| |
Potrei cambiare quel valore e applicare le modifiche, ovviamente. Vedi, non ho così tanta potenza. Quindi, se è davvero quello che sto cercando, potrei apportare qualche modifica. Forse dovrei tornare indietro e aumentare la dimensione della tiratura. |
| |
Quindi, queste sono le due impostazioni più comuni in cui potremmo effettuare un calcolo della potenza, ma ovviamente la vita non è così semplice, potresti imbatterti in impostazioni più complesse, potresti avere fattori di effetti misti e potresti imbatterti in uno studio longitudinale per il quale devi calcolare la potenza. |
| |
Potresti imbatterti in impostazioni in cui la tua risposta non è più una normale variabile casuale, potresti avere dati di conteggio, potresti avere una risposta binaria. Potresti persino avere una sorta di risposta di tipo 0/1 limitato. Quindi una risposta di tipo percentuale. |
| |
Quindi, cosa si può fare se non si riesce ad accedere ai semplici calcolatori di potenza e forse il menu DOE potrebbe essere troppo complesso anche solo per eseguire un'analisi di potenza? JMP Pro è qui per aiutarvi e include uno strumento che chiamiamo simulazione con un clic. |
| |
Quindi l'idea è questa: simuleremo i dati attraverso un approccio di simulazione Monte Carlo per provare a stimare la potenza che puoi ottenere per le tue impostazioni specifiche. |
| |
Ed è piuttosto semplice. Potrebbe esserci un po' di lavoro iniziale da fare, almeno a seconda della piattaforma di modellazione. |
| |
Ma una volta capito, è piuttosto semplice da fare. |
| |
E devo dire che questa è una cosa che non sapevo nemmeno che JMP potesse fare finché non ho iniziato a lavorare qui. Quindi, sono felice di condividere con voi ciò che ho scoperto. |
| |
Bene, inizieremo con una sorta di estensione più semplice del modello lineare standard, in cui incorporiamo alcuni effetti misti. Okay. |
| |
Quindi, per cominciare, abbiamo un'azienda che sta cercando di migliorare la resa di proteine protoniche per le colture cellulari. Non protoni, ma proteine. |
| |
temperatura, tempo, pH. Abbiamo anche alcuni fattori di miscela. |
| |
Acqua e due fattori di crescita. Ora, a questo punto, se ci fermassimo qui, probabilmente potremmo ancora utilizzare il calcolatore di potenza disponibile nella piattaforma di progettazione personalizzata. |
| |
Il punto in cui iniziamo a discostarci è quando introduciamo alcuni fattori di effetto casuale: abbiamo tre tecnici, Bob, Di e Stan, che sono rappresentativi dell'intero campione di tecnici. |
| |
E useranno almeno uno dei tre lotti di siero, che è ancora una volta una rappresentazione di tutti i lotti di siero che potrebbero usare, a meno che non li trattiamo come effetti casuali. |
| |
Abbiamo anche un effetto di blocco casuale. In questo caso, il test verrà condotto nell'arco di due giorni. Quindi vi mostrerò come possiamo usare la simulazione con un clic e JMP Pro per calcolare la potenza in questo caso. Cliccate per aprire il progetto. |
| |
Ecco il design che ho creato, lasciatemi espandere la finestra qui così posso vedere tutto. Questo potrebbe rappresentare ciò che si ottiene in genere una volta creato il design. |
| |
Ancora, |
| |
A questo punto, avresti potuto cliccare su "Simula risposta" per simulare alcune delle risposte. Ma anche se non l'avessi fatto, va comunque bene. |
| |
Un trucco che puoi usare facilmente per replicare questo risultato è semplicemente creare una nuova colonna. Non ci preoccuperemo di rinominarla in questa fase, creeremo solo una semplice formula. |
| |
Vai qui sul lato sinistro. Fai clic su casuale casuale normale |
| |
Lascia tutto come predefinito e clicca su Applica. Ok. |
| |
E abbiamo dei dati di rumore casuale. Dei dati di risposta simulati. Bene. |
| |
A questo punto clicco con il tasto destro del mouse e copio |
| |
E fai clic con il tasto destro del mouse su Incolla per ottenere la mia colonna di risposta. |
| |
Ora tutto ciò di cui ho bisogno è una risposta. Quindi, un semplice rumore casuale andrà bene. Non stiamo ancora cercando di analizzare alcun dato. Quello che vogliamo è |
| |
Utilizziamo la piattaforma Fit Model per creare un modello che poi utilizzeremo per creare la formula di simulazione. Per farlo, ci baseremo su un modello. Ora ho fatto un po' di lavoro mentale. |
| |
Quindi, ho già creato il modello qui. E solo per mostrarvi come l'ho fatto, lo inserisco qui sotto, sotto "Analisi di riavvio" e "Ripristina". |
| |
Quindi, qui vedete che ho la mia risposta proteica, i miei effetti fissi. Ho anche alcuni effetti casuali. |
| |
Ho fatto tutto e lì tutto è abbastanza standard. |
| |
Ora vedi che ci sono molte cose da fare qui. Non dobbiamo prestare attenzione a nulla di tutto questo. Siamo solo interessati a creare un modello. A questo punto, il modo per farlo è andare qui, sotto il menu a forma di triangolo rosso. |
| |
Andrà sotto le colonne salvate. Ora dobbiamo fare attenzione a quale colonna selezioniamo. Se seleziono la formula di previsione, potresti essere tentato di farlo. Va bene. Ma non ci porta fino in fondo, come vedrai. |
| |
Se entro nella formula, questa è la formula di previsione della media. Non c'è nulla riguardo agli effetti casuali qui. Quindi questa non è la colonna che voglio. Non è completa e non contiene tutto ciò di cui ho bisogno. Devo tornare indietro. |
| |
Vai di nuovo su "Salva colonne" e scorri verso il basso fino alla formula predittiva condizionale e nota dalla guida in alto che include le stime degli effetti casuali, che è quella che desidero. |
| |
Ora, potresti trovarti in un caso in cui non vuoi realmente calcolare la potenza per gli effetti casuali. Vuoi farlo solo per il modello medio, nel qual caso |
| |
Avresti potuto facilmente tornare alla piattaforma di progettazione personalizzata e procedere in questo modo. Facciamo finta che anche a noi interessino quegli effetti casuali. |
| |
Ora abbiamo salvato la loro formula predittiva condizionale. |
| |
Di nuovo, entriamo e diamo un'occhiata alla formula. |
| |
E qui potete vedere che abbiamo degli effetti casuali. Ora dobbiamo apportare qualche modifica per ottenere la simulazione che desideriamo. Quindi faccio doppio clic qui. |
| |
Mi porta nella formattazione del linguaggio di scripting JMP. |
| |
Ora, per prima cosa apporterò alcune modifiche agli effetti principali. E sceglierò solo alcuni valori. Vediamo. Usiamo 0,5 per la temperatura. |
| |
0,1 per il tempo. |
| |
E per il pH, mettiamo 1,2 un po' più alto. |
| |
Per l'acqua, andrò ancora più in alto. Quindi, questi potrebbero avere un coefficiente maggiore. Quindi, per l'acqua, farò 85. |
| |
Farò 90 |
| |
Per la crescita prima il fattore di crescita. E facciamo 50 |
| |
Anche il fattore di crescita. Okay. |
| |
Bene, ho apportato le mie modifiche alla parte principale del modello della media. Ora, di nuovo, questi sono parametri che ritieni scientificamente importanti. |
| |
Ora per gli effetti casuali. Potresti essere tentato di sostituirlo con qualcosa del genere. Okay. Dovrebbe essere un effetto casuale. Quindi metterò qui una normale casuale. |
| |
E in un certo senso sembra giusto, ma non esattamente. Il motivo è che questa formula viene valutata riga per riga, e quello che succederà è la prima volta che incontrerete un tecnico di nome Jill. |
| |
Qui simulerai un valore casuale e otterrai un valore per la valutazione di quella formula, ma la prossima volta andrai in prigione. Qui ho scritto sei. |
| |
Ciò simulerà un valore diverso, che vanifica lo scopo di un effetto casuale. Gli effetti casuali dovrebbero mantenere lo stesso valore ogni volta. Appare Jill |
| |
Che assumerà l'effetto di qualcosa di simile a un errore casuale, che colgo l'occasione per evidenziare qui: è un valore che vogliamo modificare a ogni riga. Quindi, come possiamo superare questo problema? |
| |
Te lo dico perché alla fine ho fatto proprio questo la prima volta che ho presentato questa cosa un po' imbarazzante. |
| |
E per fortuna, il mio collega è arrivato. Dopo, mi ha mostrato un trucco per inserire correttamente l'effetto casuale. Ed ecco il trucco. |
| |
Andiamo in alto e digitiamo if row. |
| |
Uguale a uno |
| |
Creerò una variabile e la chiamerò tech Jill. |
| |
E ora ecco dove lo metto |
| |
Questo trucco sostituirà questa normale casuale con la tecnologia Jill. |
| |
Ciò che farà è che se è la prima riga simuliamo una variabile casuale e le assegniamo all'interno del valore di questo parametro quella variabile a quel valore. |
| |
Nella prima riga, non simuliamo di nuovo, il che significa che la tech Jill mantiene il valore inizialmente assegnato e manterrà ogni posto in cui lo inseriamo |
| |
Quindi faremo lo stesso. |
| |
Per Bob |
| |
Come puoi vedere, questo realizzerà il compito dell'effetto casuale. |
| |
METTI BOB qui, per Stan le cose sono un po' più semplici. Non dobbiamo simulare per lui perché gli effetti casuali dovrebbero sommarsi a zero nel modello. |
| |
E così facciamo. |
| |
Noi facciamo in modo che sia il lato opposto. |
| |
Di alcuni degli altri effetti. |
| |
Fai la stessa cosa qui per il lotto di siero uno |
| |
Adesso, per questa volta, farò un po' più di rumore. |
| |
Diciamo che c'è un po' più di rumore nel |
| |
Lotti di siero |
| |
E il vantaggio di questo approccio è che puoi sperimentare diversi scenari. |
| |
Inserisci qui questi valori. |
| |
Va bene. |
| Caleb King |
E ancora, questo. |
| |
Alcuni degli altri. E prima di aggiungere l'altro, lo aggiungo qui, così è più facile, fin dal primo giorno. |
| |
Primo giorno negativo. |
| |
E aggiungerò qui il suo effetto casuale e dirò che è un effetto casuale. |
| |
So scrivere |
| |
È un po' più piccolo. |
| |
Bene, a questo punto dovremmo avere la nostra formula di simulazione completa. Se clicco su OK, torno alla vista dell'Editor di formule. |
| |
Dovremmo essere pronti a partire. |
| |
Bene, ecco la nostra formula di simulazione. |
| |
Ora, cosa facciamo ora? Torniamo al nostro modello di adattamento. |
| |
E andremo nell'area in cui vogliamo simulare la potenza |
| |
Qui andrò nella sezione "Test degli effetti fissi". Andrò a questa colonna: il valore p. In questo caso, la simulazione originale con rumore non ci ha fornito alcun valore p. Va bene. Non ci interessa. |
| |
Ci serviva solo per generare il modello, che poi abbiamo trasformato in una formula di simulazione. Ora clicco con il tasto destro del mouse sotto questa colonna. Ora ricorda, questo funziona solo se hai JMPed Pro. |
| |
E qui in fondo c'è la voce "simula". Quindi clicchiamoci sopra. |
| |
Ci chiederà quale colonna sostituire. Quindi, per impostazione predefinita, seleziona la colonna di risposta e poi esaminerà tutte le colonne della formula di simulazione per trovare la posizione. Vogliamo sostituire questa perché contiene il nostro modello di simulazione. |
| |
digli quanti campioni e di farne 100 |
| |
Gli darò il mio seme preferito a caso. |
| |
E clicco su OK. |
| |
Aspetta, circa un secondo o due. |
| |
Ed eccoci qui. |
| |
Quindi viene generata una tabella contenente la risposta del simulatore. Adatta il modello. |
| |
E riporta i valori P. Ora, ci sono alcuni casi in cui non ci sono valori P, quindi ci troviamo in una situazione in cui gran parte di ciò che è iniziato è normale, e va bene così. Questo accade nella simulazione, purché abbiamo un numero sufficiente per ottenere una stima. |
| |
Ora, la cosa bella è che JMPed ha visto che stavamo simulando i valori P. Quindi è fatta. Scommetto che stai vincendo per fare un'analisi di potenza e ci ha felicemente fornito uno script per farlo. Quindi grazie JMP. |
| |
Lo eseguiamo e vedrete che assomiglia molto alla piattaforma di distribuzione. Quindi ha eseguito una distribuzione di ciascuna di quelle righe, o meglio, colonne, ma con una funzionalità aggiuntiva: una nuova tabella che mostra la potenza simulata, perché la simuliamo. |
| |
Possiamo leggere questi dati in ufficio, come se la potenza stimata non fosse 100, se fosse un altro numero, e poi possiamo guardare il tasso di rifiuto. Quindi vediamo qui per i nostri tre fattori di miscela. Sembra che abbiamo una potenza piuttosto buona, dato tutto quello che abbiamo. |
| |
Per rilevare quei coefficienti particolari. Se passiamo agli altri tre fattori, le cose non sembrano così buone. |
| |
Quindi, dovremmo tornare indietro e dire, okay, |
| |
Forse torneremo indietro e vedremo qual è il valore massimo che posso rilevare, quindi minimizzerò questi |
| |
minimizza la tabella. Tornerò alla mia formula e dirò: facciamo una cosa diversa |
| |
Fai qualcosa di diverso qui. |
| |
E se cambiassi questo? Quindi questo era punto cinque, forse so cosa succederebbe se fosse più alto di circa uno |
| |
Per il momento. Vediamo, facciamolo anche noi |
| |
E quattro pH. Ora vado a tre. Quindi alzo un po' le cose. Quindi, sai, beh, ehi, posso rilevare questo? |
| |
Manterremo tutto il resto uguale perché sappiamo che possiamo rilevarli, sembra che cliccando su Applica ok si sia generato un nuovo ritorno |
| |
Di nuovo, la stessa cosa. Fai clic con il pulsante destro del mouse sotto la colonna che vuoi simulare, la simulazione rapida cambierà in |
| |
Dato un certo numero di campioni. Quindi attaccatelo |
| |
Stesso seme. |
| |
E andremo |
| |
Basta attendere qualche secondo affinché la simulazione venga completata. |
| |
Eccoci qui. |
| |
E ripeteremo la nostra analisi di potenza. |
| |
Sembra che sia lo stesso qui. Non abbiamo cambiato nulla lì. Quindi, in effetti, unirò questi gruppi. Un po' troppo. Eccoci qui. Nascondiamo questi tre |
| |
Diamo un'occhiata a questi. Sembra che abbiamo ottenuto risultati migliori per quanto riguarda il pH, quindi il valore di uno potrebbe essere l'intervallo superiore di ciò che possiamo rilevare data la dimensione del campione. |
| |
Ma per quanto riguarda la temperatura nel tempo, sembra che non riusciamo ancora a rilevarla, nemmeno con valori così alti. Quindi, ok. Cos'altro potremmo cambiare? E se raddoppiassimo il numero di campioni? Voglio dire, siamo... |
| |
Calcoliamo questo per una dimensione del campione. Torniamo indietro e vediamo un modo per farlo. Possiamo andare su "Do We", possiamo cliccare su "Augment Design". |
| |
selezionerà tutti i nostri fattori. |
| |
Seleziona la nostra risposta. |
| |
Fare clic su OK. |
| |
Ci limiteremo ad ampliare il design. |
| |
E questa volta lo raddoppieremo, sarà 24 |
| |
Quindi realizzerò il progetto. |
| |
E ci vorrà un po' di tempo. Quindi in realtà lo farò |
| |
Un po' presto. |
| |
E vediamo, prepariamo il tavolo. |
| |
Ok, quindi ora abbiamo raddoppiato il numero di corse |
| |
E |
| |
Quindi ci ha dato solo metà delle risposte. Va bene. Dato che ci serve solo una risposta, prendo questo e lo copio. |
| |
E incolla |
| |
Naturalmente nella vita reale. Non vorresti farlo perché si spera di ottenere risposte diverse. Ma ancora una volta, abbiamo solo bisogno di rumore, risposta rumorosa, andiamo al modello. Ora, questa volta, dobbiamo sistemare un po' le cose. Seleziono questi tre, vai qui sotto gli attributi, diciamo che ci sono effetti casuali. |
| |
Mantieni tutto invariato. Fai clic su Esegui. |
| |
Noterò che non ho ancora la mia formula di simulazione, ma invece di doverla ricostruire, posso creare una nuova colonna e tornare a quella vecchia. |
| |
Fare clic con il pulsante destro del mouse su Copia proprietà colonna. |
| |
Torna indietro, fai clic con il pulsante destro del mouse su Incolla, copia la colonna e la mia formula è pronta per essere utilizzata. Quindi, diciamo, cosa succederebbe se lo facessimo in questa situazione e mantenessimo i valori che avevamo inizialmente? |
| |
Quindi torno indietro. Faccio doppio clic per aprire la finestra del modello di adattamento. |
| |
Vai sotto i test ad effetto fisso, fai clic con il tasto destro del mouse lì probabilmente sei d'accordo con il valore p simula e |
| |
Non cambierò questo, perché c'era solo una simulazione per noi, quella che volevo e ha trovato la risposta giusta. |
| |
Quindi cambierò solo questi |
| |
Vediamo cosa succede in questo caso. |
| |
Bene. |
| |
Esegui l'analisi della potenza. Ora, di nuovo, non mi preoccuperò di queste cose |
| |
Effetti di miscelazione perché, come puoi vedere, siamo appena migliorati rispetto a quello che avevamo inizialmente, che era già buono. Quindi li nasconderò di nuovo. |
| |
Quindi possiamo vedere più facilmente chi era interessato a questo caso pH. Sapevamo che probabilmente avremmo fatto meglio perché, anche con le vecchie 12 corse, avevamo una potenza piuttosto buona. |
| |
Sembra che nel tempo abbiamo decisamente migliorato la temperatura. Quindi, se questo rappresenta in un certo senso il limite superiore delle dimensioni dell'effetto, forse saremmo interessati a un limite superiore inferiore, e questo sembra indicare che raddoppiare la dimensione del campione potrebbe aiutare. |
| |
Quindi questi sono esempi di come possiamo usare l'uno. Prima di tutto, come eseguire la simulazione con un clic |
| |
E poi come possiamo usarlo per calcolare la potenza e incoraggiarti a fare qualcosa. Lo facevo spesso prima di arrivare a JMP, ovvero dare alle persone delle opzioni, esplorare le proprie opzioni. Durante la fase di analisi, la dimensione del campione sembrava aiutare con la temperatura e il tempo. |
| |
Cambiando ciò che stai cercando, sembra che aiuti con il pH con il pH e poi gli effetti della miscela su cui sembra che stiamo bene, quindi esplora il tuo |
| |
Quindi questo può anche includere il tornare indietro e modificare le varianze delle stime degli effetti casuali. |
| |
Quindi, ad esempio, potrei tornare qui. Non lo farò. Ma potrei modificare questi valori e dire: "Sai cosa succede se i tecnici sono un po' più rumorosi dove i lotti di siero sono meno rumorosi?". Cerca di trovare situazioni in cui il tuo piano di test sia più robusto rispetto a situazioni impreviste. |
| |
Ok, allora lasciami pulire |
| |
Procedi con la chiusura di tutti questi passaggi. |
| |
Bene. |
| |
Quindi, per il resto degli scenari, esplorerò diverse prospettive su come implementare questo approccio. L'approccio generale è lo stesso: si crea il progetto e si simula una risposta. |
| |
Noi adattiamo il modello, o in questo caso utilizziamo una piattaforma leggermente diversa per generare un modello. |
| |
Quindi usa quel modello per creare una formula di simulazione che poi utilizzerai e l'approccio Simulazione con un clic. |
| |
Ora prendiamo in esame un caso in cui un'azienda sta per condurre un sondaggio tra i propri dipendenti e vuole determinare quali fattori influenzano l'abbandono del personale. Quindi, forse... |
| |
Hanno molti dipendenti che se ne andranno. Quindi vogliono condurre un sondaggio per valutare quali fattori e quindi vogliono sapere quanti hanno risposto, dovrebbero pianificare |
| |
Ora, le risposte in termini di anni di attività dell'azienda, ma ci sono due piccole difficoltà. Innanzitutto, sono un dipendente che deve aver lavorato almeno un mese prima di andarsene per essere considerato in abbandono. |
| |
L'altra è che le risposte sono date in anni, ma forse siamo più preoccupati per i mesi. Quanti mesi? Forse è così che funziona il nostro software di budgeting o qualcosa del genere. |
| |
E, sai, per i dipendenti potrebbe essere più facile rispondere. E da quanti anni lavorano in azienda, piuttosto che da quanti anni o mesi. |
| |
Quindi in questo caso abbiamo una censura a intervalli perché ci viene comunicato quanti anni sono trascorsi, ma questo ci dice solo che sono stati lì tra quel numero di anni e un anno dopo; abbiamo anche la situazione in cui se ne vanno prima dell'anno, in cui la censura verrà effettuata tra un mese e un anno. |
| |
Quindi apri la tabella Stage. Ho già impostato un sacco di cose. Abbiamo molti fattori qui e scorri fino alla fine. Così puoi vedere le risposte che stiamo esaminando. |
| |
Quindi, ancora una volta, abbiamo un minimo annuale e un massimo annuale. Questo significa che se un dipendente rispondesse di aver lasciato il lavoro dopo sei anni, il suo tempo effettivo in termini di mesi si aggirerebbe tra i sei e i sette anni. |
| |
Se se ne sono andati prima di un anno, allora sappiamo che sono rimasti lì per un periodo compreso tra un mese e un anno. |
| |
Farò clic su questo pulsante di dialogo per avviare la censura degli intervalli. Useremo la piattaforma generica. Ipotizzeremo una distribuzione wible per la risposta. |
| |
Non inseriamo un codice di censura qui perché abbiamo una censura a intervalli, il modo in cui la gestiamo è inserire entrambe le colonne di risposta nella y |
| |
Che vedrete. Bene. Ed ecco tutti i fattori che vedrete: quando clicchiamo su Esegui, JMP riconosce una distribuzione tempo-evento e dice: "Ok, se mi hai dato due colonne di risposta, significa che stai usando un'analisi sensoriale a intervalli?". Sì, lo stiamo facendo. |
| |
E adesso. |
| |
Ripeteremo la stessa cosa. Troveremo il triangolo rosso corretto. In questo caso, è qui accanto alla massima verosimiglianza di Waibel. Ora, ecco la cosa davvero interessante di |
| |
Genera piattaforma. Ci sono già un sacco di cose belle. Ma ecco un'altra ciliegina sulla torta. |
| |
Quando clicco qui, se lo facessimo come prima, dovremmo entrare e dire "Salva la formula di previsione", dovremmo andare e fare alcune modifiche per ottenere la risposta casuale, assicurarci che sia un filo casuale quello che viene simulato e modificare le cose come necessario. |
| |
Questo è in genere però. |
| |
È consapevole che è possibile eseguire la simulazione con un clic e quindi dice: "Ehi, vorresti che salvassi la formula di simulazione per te se è questo che ti interessa?". Quindi clicchiamo su "Salva formula di simulazione". |
| |
Torniamo alla nostra tavola. |
| |
E noterete che simulava solo una calma. Vi spiegherò meglio il perché tra un attimo. Ma diamo un'occhiata veloce. |
| |
Ed eccolo lì, infatti, faccio doppio clic per aprire il linguaggio di scripting, vedrai che è già impostato come un wireframe casuale e che la trasformazione del modello è già presente. |
| |
A questo punto non ti resta che modificare i valori dei parametri in quelli che ritieni scientificamente significativi. |
| |
Ok, per ora non lo farò. Li lascerò stare. Farò però una modifica, e voglio provare a replicarla. |
| |
Le situazioni reali che useremo. Notate qui. Questi sono tutti valori continui, quando in realtà dovremmo ottenere i nostri bei numeri annuali rotondi. Ecco come posso farlo. |
| |
Questi sono anni. Ciao, creerò una variabile semplice, rendendola uguale al tempo continuo effettivo, ma dicendole di restituire il limite massimo. |
| |
Quindi arrotonda essenzialmente |
| |
piega. Bene. Ed ecco fatto. |
| |
Come puoi vedere, questo mi direbbe che ho simulato il tuo. Ciao. Ora, |
| |
A |
| |
Vedi, quando fai le simulazioni con un clic, sono tutte qui. Aprirò i test degli effetti. |
| |
Se faccio clic con il pulsante destro del mouse e poi clicco su Simula, posso inserire solo una colonna alla volta. Quindi non posso trascinare e selezionare più di una |
| |
Ora, se dovessi rifare questo posto solo negli anni in cui ero tuo... Ciao, simulazione, sembra a posto. Il problema è il minimo di quest'anno. Ora, il minimo di quest'anno è stato inserito, perché faceva parte del modello originale. |
| |
Ma è il piccolo anno che hai usato originariamente, se guardiamo indietro, vediamo già un problema, lasciami cancellare questo molto velocemente. |
| |
Ad esempio, se dovessimo farlo, non sarebbe in grado di adattarsi a questo primo, perché il massimo dell'anno è inferiore al tuo. Il minimo di quest'anno non è legato alla risposta della simulazione. Quindi, come possiamo risolvere questo problema? Dobbiamo collegarlo, dobbiamo creare quella connessione. Quindi andrò al tuo, il minimo. |
| |
Farò clic su Formula. C'è già una formula qui, farò solo una rapida modifica. |
| |
Dirò che se ho fatto doppio clic sulla formula di simulazione per farlo. |
| |
Il doppio clic è uno. Quindi, per anni, alto come un ritorno 112 |
| |
Altrimenti, restituisci il valore della simulazione meno uno. |
| |
Ora clicca su OK e applica |
| |
Come puoi vedere, è proprio così, ora è collegato ad esso. |
| |
Quindi ora posso tornare indietro |
| |
Posso cliccare con il tasto destro, fare la simulazione, posso sostituire il massimo dell'anno con la sua formula di simulazione e stare tranquillo sapendo che quando lo farò il minimo dell'anno sarà appropriato. Sarà sempre un anno più basso, a meno che non sia già un anno, e in tal caso 112. |
| |
Quindi ora è collegato ad esso, verrà sempre inserito quando faranno la simulazione. |
| |
Farò subito una simulazione veloce. |
| |
Ecco fatto. Sta andando un po' piano. Quindi è un buon segno. |
| |
Lascerò che finisca |
| |
Bene. Ecco le nostre simulazioni. |
| |
E naturalmente possiamo eseguire l'analisi della potenza, in questo caso abbiamo molti fattori che credo ci fossero 1400 70 citazioni per giocare questo. |
| |
Per molti di loro abbiamo esagerato. |
| |
Ma sorprendentemente per alcuni di loro abbiamo ancora problemi. E quindi potrebbe valere la pena indagare su questo aspetto: forse non riusciamo a rilevare un coefficiente così basso. |
| |
Potrebbe essere necessario modificare alcuni di questi fattori, argomenti da discutere durante la riunione di pianificazione. |
| |
Ecco come bisogna lavorare quando si ha questo caso: abbiamo avuto una censura a intervalli, se lui aveva una censura a destra, quindi avevamo una colonna di censura. |
| |
Stessa cosa, faresti. Otterresti una simulazione dell'ora effettiva, direi, a cui potresti apportare qualche modifica. |
| |
Per assicurarti che corrisponda al tipo di tempo che vedi nella tua risposta o a quello che ti aspetti. Poi dovrai collegare la colonna di censura alla simulazione e questo accadrà ogni volta che avrai quel tipo di impostazione. |
| |
Va bene. |
| |
Facciamo chiarezza su tutto questo. |
| |
Quindi diamo un'occhiata a un altro |
| |
Cosa succede se abbiamo una risposta non normale? Ne abbiamo già vista una. Abbiamo visto una risposta di tipo affidabile. Sappiamo che possiamo usare la generazione, ma esploriamone un'altra velocemente. In questo caso, abbiamo una risposta normale in |
| |
Un test. |
| |
Il sistema sarà in grado di calcolare le risposte in base a una percentuale. Ora, tecnicamente, si potrebbe modellare questa distribuzione come una distribuzione normale. |
| |
E potrebbe andare bene, a patto che ci si aspetti valori compresi tra, sai, circa il 50% |
| |
Ma no, perché vogliamo che questa sia una piattaforma di armi molto precisa, speriamo di vedere risposte più vicine al 100% |
| |
Quindi forse qualcosa come una risposta di distribuzione beta potrebbe essere più appropriata. Abbiamo uno dei problemi. Abbiamo questi tre fattori di interesse, ma uno di essi è il target, annidato nel tipo di fusibile. Quindi il tipo di fattore target dipenderà dal tipo di fusibile. |
| |
Il caso eseguirà questa operazione molto velocemente. Di nuovo, abbiamo creato i nostri dati. |
| |
In questo caso ho simulato alcuni dati casuali e l'ho fatto in modo che corrispondessero tra zero e uno. L'ho fatto semplicemente prendendo la trasformazione logistica di una normale casuale |
| |
OK. |
| Caleb King |
Io copierò |
| |
Impasto. |
| |
Assicurati che io possa incollare |
| |
E ancora, percorretelo. |
| |
Abbastanza semplice. |
| |
Useremo la risposta beta. Abbiamo la nostra risposta. Abbiamo il nostro target annidato nel tipo future. |
| |
Fare clic su Esegui. |
| |
E ancora, triangolo rosso. Molti sostengono che le colonne salvano la formula di simulazione. E questo è ciò che si può fare nella generazione per il modello di adattamento regolare, purtroppo non è possibile. |
| |
Ma abbiamo la nostra formula di simulazione. Non apporterò alcuna modifica. |
| |
Ma potresti, potresti entrare. Come puoi vedere, la struttura, il doppio clic è già lì. Anche la trasformazione logistica. Quindi devi solo inserire i parametri del modello. |
| |
Mi scusi. |
| Caleb King |
Presto. Okay. |
| |
Ciao. Okay. E di nuovo, scendiamo. |
| |
Ed è così che si fa. Quindi scendiamo. |
| |
Test degli effetti, fare clic con il pulsante destro del mouse su Simula |
| |
Fai la sostituzione e vai |
| |
Bene, vediamo quanto è facile, in generale. Anche se hai risposte non normali. |
| |
Ora sei pronto. Grazie per aver generato |
| |
Va bene. |
| |
Ora, |
| |
E se si disponesse di dati longitudinali? Questo può essere complicato, semplicemente perché le risposte potrebbero essere correlate tra loro. Quindi, come possiamo incorporarli bene è semplice. |
| |
In questo caso, abbiamo l'esempio di un'azienda che produce un trattamento per ridurre il colesterolo. Diciamo che si tratta di un trattamento, un |
| |
Faremo uno studio per confrontarlo con un trattamento concorrente; per completezza avremo un gruppo di controllo e un gruppo placebo, avremo cinque soggetti per gruppo. L'aspetto longitudinale è che le misurazioni vengono effettuate al mattino e al pomeriggio una volta al mese per tre mesi. |
| |
Ora non mi dilungherò troppo su questo perché voglio solo mostrarvi come si incorpora l'aspetto longitudinale. Quindi in questo caso ho già |
| |
Ho creato un modello e ho creato la formula di simulazione. Ora puoi usarla come riferimento per capire come procedere. Supponiamo di avere un modello AR. |
| |
E su questo molto velocemente. |
| |
Giusto per mostrarvelo. Ecco tutti gli effetti fissi. Notate che qui abbiamo molte interazioni. Tenetelo a mente mentre vi mostro la formula potrebbe sembrare un po' confusa. |
| |
Tu hai |
| |
Ho affermato che abbiamo una struttura ripetuta. Quindi ho selezionato AR uno |
| |
Periodo per giorni all'interno dell'oggetto. Okay. Sotto la prossima piattaforma modello. |
| |
E quindi come faccio a incorporare quell'era nella mia formula di simulazione? L'ho fatto in questo modo. |
| |
Se si tratta della prima riga o del nuovo paziente, significa che il paziente attuale non è uguale al paziente precedente. |
| |
Questo è il modello che ho salvato. Ho modificato i valori dei parametri con qualcosa che potesse essere di interesse. Ci è voluto un po' di lavoro perché qui c'è molto da fare. Ci sono molte interazioni in corso. |
| |
Abbiamo un po' di rumore casuale alla fine. Ma è tutto quello che ho fatto. Quindi ho cambiato alcuni valori qui. Ho messo un sacco di zeri, giusto per semplificare le cose. |
| |
Se non è la prima riga o se non è un nuovo paziente, come possiamo incorporare la correlazione? Tutto quello che faccio è copiare quel modello qui e aggiungere questo termine. |
| |
Solo un valore. Credo che debba essere inferiore a uno, uguale a uno moltiplicato per la voce precedente. |
| |
Se fosse auto-regressivo, aggiungeresti qualcosa come il ritardo. |
| |
Formula Sim per |
| |
E dovresti fare un altro aggiustamento per sapere se è la prima riga, abbiamo il nostro modello. È la seconda riga o siamo a due posizioni nel nuovo paziente. Potrebbe sembrare una AR se è qualcos'altro a cui torniamo. |
| |
Come puoi vedere, è molto facile incorporare strutture di autocorrelazione, a patto che tu sappia come appare il tuo modello; dovrebbe essere facile implementarlo come formula di simulazione. |
| |
Va bene. |
| Caleb King |
Te lo lascio vedere velocemente. |
| |
Finalmente, |
| |
Il nostro scenario finale è una risposta di tipo "superato/fallito", anch'essa molto comune. Lo userò per illustrare come si può usare la simulazione con un clic per cambiare l'opinione delle persone su come gestiscono determinati tipi di progetti, dimostrando quanto possa essere efficace. |
| |
Non previsto |
| |
Supponiamo di avere un sistema di rilevamento che stiamo creando per rilevare sostanze radioattive. Quindi lo confronteremo con un altro sistema che magari è già in uso sul campo. |
| |
Quindi confronteremo questi due sistemi di rilevamento. Abbiamo selezionato una certa quantità di materiale e alcuni oggetti di prova, che vanno da concentrazioni molto basse a uno a una concentrazione molto alta di cinque e testeremo |
| |
I nostri sistemi ripetono ogni concentrazione, un certo numero di volte, e vedono quante volte riescono a far scattare l'allarme con successo. |
| |
Li aprirò entrambi |
| |
Cominciamo con questo. Questo rappresenta un design tipico, come potete vedere abbiamo un numero equilibrato di campioni per ogni ambientazione. In questo caso, ne abbiamo molti. Sono molto fortunati che questo posto sia così... |
| |
Supponiamo di dover fare 32 prove di equilibrio a ogni esecuzione e queste sono... questa è una risposta simulata. Ok, diciamo... E poi ecco qui la mia formula di simulazione. |
| |
Vi mostro come appare. Di nuovo, binomiale casuale. Sono tutti uguali. Quindi ho mantenuto il numero qui, ma avrei potuto fare riferimento agli allarmi nella colonna delle prove come se fossero una costante indipendente, ma va bene così. |
| |
Ecco il mio modello che potrebbe interessarmi |
| |
Va bene. |
| |
E qui. |
| |
Ho uno scenario in cui invece di un numero bilanciato e di ogni impostazione ho messo la maggior parte dei miei campioni qui al centro |
| |
Il mio ragionamento potrebbe essere che lo farà se la concentrazione è bassa. Non mi aspetto certo che lo prenda. Ho aspettative ragionevoli. |
| |
E se la concentrazione è alta, dovrebbe quasi sempre essere rilevata. Quindi, per me, la differenza è più importante nel mezzo, forse a tre o quattro concentrazioni. |
| |
Ed è qui che caricherò. La maggior parte dei miei campioni, e poi ne aggiungerò altri. Ma poi inserirò il minor numero possibile con queste altre impostazioni. Vediamo come ciascuno di questi test pianifica i moduli in termini di potenza. |
| |
Quindi eseguiamo lo script del modello binomiale qui, che eseguirà il modello binomiale. C'è un solo effetto modello qui sul sistema. Non mettiamo la concentrazione perché sappiamo che c'è un effetto qui. Questo è ciò che ci interessa. |
| |
Genera binomio. |
| |
Eseguilo di nuovo correttamente nel menu del triangolo rosso. |
| |
Ho già la mia formula di simulazione. |
| |
Quindi in realtà non ho bisogno di farlo. |
| |
Quindi hai già creato uno schema. |
| |
Fai clic con il pulsante destro del mouse su "Simula". Ok, tutto sembra a posto. |
| |
Il mio prossimo seme casuale preferito. |
| |
Eccoci all'analisi della potenza. Bene, ora andiamo qui. |
| |
Fai la stessa cosa. Adatterò il modello e lo ripeterò quando avrai un binomio. Devi inserire non solo quante volte scatta l'allarme, ma anche in base a quante prove. |
| |
Esegui, scorri verso il basso i test degli effetti, vai giù. |
| |
Alle elementari per avere un'idea di cosa succederà. |
| |
Presto. Okay. |
| |
Ecco le mie simulazioni, spostate qui i miei parallelismi, minimizzate minimizzate. Ecco cosa si ottiene con il design dell'equilibrio. |
| |
Notate che abbiamo una potenza molto bassa, il che sembra strano perché ne avevamo 32 a ogni esecuzione. Voglio dire, sono molti campioni, avrei ucciso per averne così tanti dove ho lavorato in precedenza. |
| |
Quindi ci si aspetterebbe molta potenza, ma qui non sembra esserci. Avevo lo stesso numero totale di campioni. Li ho solo assegnati in modo diverso. |
| |
E il mio livello di potenza è aumentato drasticamente. Forse se ne accumulassi ancora di più. Forse se facessi quattro e quattro e poi modificassi per ognuno di questi. |
| |
Potrei ottenere ancora più potenza per rilevare questa differenza. Quindi, non solo questo dimostra che non è sempre necessario cambiare la dimensione del campione, in questo caso potresti aver bisogno di più campioni. Ma anche il modo in cui li allochi è importante. |
| |
Va bene. |
| |
COSÌ, |
| |
Spero che siate emozionati tanto quanto me quando ho scoperto questo fantastico strumento per calcolare la potenza. |
| |
Vorrei lasciarvi con alcuni spunti chiave. |
| |
Quindi, ancora una volta, usiamo la simulazione. Ora, idealmente, sapete, ci piace una formula. Quindi, nei casi civili, abbiamo il vantaggio di una formula semplice e intuitiva. |
| |
Anche con i modelli di regressione, abbiamo delle formule che ci aiutano a capire meglio. Ma ovviamente, nel mondo reale le cose sono un po' più complesse. Quindi, in genere, dobbiamo affidarci alla simulazione, che può essere uno strumento molto potente, come abbiamo visto. |
| |
Ora, naturalmente, uno degli aspetti chiave che dobbiamo affrontare con la simulazione è bilanciare precisione ed efficienza. Di solito eseguivo 100 |
| |
Principalmente perché, sai, si risparmia tempo. |
| |
Ma alla fine forse potresti attenerti al valore predefinito di 2500 sapendo che ci vorrà del tempo per eseguirlo |
| |
Quindi quello che potrei consigliare è, sai, di iniziare con 100-200 simulazioni all'inizio, giusto per dare un'idea di cosa sta succedendo. E poi, se trovi una situazione |
| |
Dove sembra. No, vale la pena fare ulteriori indagini, aumentare il numero di campioni, così da aumentare la precisione. |
| |
OK, quindi forse puoi iniziare con un paio di situazioni diverse, eseguire alcune simulazioni rapide e poi restringere il campo ad alcune impostazioni chiave, scenari chiave e quindi aumentare il numero di simulazioni per ottenere maggiore precisione. |
| |
Io sostengo sempre che i calcoli di potenza, così come la progettazione degli esperimenti, non siano mai una cosa sola. |
| |
Non dovresti semplicemente usare una calcolatrice, inserire qualche numero e ottenere una dimensione del campione. Nella progettazione possono verificarsi molti fattori. |
| |
O cosa può succedere in un esperimento? E penso che il modo migliore per pianificare un esperimento sia cercare di tenere conto di diversi scenari. Quindi, esplorate diversi livelli di rumore. |
| |
Nella tua risposta. Quindi forse gli effetti misti giocano su diverse dimensioni degli effetti misti. |
| |
Naturalmente è possibile esplorare diverse dimensioni del campione, ma anche diversi tipi di modelli. Ad esempio, nel caso del centro universale, se utilizzassimo il modello wible, avremmo un modello normale. |
| |
Esplora questi diversi scenari e scopri come presentarli ai pianificatori dei test ti offre un modo per adattare il tuo studio a una varietà di contesti. |
| |
Quindi non limitatevi mai a calcolare e tornare indietro, usate sempre il tempo presente per i giocatori con scenari diversi. È lo stesso procedimento. Lo uso quando |
| |
Ho creato esperimenti realmente progettati. Quindi li ho presentati ai giocatori. Ho lavorato con diverse opzioni che avrebbero potuto esplorare. Potrebbero scegliere un'opzione o una combinazione di opzioni. Dovresti sempre farlo per rendere i tuoi piani più solidi. |
| |
Come ho detto, sono |
| |
Bene. Bene, spero che tu abbia imparato qualcosa di nuovo. Se hai domande, puoi contattarmi: probabilmente ti forniranno il mio indirizzo email. |
| |
Spero quindi che questo intervento vi sia piaciuto e che il resto della conferenza sia piacevole. Grazie. |
