| Vocero |
Transcripción |
| Caleb King |
Hola, me llamo Caleb King. Soy desarrollador de estadística de investigación en JMP, en el grupo de diseño de experimentos. |
| |
Hoy les hablaré sobre cómo usar JMP para realizar cálculos de potencia en escenarios de modelado complejos. A modo de breve resumen, la potencia es la probabilidad de detectar una diferencia científicamente significativa que se cree que existe en la población. |
| |
Y es la probabilidad de detectar eso dada la cantidad actual de datos que has muestreado de esa población. |
| |
Ahora bien, la mayoría de las personas, cuando realizan un cálculo de potencia, generalmente lo hacen para determinar el tamaño de la muestra para su estudio. Por supuesto, existe una relación directa. |
| |
Hay un empate entre ambos. Cuantas más muestras tenga, mayor será la probabilidad de detectar esa diferencia científicamente significativa. |
| |
Por supuesto, hay otros factores que influyen. Está el modelo que se utiliza y el tipo de distribución de respuesta. |
| |
Y también está, por supuesto, la cantidad de ruido e incertidumbre presentes en la población, pero en general, la gente usa la potencia como métrica para determinar el tamaño de la muestra. Ahora bien, diría que hay tres etapas. |
| |
de cálculo de potencia y todos ellos se abordan en JMP, especialmente si tienes JMP Pro, que es lo que usaré aquí. |
| |
La primera etapa consiste en algunas de esas situaciones de modelado más sencillas, a las que accedemos aquí, en el menú DOE, en Diagnóstico de Diseño. Tenemos las calculadoras de tamaño de muestra y potencia. |
| |
Y estos cubren una amplia gama de escenarios muy simples. Por lo tanto, si está probando una o dos medias muestrales, quizás con un ANOVA con múltiples medias, |
| |
Proporciones, desviaciones estándar. Esto es lo que la gente suele tener en cuenta al calcular la potencia. Por supuesto, se revisa y se especifica de nuevo el ruido. |
| |
tasas de error, hay parámetros, ¿qué diferencia estoy tratando de detectar? Y digamos que estoy tratando de calcular una cierta potencia, puedo obtener el tamaño de la muestra. |
| |
O, si quiero explorar un poco más, puedo dejar ambos vacíos. Obtengo una curva de potencia. Ahora bien, claro, de nuevo, estos son escenarios más simples. La siguiente etapa, diría yo, es lo que podría abarcar un modelo lineal más general, así que salgo de... |
| |
En ese caso, podemos ir aquí, al menú de diseño personalizado que lo abarca todo. |
| |
Pondré mi número favorito de efectos. |
| |
Haré clic en continuar. |
| |
Y lo dejaré todo aquí. |
| |
Entonces haremos el diseño. |
| |
En este punto, puedo realizar un análisis de potencia basado en los coeficientes previstos en el modelo. En este caso, podría decirse que, para este diseño en particular, tengo menos de 12 ejecuciones. Tengo aproximadamente un 80 % de potencia para detectar este coeficiente. Si intentara detectar algo un poco más pequeño, digamos. |
| |
Podría cambiar ese valor y aplicar los cambios, claro. Verás, no tengo tanta potencia. Así que, si eso es lo que busco, podría hacer algunos cambios. Quizás necesite volver atrás y aumentar el tamaño de la ejecución. |
| |
Entonces, esas son las dos configuraciones más comunes en las que podríamos hacer un cálculo de potencia, pero, por supuesto, la vida no es tan simple, sabes que puedes encontrarte con configuraciones más complejas, puedes tener factores de efectos mixtos, puedes encontrarte con un estudio longitudinal para el que tienes que calcular la potencia. |
| |
Podrías encontrarte con configuraciones donde tu respuesta ya no sea una variable aleatoria normal; podrías tener datos de conteo, una respuesta binaria. Incluso podrías tener una respuesta de tipo 0/1 acotada. Es decir, una respuesta de tipo porcentaje. |
| |
Entonces, ¿qué puede hacer si no puede acceder a las calculadoras de potencia simples y quizás al menú DOE? Podría ser demasiado complejo incluso para ejecutar un análisis de potencia. JMP Pro está aquí para ayudarle e incluye una herramienta llamada simulación en un solo clic. |
| |
Entonces, la idea aquí es simular datos a través de un método de simulación de Monte Carlo para intentar estimar la potencia que puede obtener para su configuración particular. |
| |
Y es bastante sencillo. Puede que haya que hacer un poco de trabajo al principio, al menos dependiendo de la plataforma de modelado. |
| |
Pero una vez que lo domines, es bastante sencillo de hacer. |
| |
Y diré que esto era algo que ni siquiera sabía que JMP podía hacer hasta que empecé a trabajar aquí. Así que me alegra compartir lo que descubrí con ustedes. |
| |
Bien, comenzaremos con una extensión más simple del modelo lineal estándar, donde incorporamos algunos efectos mixtos. |
| |
Para empezar, tenemos una empresa que busca mejorar la producción de proteínas protónicas para cultivos celulares. No protones, sino proteínas. |
| |
Temperatura, tiempo, pH. También tenemos algunos factores de mezcla. |
| |
Agua y dos factores de crecimiento. En esta etapa, si nos detuviéramos aquí, probablemente aún podríamos usar la calculadora de potencia disponible en la plataforma de diseño personalizado. |
| |
Donde empezamos a desviarnos es ahora que introducimos algunos factores de efectos aleatorios: tenemos tres técnicos, Bob, Di y Stan, que son representativos de toda la muestra de técnicos. |
| |
Y utilizarán al menos uno de los tres lotes de suero, que es nuevamente una representación de todos los lotes de suero que podrían usar a menos que los tratemos como efectos aleatorios. |
| |
También tenemos un efecto de bloqueo aleatorio. En este caso, la prueba se realizará durante dos días. Les mostraré cómo podemos usar la simulación con un solo clic y JMP Pro para calcular la potencia en este caso. Hagan clic para abrir el diseño. |
| |
Este fue el diseño que creé. Permítanme ampliar la ventana para verlo todo. Esto podría representar lo que se obtiene normalmente una vez creado el diseño. |
| |
De nuevo, |
| |
En este punto, podrías haber hecho clic en "Simular respuesta" para simular algunas de las respuestas. Pero incluso si no lo hiciste, sigue siendo correcto. |
| |
Un truco que puedes usar fácilmente para replicar es simplemente crear una nueva columna. No nos molestaremos en cambiarle el nombre en este punto, solo vamos a crear una fórmula simple. |
| |
Vaya aquí, a la izquierda. Haga clic en aleatorio, aleatorio normal. |
| |
Deje todo por defecto y haga clic en Aplicar. Aceptar. |
| |
Y tenemos algunos datos de ruido aleatorio. Algunos datos de respuesta simulada. Bien. |
| |
En este punto, haré clic derecho y copiaré. |
| |
Y haga clic derecho en pegar para obtener mi columna de respuesta. |
| |
Ahora solo necesito algún tipo de respuesta. Así que un simple ruido aleatorio funcionará bien. Todavía no intentamos analizar ningún dato. Lo que queremos es... |
| |
Usa la plataforma de modelos de ajuste para crear un modelo que luego usaremos para crear la fórmula de simulación. Para ello, nos basaremos en un modelo. He realizado un poco de trabajo mental. |
| |
Ya creé el modelo aquí. Para mostrarles cómo lo hice, iré a "Análisis de relanzamiento" en "Rehacer". |
| |
Aquí pueden ver mi rendimiento proteico de respuesta, mis efectos fijos y algunos efectos aleatorios. |
| |
Hice todo y conseguí todo bastante estándar allí. |
| |
Como ven, aquí hay muchas cosas en juego. No necesitamos prestar atención a nada. Solo nos interesa crear un modelo. Para hacerlo, vamos al menú del triángulo rojo. |
| |
Irá a las columnas guardadas. Ahora debemos tener cuidado con la columna que seleccionamos. Si selecciono la fórmula de predicción, lo cual podrías estar tentado a hacer, está bien. Pero no nos lleva hasta el final, como verás. |
| |
Si reviso la fórmula, esta es la fórmula de predicción de la media. No hay nada sobre efectos aleatorios. Así que esta no es la columna que quiero. No está completa ni contiene todo lo que necesito. Necesito volver. |
| |
Vaya a guardar columnas nuevamente y desplácese hacia abajo aquí hasta la fórmula predictiva condicional y observe en la ayuda flotante que incluye las estimaciones de efectos aleatorios, que es la que quiero. |
| |
Ahora bien, podría darse el caso de que no se desee calcular la potencia para los efectos aleatorios. Se desea calcularla solo para el modelo medio, en cuyo caso |
| |
Podrías haber regresado fácilmente a la plataforma de diseño personalizado y haberlo hecho así. Supongamos que también nos interesan esos efectos aleatorios. |
| |
Ahora hemos guardado su fórmula predictiva condicional. |
| |
De nuevo entraremos y miraremos la fórmula. |
| |
Aquí pueden ver que tenemos efectos aleatorios. Ahora necesitamos ajustarlo para simularlo como queremos. Así que haré doble clic aquí. |
| |
Me lleva al formato del lenguaje de scripting JMP. |
| |
Ahora, primero haré algunos cambios en los efectos principales. Y simplemente elegiré algunos valores. Veamos. Pongamos 0.5 para la temperatura. |
| |
0,1 por tiempo. |
| |
Y para el pH, vamos a aumentarlo un poco más a 1,2. |
| |
Para el agua. Voy a aumentar aún más. Así que estos podrían tener un coeficiente mayor. Así que pondré 85 para el agua. |
| |
Haré 90 |
| |
Para el crecimiento, primero el factor de crecimiento. Y hagamos 50. |
| |
Factor de crecimiento también. De acuerdo. |
| |
Bien, ya realicé los ajustes necesarios en la parte principal del modelo de media. Ahora bien, estos son parámetros que consideras científicamente importantes. |
| |
Ahora, los efectos aleatorios. Quizás quieras reemplazarlos con algo como esto. Bien. Eso debería ser un efecto aleatorio. Así que pondré un normal aleatorio aquí. |
| |
Parece correcto, pero no del todo. Y como esta fórmula se evalúa fila por fila, lo que sucederá es que la primera vez que te encuentres con una técnica llamada Jill... |
| |
Simularás un valor aleatorio aquí y obtendrás un valor para la evaluación de esa fórmula, pero la próxima vez que vayas a la cárcel... Escribí seis aquí. |
| |
Esto simulará un valor diferente, lo que anula el propósito de un efecto aleatorio. Los efectos aleatorios deben mantener el mismo valor siempre. Jill aparece. |
| |
Esto tendrá el efecto de algo así como un error aleatorio, que aprovecharé para indicar aquí: es un valor que queremos cambiar en cada fila. Entonces, ¿cómo podemos solucionarlo? |
| |
Os lo digo porque en realidad acabé haciendo esto la primera vez que presenté esto un poco vergonzoso. |
| |
Y por suerte, mi compañero de trabajo vino después y me enseñó un truco para introducir el efecto aleatorio correctamente. Aquí está el truco. |
| |
Iremos a la parte superior aquí y escribiremos si es una fila. |
| |
Es igual a uno |
| |
Voy a crear una variable que se llamará tecnología Jill. |
| |
Y ahora aquí es donde lo coloco. |
| |
Lo que hace este truco es reemplazar a esta normal aleatoria con la tecnológica Jill. |
| |
Lo que esto hará es que si es la primera fila simulamos una variable aleatoria y la asignamos dentro del valor de este parámetro a esa variable a ese valor. |
| |
En la primera fila, no simulamos nuevamente, lo que significa que la técnica Jill conserva el valor que se le dio inicialmente y se mantendrá en cualquier lugar donde lo coloquemos. |
| |
Así que haremos lo mismo. |
| |
Para Bob |
| |
Como puedes ver, esto cumplirá la tarea del efecto aleatorio. |
| |
PONGA A BOB aquí para Stan; las cosas son un poco más fáciles. No tenemos que simularlo porque los efectos aleatorios deberían sumar cero en el modelo. |
| |
Y así es como lo hacemos. |
| |
Hacemos que el suyo sea el lado opuesto. |
| |
De algunos de los otros efectos. |
| |
Haz lo mismo aquí para el lote uno del suero. |
| |
Ahora, para este, voy a darle un poco más de ruido. |
| |
Digamos que hay un poco más de ruido en el |
| |
Lotes de suero |
| |
Y esta es la ventaja de este enfoque: puedes jugar con diferentes escenarios. |
| |
Introduzca esos valores aquí. |
| |
Bueno. |
| Caleb King |
Y otra vez, éste. |
| |
Algunos de los demás. Y antes de añadir el otro, lo añadiré aquí, ya que es fácil desde el primer día. |
| |
Día uno negativo. |
| |
Y agregaré su efecto aleatorio aquí y diré que es un efecto aleatorio. |
| |
Puedo escribir |
| |
Es un poco más pequeño. |
| |
Bien, en este punto, deberíamos tener nuestra fórmula de simulación completa. Si hago clic en "Aceptar", volveré a la vista del Editor de Fórmulas. |
| |
Deberíamos estar listos para empezar. |
| |
Muy bien, aquí está nuestra fórmula de simulación. |
| |
Ahora, para lo siguiente, ¿qué hacemos? Volveremos a nuestro modelo de ajuste. |
| |
Y vamos a ir a la zona donde queremos simular la potencia. |
| |
Aquí voy a ir al recuadro de pruebas de efectos fijos. Voy a ir a esta columna donde está el valor p; en este caso, la simulación ruidosa original no nos arrojó ningún valor p. No importa. Eso no nos importa. |
| |
Solo necesitábamos esto para generar el modelo, que luego convertimos en una fórmula de simulación. Haré clic derecho debajo de esta columna. Recuerda, esto solo funciona si tienes JMPed Pro. |
| |
Y aquí abajo está "simular". Hacemos clic ahí. |
| |
Nos preguntará qué columna debemos cambiar. Por defecto, selecciona la columna de respuesta y luego buscará todas las columnas de fórmulas de simulación. Queremos cambiar esta porque contiene nuestro modelo de simulación. |
| |
Dile cuántas muestras y que haga 100 |
| |
Le daré mi semilla aleatoria favorita. |
| |
Y hago clic en Aceptar. |
| |
Espera, aproximadamente un segundo o dos. |
| |
Y aquí estamos. |
| |
Se generó una tabla con la respuesta del simulador. Se ajustó al modelo. |
| |
Y se informan los valores P. En algunos casos, sin valores P, terminamos en una situación similar a la inicial, y eso no es problema. Esto ocurre en la simulación, siempre que tengamos un número suficiente para obtener una estimación. |
| |
Lo bueno de esto es que JMPed vio que estábamos simulando valores P. Así que, listo. Apuesto a que ganas haciendo un análisis de potencia y nos proporcionó un script para hacerlo. Gracias, JMP. |
| |
Lo ejecutamos y verán que se parece mucho a la plataforma de distribución. Ha realizado una distribución de cada una de esas filas, o mejor dicho, columnas, pero con una función adicional: una nueva tabla que muestra la potencia simulada, y como la simulamos. |
| |
Podemos leer esta información de oficina sobre la potencia estimada. Si no fuera 100, si fuera otro número, entonces se puede observar la tasa de rechazo. Vemos aquí nuestros tres factores de mezcla. Parece que tenemos una potencia bastante buena, considerando todo lo que tenemos. |
| |
Para detectar esos coeficientes específicos. Si revisamos los otros tres factores, la situación no es tan buena. |
| |
Entonces tendríamos que volver atrás y decir, vale, |
| |
Tal vez volvamos y veamos cuál es el valor máximo que puedo detectar, así que voy a minimizarlos. |
| |
Minimiza la tabla. Regresaré a mi fórmula y diré que hagamos algo diferente. |
| |
Haz algo diferente aquí. |
| |
¿Qué pasa si cambio esto? Este era el punto cinco. ¿Qué pasaría si fuera más alto, aproximadamente uno? |
| |
Por el momento. A ver, hagámoslo también. |
| |
Y cuatro pH. Voy a subir a tres. Así que voy a aumentar un poco el pH. Bueno, ¿puedo detectar esto? |
| |
Mantendremos todo lo demás igual porque sabemos que podemos detectarlos, parece que al hacer clic en Aplicar, se generará algo nuevo. |
| |
De nuevo, lo mismo. Haz clic derecho debajo de la columna que quieres simular. La simulación rápida cambiará. |
| |
Dado un cierto número de muestras. Así que pégalo. |
| |
La misma semilla. |
| |
Y nos iremos |
| |
Sólo hay que esperar unos segundos para que finalice la simulación. |
| |
Aquí estamos. |
| |
Y ejecutaremos nuevamente nuestro análisis de potencia. |
| |
Parece que aquí sigue igual. No cambiamos nada. De hecho, voy a unir estos grupos. Un poco demasiado. Aquí vamos. Ocultemos estos tres. |
| |
Analicemos esto. Parece que hemos obtenido mejores resultados con el pH, por lo que un valor de 1 podría ser el límite superior de lo que podemos detectar dado este tamaño de muestra. |
| |
Pero en cuanto a la temperatura en el tiempo, parece que aún no podemos detectarla, ni siquiera esos valores altos. Así que, bien. ¿Qué más podríamos cambiar? ¿Qué tal si duplicamos el número de muestras? Es decir, estamos... |
| |
Calculando esto para un tamaño de muestra. Volvamos atrás y veamos una forma de hacerlo. Podemos ir a "Hacer nosotros" y hacer clic en "Aumentar diseño". |
| |
Seleccionaremos todos nuestros factores. |
| |
Seleccione nuestra respuesta. |
| |
Haga clic en Aceptar. |
| |
Simplemente ampliaremos el diseño. |
| |
Y esta vez lo duplicaremos, serán 24. |
| |
Entonces haré el diseño. |
| |
Y va a tomar un poco de tiempo. Así que, de hecho, voy a... |
| |
Un poco temprano. |
| |
Y a ver, haremos la tabla. |
| |
Bien, ahora hemos duplicado el número de carreras. |
| |
Y |
| |
Así que solo nos dio la mitad de las respuestas. No importa. Ya que solo necesitamos una respuesta, voy a tomar esto y copiarlo. |
| |
Y pegar |
| |
Curso en la vida real. No querrías hacer eso porque, con suerte, obtendrías respuestas diferentes. Pero, de nuevo, solo necesitamos una respuesta ruidosa; ve al modelo. Ahora, tenemos que corregir algunas cosas. Voy a seleccionar estos tres; ve aquí, en atributos, digamos que hay efectos aleatorios. |
| |
Mantén todo igual. Haz clic en Ejecutar. |
| |
Me daré cuenta de que aún no tengo mi fórmula de simulación, pero en lugar de tener que rehacerla, puedo crear una nueva columna y volver a la anterior. |
| |
Haga clic derecho en Copiar propiedades de columna. |
| |
Vuelve, haz clic derecho en "Pegar columna" y copia la fórmula. Ya está lista. Digamos, ¿qué pasa si lo hacemos en esta situación y conservamos los valores iniciales? |
| |
Entonces volveré. Haré doble clic aquí para abrir la ventana de ajuste del modelo. |
| |
Vaya a las pruebas de efectos fijos, haga clic derecho allí, probablemente esté de acuerdo con el valor p simular y |
| |
No voy a cambiar esto, porque solo hubo una simulación, dejamos la que quería y encontró la respuesta correcta. |
| |
Así que simplemente cambiaré estos |
| |
Veamos qué pasa en este caso. |
| |
Está bien. |
| |
Ejecute el análisis de potencia. Ahora bien, no me voy a preocupar por esto. |
| |
Efectos de mezcla, porque como pueden ver, hemos mejorado con respecto a lo que teníamos originalmente, que ya era bueno. Así que los voy a ocultar de nuevo. |
| |
Así que podemos ver más fácilmente quiénes estaban interesados en este caso de pH. Sabíamos que probablemente obtendríamos mejores resultados porque, incluso con las 12 carreras anteriores, teníamos bastante potencia. |
| |
Parece que hemos mejorado considerablemente la temperatura con el tiempo. Si esto representa el límite superior del tamaño del efecto, quizás nos interese un límite superior inferior, lo que parece indicar que duplicar el tamaño de la muestra podría ser útil. |
| |
Estos son ejemplos de cómo usar el botón uno. Primero, cómo hacer la simulación con un solo clic. |
| |
Y luego, cómo podemos usarlo para calcular la potencia y animarte a hacer algo. Antes de llegar a JMP, solía hacerlo: dar opciones a la gente para que las explore. El tamaño de la muestra pareció ayudar con la temperatura y el tiempo. |
| |
Cambiar lo que estás buscando parece ayudar con el pH y luego con los efectos de la mezcla, parece que estamos bien, así que explora tu |
| |
Esto también puede incluir volver atrás y cambiar las variaciones de sus estimaciones de efectos aleatorios. |
| |
Por ejemplo, podría volver aquí. No lo haré. Pero podría cambiar estos valores y decir: "¿Sabes qué pasa si los técnicos son un poco más ruidosos cuando los lotes de suero son menos ruidosos?". Intenta encontrar situaciones para que tu plan de pruebas sea más robusto ante situaciones imprevistas. |
| |
Está bien, déjame limpiar. |
| |
Pasar por cerrar todo esto. |
| |
Está bien. |
| |
Para el resto de los escenarios, exploraré diferentes maneras de implementar esto. El enfoque general es el mismo: creas tu diseño y simulas una respuesta. |
| |
Nosotros ajustamos el modelo, o en este caso estamos usando una plataforma ligeramente diferente para generar un modelo. |
| |
Y luego usa ese modelo para crear una fórmula de simulación que luego usarás con el método de Simular con un solo clic. |
| |
Ahora veamos un caso en el que una empresa va a llevar a cabo este caso. Imaginemos que van a realizar una encuesta a sus empleados y quieren determinar qué factores influyen en la pérdida de personal. Así que tal vez... |
| |
Tienen muchos empleados que se van. Por eso, quieren realizar una encuesta para evaluar qué factores influyen y saber cuántos respondieron. Deberían planificar... |
| |
Ahora bien, las respuestas en años de la empresa, pero hay dos pequeños inconvenientes. Primero, soy un empleado que debe haber trabajado al menos un mes antes de su salida para que se considere una baja. |
| |
Y la otra es que las respuestas se dan en años, pero quizá nos preocupan más los meses. ¿Cuántos meses? Quizás así funciona nuestro software de presupuestos o algo así. |
| |
Y, ya sabes, para los empleados, podría ser más fácil responder. ¿Cuántos años llevan en la empresa, en lugar de cuántos años o meses? |
| |
Entonces, en este caso tenemos censura de intervalo porque nos dan cuántos años, pero eso solo nos dice que han estado allí entre esa cantidad de años y un año después, también tenemos la situación si se van antes del año, donde se censurará entre un mes y un año. |
| |
Abran la tabla del escenario. Ya he configurado muchas opciones. Tenemos muchos factores aquí y desplácense hasta el final. Así podrán ver las respuestas que estamos analizando. |
| |
De nuevo, tenemos el mínimo y el máximo de un año. Esto significa que si un empleado respondiera que se fue después de seis años, su tiempo real en la empresa, en meses, estaría entre seis y siete años. |
| |
Si se fueron antes de un año, entonces sabemos que estuvieron allí en algún momento entre un mes y un año. |
| |
Voy a hacer clic en este botón para iniciar la censura por intervalos. Usaremos la plataforma genérica. Supondremos una distribución de Wible para la respuesta. |
| |
No ponemos un código de censura aquí porque tenemos censura de intervalo, la forma en que lo manejamos es colocando ambas columnas de respuesta en la y |
| |
Lo verán. Bien. Y aquí están todos los factores que verán: al hacer clic en "Ejecutar", JMP reconoce una distribución de tiempo hasta el evento y dice: "Bien, si me dieron dos columnas de respuesta, ¿eso significa que están usando sensores de intervalo en este caso?". Sí, lo estamos. |
| |
Así que ahora. |
| |
Vamos a hacer lo mismo. Encontraremos el triángulo rojo rectángulo. En este caso, está aquí, junto a la máxima verosimilitud de Waibel. Y aquí está lo realmente bueno de... |
| |
Plataforma de generación. Ya tiene muchas ventajas. Pero aquí va la guinda del pastel. |
| |
Cuando hago clic aquí, si hiciéramos como antes, tendríamos que ingresar y decir guardar la fórmula de predicción, tendríamos que ir y hacer algunos ajustes para obtener el número aleatorio, asegurarnos de que sea un wible aleatorio el que se está simulando y ajustar las cosas según sea necesario. |
| |
Aunque esto es así en general. |
| |
Se sabe que se puede simular con un solo clic, y dice: "¿Quieres que guarde la fórmula de simulación si te interesa?". Sí, así es. Hacemos clic en "Guardar fórmula de simulación". |
| |
Volvamos a nuestra mesa. |
| |
Y notarás que solo simuló una calma. Explicaré por qué en un momento. Pero veamos rápidamente... |
| |
Y ahí está, de hecho, haré doble clic para abrir el lenguaje de script, verás que ya lo tiene configurado como un wible aleatorio, ya tiene la transformación del modelo allí. |
| |
Todo lo que tendría que hacer en este punto es cambiar estos valores de parámetros a lo que sea científicamente significativo para usted. |
| |
Bueno, por ahora no haré eso. Los dejaré como están. Sin embargo, haré un cambio y quiero intentar replicarlo. |
| |
Las situaciones reales que usaremos. Observen que todos estos son valores continuos, cuando en realidad deberíamos obtener nuestros números anuales de pozo redondo. Así es como puedo hacerlo. |
| |
Estos son años. Hola, voy a crear una variable simple que igualará el tiempo continuo real, pero que devolverá el límite superior. |
| |
Así que básicamente redondeamos |
| |
Bueno. Y ahí lo tienes. |
| |
Como puedes ver, esto me indicaría que he simulado el tuyo. Hola. Ahora, |
| |
A |
| |
Mira, cuando haces las simulaciones con un solo clic, todas están aquí. Abriré las pruebas de efectos. |
| |
Si hago clic derecho y luego hago clic en Simular, solo puedo ingresar una columna a la vez. Por lo tanto, no puedo arrastrar y seleccionar más de una. |
| |
Ahora, si solo hiciera este lugar durante los años que fui tuyo... Hola, la simulación se ve bien. El problema es el mínimo de este año. Ahora lo están incorporando, porque formaba parte del modelo original. |
| |
Pero es el poco tiempo del año que usaste originalmente, si miramos hacia atrás, ya vemos un problema, déjame cancelar esto rápidamente. |
| |
Por ejemplo, si hiciéramos eso, no podría encajar este primero, porque el máximo del año es menor que el tuyo. El mínimo de este año no está vinculado a la respuesta de la simulación. Entonces, ¿cómo solucionamos eso? Necesitamos vincularlo para hacer esa conexión. Así que iré al tuyo, bajo. |
| |
Voy a hacer clic en "Fórmula". Ya hay una fórmula aquí, así que voy a hacer un cambio rápido. |
| |
Voy a decir si la fórmula de simulación hice doble clic para hacer eso. |
| |
Es un doble clic. Así que, durante años, un retorno de hasta 112. |
| |
De lo contrario, devuelve el valor de simulación menos uno. |
| |
Ahora haga clic en Aceptar y aplicar. |
| |
Como puedes ver, es correcto, es correcto ahora mismo, está vinculado a él. |
| |
Así que ahora puedo volver atrás |
| |
Puedo hacer clic derecho, simular y reemplazar el valor máximo de años con su fórmula de simulación, con la tranquilidad de saber que, al hacerlo, el valor mínimo de años será el adecuado. Siempre será un año menor, a menos que ya sea un año, en cuyo caso... 112 |
| |
Así que ahora está vinculado a esto, siempre se incorporará cuando hagan la simulación. |
| |
Voy a ejecutar una simulación rápida muy rápido. |
| |
Ahí vamos. Va un poco lento. Eso es buena señal. |
| |
Lo dejaré terminar |
| |
Muy bien. Aquí están nuestras simulaciones. |
| |
Y por supuesto, podemos ejecutar el análisis de potencia, en este caso tenemos muchos factores que creo que fueron 1400 70 para jugar con esto. |
| |
Para muchos de ellos hemos cometido un exceso. |
| |
Pero, sorprendentemente, para algunos de ellos, aún tenemos problemas. Y podría ser algo que valga la pena investigar, aunque tal vez no podamos detectar ese coeficiente tan bajo. |
| |
Quizás sea necesario cambiar algunos de estos factores a discutir en la reunión de planificación. |
| |
Así es como hay que trabajar las cosas cuando tenemos este caso, teníamos censura de intervalo, si él tenía censura derecha entonces teníamos una columna de censura. |
| |
Lo mismo harías tú. Generaría una simulación en tiempo real. Diría que puedes hacer algunos ajustes. |
| |
Para asegurarte de que coincida con el tipo de tiempo que ves en tu respuesta o con lo que esperas, tendrás que vincular tu columna de censura a la simulación, lo cual ocurrirá siempre que tengas esa configuración. |
| |
Bueno. |
| |
Vamos a aclarar todo esto. |
| |
Así que veamos otro. |
| |
¿Qué sucede si tenemos una respuesta anormal? Ya hemos visto una. Hemos visto una respuesta de tipo confiabilidad. Así que sabemos que podemos usar la generación. Exploremos otra rápidamente. En este caso, tenemos una respuesta normal en |
| |
Una prueba. |
| |
El sistema podrá calcular un porcentaje de sus respuestas. Técnicamente, esto se podría modelar como una distribución normal. |
| |
Y eso podría estar bien, siempre y cuando esperes valores entre, ya sabes, alrededor del 50% |
| |
Pero no, porque queremos que esta sea una plataforma de armas muy precisa, esperamos ver respuestas cercanas al 100%. |
| |
Así que quizás una respuesta de distribución beta sería más apropiada. Tenemos uno de los problemas. Tenemos estos tres factores de interés, pero uno de ellos... el objetivo está anidado dentro del tipo de fusible. Por lo tanto, el tipo de factor objetivo dependerá del tipo de fusible. |
| |
El caso lo ejecutará rápidamente. De nuevo, hemos creado nuestros datos. |
| |
En este caso, simulé datos aleatorios y los hice coincidir entre cero y uno. Lo hice simplemente tomando la transformación logística de una normal aleatoria. |
| |
DE ACUERDO. |
| Caleb King |
Voy a copiar |
| |
Pasta. |
| |
Asegúrate de que puedo pegar |
| |
Y de nuevo, camina a través de él. |
| |
Bastante simple. |
| |
Usaremos la respuesta beta. Tenemos nuestra respuesta. Tenemos nuestro objetivo anidado dentro del tipo futuro. |
| |
Haga clic en Ejecutar. |
| |
Y de nuevo, el triángulo rojo. Muchos dicen que las columnas guardan la fórmula de simulación. Y esto es lo que se puede hacer al generar el modelo de ajuste regular, pero lamentablemente no es posible. |
| |
Pero tenemos nuestra fórmula de simulación. No voy a hacer ningún cambio. |
| |
Pero podrías entrar. Como puedes ver, la estructura, el doble clic ya está ahí. Incluso la transformación logística. Solo tienes que introducir los parámetros del modelo. |
| |
Disculpe. |
| Caleb King |
Rápido. Está bien. |
| |
Adiós. Bueno. Y de nuevo, bajaremos. |
| |
Y así es como se hace. Así que bajamos. |
| |
Pruebas de efectos, haga clic derecho en Simular |
| |
Haz la sustitución y listo. |
| |
Bien, vean lo fácil que es, en general. Incluso si tienen respuestas inusuales. |
| |
Estás listo. Gracias por generar. |
| |
Bueno. |
| |
Ahora, |
| |
¿Qué ocurre si se tienen datos longitudinales? Esto puede ser complicado, simplemente porque las respuestas podrían estar correlacionadas. Así que es sencillo integrarlos correctamente. |
| |
En este caso, tenemos el ejemplo de una empresa que produce un tratamiento para reducir el colesterol. Digamos que es un tratamiento, un... |
| |
Vamos a realizar un estudio para compararlo con un tratamiento de la competencia, que a modo de finalización tendrá un grupo de control y un grupo placebo, tendrá cinco sujetos por grupo, el aspecto longitudinal es que las mediciones se toman en la mañana y en la tarde una vez al mes durante tres meses. |
| |
No voy a extenderme mucho en esto, solo quiero mostrarles cómo incorporar el aspecto longitudinal. En este caso, ya... |
| |
Se creó un modelo y la fórmula de simulación. Ahora puedes usarla como referencia para hacer esto. Supongamos que tenemos un modelo AR-1. |
| |
Y sobre esto muy rápido. |
| |
Solo para mostrarles. Aquí están todos los efectos fijos. Observen que aquí hay muchas interacciones. Tengan en cuenta que, mientras les muestro, la fórmula puede verse un poco desordenada. |
| |
Tú tienes |
| |
Se indicó que tenemos una estructura repetida. Por eso seleccioné AR. |
| |
Periodo por días dentro del tema. Bien. Bajo la siguiente plataforma modelo. |
| |
Y entonces, ¿cómo incorporo esa era uno en mi fórmula de simulación? Lo hice así. |
| |
Si es la primera fila o el nuevo paciente, significa que el paciente actual no es igual al anterior. |
| |
Este es el modelo que guardé. Cambié los valores de los parámetros por otros que podrían ser de interés. Me costó un poco de trabajo porque aquí hay mucha actividad. Hay muchas interacciones. |
| |
Hay algo de ruido aleatorio al final. Pero eso es todo lo que hice. Así que cambié algunos valores aquí. Puse muchos ceros, solo para simplificar. |
| |
Si no es la primera fila o no es un paciente nuevo, ¿cómo incorporamos la correlación? Solo copio ese modelo hasta aquí y añado este término. |
| |
Solo un valor. Creo que debe ser menor que uno, igual a uno multiplicado por la entrada anterior. |
| |
Si fuera autorregresivo entonces agregarías algo como retraso. |
| |
Fórmula de simulación para |
| |
Tendría que hacer otro ajuste para saber si es la primera fila, ya tenemos nuestro modelo. Es la segunda fila, o si estamos dos lugares más allá del nuevo paciente. Podría parecer una realidad aumentada. Si es cualquier otra cosa, volvemos a... |
| |
Como puede ver, es muy fácil incorporar estructuras de autocorrelación; siempre que sepa cómo se ve su modelo, debería ser fácil implementarlo como una fórmula de simulación. |
| |
Bueno. |
| Caleb King |
Te dejaré que lo veas rápidamente. |
| |
Finalmente, |
| |
Nuestro escenario final es una respuesta de aprobado/reprobado, que también es muy común. Voy a usar esto para ilustrar cómo se puede usar la simulación con un solo clic para quizás cambiar la opinión de las personas sobre cómo ejecutan ciertos tipos de diseños y mostrarles lo poderoso que puede ser. |
| |
No previsto |
| |
Supongamos que estamos desarrollando un sistema de detección para detectar sustancias radiactivas. Lo compararemos con otro sistema que quizás ya esté en uso. |
| |
Entonces, vamos a comparar estos dos sistemas de detección. Hemos seleccionado una cierta cantidad de material y algunos objetos de prueba, que van desde concentraciones muy bajas de uno a una concentración muy alta de cinco y vamos a probar. |
| |
Nuestros sistemas se activan repetidamente en cada concentración, un cierto número de veces y vemos cuántas veces se activa con éxito. |
| |
Voy a abrirlos a ambos. |
| |
Comencemos con este. Esto representa un diseño típico. Como pueden ver, tenemos un número equilibrado de muestras en cada configuración. En este caso, tenemos muchas muestras. Tienen mucha suerte de que este lugar... |
| |
Digamos que vamos a realizar 32 pruebas de equilibrio en cada ejecución, y esta es una respuesta simulada. Bien, digamos... Y aquí he creado mi fórmula de simulación. |
| |
Les mostraré cómo se ve. De nuevo, un binomio aleatorio. Son todos iguales. He mantenido el número aquí, pero podría haber hecho referencia a que las alarmas en la columna de pruebas provienen de una consistencia independiente, pero no importa. |
| |
Aquí está mi modelo que tal vez me interese. |
| |
Bueno. |
| |
Y aquí. |
| |
Tengo un escenario en el que, en lugar de un número equilibrado y cada configuración, he colocado la mayoría de mis muestras aquí en el medio. |
| |
Mi razonamiento podría ser que, si la concentración es baja, no espero que lo detecte. Tengo expectativas razonables. |
| |
Y si la concentración es alta, casi siempre debería detectarla. Así que, para mí, la diferencia más importante es en el punto medio, quizás en tres o cuatro concentraciones. |
| |
Y ahí es donde voy a cargar la mayoría de mis muestras, y luego pondré algunas más aquí. Pero luego pondré la menor cantidad posible en estas otras configuraciones. Veamos cómo funciona cada uno de estos planes de prueba para formularios en términos de potencia. |
| |
Ejecute el script del modelo binomial aquí, que ejecutará el modelo binomial. Solo hay un efecto del modelo en el sistema. No aplicamos concentración porque sabemos que hay un efecto. Esto es lo que nos interesa. |
| |
Generar binomio. |
| |
Ejecútalo nuevamente, aparece el menú de triángulo rojo. |
| |
Ya tengo mi fórmula de simulación. |
| |
En realidad no necesito hacer eso. |
| |
Así que ya has creado un patrón. |
| |
Haz clic derecho. ¿Simulas? Bien, todo se ve bien. |
| |
Mi próxima semilla aleatoria favorita. |
| |
Aquí estamos con el análisis de potencia. Bien, ahora veamos esto. |
| |
Haz lo mismo. Ajustaré el modelo y lo repetiré cuando tengas un binomio. Debes indicar no solo cuántas veces suena la alarma, sino también en cuántos ensayos. |
| |
Ejecute y desplácese hacia abajo para ver las pruebas de efectos, vaya hacia abajo. |
| |
En primaria para tener una pista de lo que va a pasar. |
| |
Rápido. Está bien. |
| |
Aquí están mis simulaciones. Mueva mis paralelos aquí y minimice. Esto es lo que obtiene con el diseño de equilibrio. |
| |
Tenga en cuenta que tenemos muy poca potencia, lo cual parece extraño porque teníamos 32 en cada ejecución. Es decir, son muchas muestras; habría matado por tener tantas muestras donde trabajé antes. |
| |
Se esperaría mucha potencia, pero no parece haberla. Tenía la misma cantidad total de muestras. Simplemente las asigné de forma diferente. |
| |
Y mi nivel de poder ha aumentado drásticamente. Quizás si acumulo aún más aquí. Quizás si hiciera cuatro y cuatro y luego editara para cada uno de estos. |
| |
Podría obtener aún más potencia para detectar esta diferencia. Esto no solo demuestra que sabes que no siempre se trata solo de cambiar el tamaño de la muestra; podría no ser necesario que siempre se necesiten más muestras; en este caso, ya tenías muchas muestras al principio. Pero la forma en que las asignas también es importante. |
| |
Bueno. |
| |
Entonces, |
| |
Espero que estés tan emocionado como yo al descubrir esta increíble herramienta para calcular la potencia. |
| |
Me gustaría dejarles algunas conclusiones clave. |
| |
De nuevo, usamos simulación. Idealmente, nos gusta usar una fórmula. En los casos civiles, nos beneficiamos de una fórmula sencilla. |
| |
Incluso con los modelos de regresión, contamos con fórmulas que nos ayudan a comprenderlo todo. Pero, claro, en el mundo real, las cosas son un poco más complejas. Por eso, normalmente tenemos que recurrir a la simulación, que puede ser una herramienta muy poderosa, como hemos visto. |
| |
Ahora bien, por supuesto, uno de los aspectos clave que debemos abordar con la simulación es equilibrar la precisión con la eficiencia. Normalmente, yo corría 100 |
| |
Principalmente porque, ya sabes, para ahorrar tiempo. |
| |
Pero en última instancia, tal vez pueda quedarse con el valor predeterminado de 2500 sabiendo que tomará algún tiempo ejecutarlo. |
| |
Entonces, lo que yo recomendaría es, ya sabes, empezar con 100 o 200 simulaciones al principio, solo para tener una idea de lo que está sucediendo. Y luego, si encuentras una situación... |
| |
Donde parece. No, vale la pena investigar más. Aumenta el número de muestras para aumentar la precisión. |
| |
Bien, entonces tal vez puedas comenzar con un par de situaciones diferentes, ejecutar algunas simulaciones rápidas y luego reducirlas a algunas configuraciones y escenarios clave y luego puedes aumentar la cantidad de simulaciones para obtener más precisión. |
| |
Siempre argumento en favor de los cálculos de potencia, al igual que el diseño de experimentos, que nunca es algo que se hace una sola vez. |
| |
No deberías simplemente usar una calculadora, introducir algunos números y obtener un tamaño de muestra. Hay muchas cosas que pueden cambiar en el diseño. |
| |
¿O qué puede pasar en un experimento? Creo que la mejor manera de planificar un experimento es intentar considerar diferentes escenarios. Así que hay que explorar diferentes niveles de ruido. |
| |
En tu respuesta. Así que quizás los efectos mixtos se manifiesten en torno a diferentes tamaños. |
| |
Por supuesto, se pueden explorar diferentes tamaños de muestra, pero también diferentes tipos de modelos. Por ejemplo, en el centro universal, si usamos el modelo Wible, si se hubiera realizado un modelo normal. |
| |
Explora estos diferentes escenarios y ten en cuenta que presentarlos a los planificadores de pruebas te brinda una manera de jugar en tu estudio para ser robusto en una variedad de entornos. |
| |
Así que nunca te limites a calcular y luego a volver atrás, siempre presenta a los jugadores en tiempo real con diferentes escenarios. Es el mismo proceso que uso cuando... |
| |
Creé experimentos reales y los diseñé. Los presenté a los jugadores de prueba. Trabajé con diferentes opciones para que pudieran explorarlas. Podían elegir una opción o una combinación de ellas. Siempre debes hacer esto para que tus planes sean más sólidos. |
| |
Como digo, son |
| |
Muy bien. Espero que hayas aprendido algo nuevo con esto. Si tienes alguna pregunta, puedes contactarme; probablemente te den mi correo electrónico. |
| |
Espero que hayan disfrutado de esta charla y del resto de la conferencia. Gracias. |
