Hola
todos.
Soy
Caroll
Co.
Soy a estadístico en DEUDA.
Hoy, I voluntad hablar acerca de a proyecto Trabajé en
en creando a tiempo- eficiente estrategia para seleccionando a prueba colocar
en el validación de un imagen detección algoritmo.
Este trabajar era hecho en colaboración con científicos
de el Nacional Instituto de Ciencias de la Salud Ambiental,
patólogos de experimental laboratorios de patología,
y mi compañero compañeros de trabajo en DEUDA.
En roedor toxicología, insinuaciones en digital análisis de imágenes
oferta oportunidades para cuantitativo histopatología evaluaciones.
Un ejemplo de dónde digital imagen análisis podría ser útil
está en la evaluación de prueba artículo- efectos inmunotóxicos inducidos
en roedor bazos.
Típicamente, patólogos usar a microscopio
a evaluar si allá es inmunotoxicidad en el bazo
y hacer juicios en si bazos de animales que reciben un tratamiento
son diferente de el control grupo.
Este flujo de trabajo es propenso a enterrar- y evaluador interno variabilidad
en caracterizando diferencias dentro el estudiar
y también al otro lado de diferente estudios.
Aquí está un ejemplo de a ampliado- en sección transversal vista de a roedor bazo.
Aquí, Soy justo señalando afuera
características específicas de interés a nuestro colaboradores eso nosotros desear a captura.
Nuestro problema.
Cuando nosotros consiguió involucrado en este proyecto,
Nuestros colaboradores patólogos ya se habían capacitado un algoritmo
eso medida estos características de interés.
El pregunta eso era posó a a nosotros era cómo hacer nosotros validar este ¿algoritmo?
Validación es a muy amplio término.
A angosto nuestro enfocar,
nosotros pensamiento acerca de qué son alguno de el principal preguntas eso nosotros buscado a DIRECCIÓN.
Primero, el algoritmo era entrenado por unas pocas personas selectas,
entonces nosotros buscado a ver si diferentes patólogos de diferentes laboratorios
quería aceptar con el algoritmo producción.
Segundo, allá eran múltiple características
dónde el algoritmo era entrenado a medida.
Nosotros buscado a ver si allá son alguna característica específica
dónde actuación es mejor o peor.
Entonces, nosotros también buscado a ver
Si este algoritmo poder sostener arriba a contra a ancho rango de casos.
Si allá son cualquier ciego manchas, poder nosotros encontrar ¿a ellos?
Enfermo también mencionar eso de aquí adelante,
lo haré referirse a el imagen algoritmo como el AI.
Uno solución eso nosotros pensamiento de Era tener tanto humanos como IA
anotar el mismo imágenes y comparar el producción.
Este es cómo él quería trabajar.
A tejido muestra obtiene escaneado entonces él vueltas en a digital imagen
o una diapositiva entera imagen de WSI,
y eso imagen obtiene alimentado en el AI para tratamiento.
Entonces para humanos, ellos vista el imagen usando un software de imágenes
dónde ellos poder a mano anotar características de interés.
Uno de el preguntas nosotros consiguió Preguntó fue cómo muchos imágenes hacer nosotros necesidad a ¿validar?
Como estadísticos,
nuestro respuesta es siempre como muchos como tú poder o hacer tú tener ¿cientos?
Tú tener ¿miles?
Pero después hablando a a ellos,
Te das cuenta de que hay una serie de operacional restricciones a implementar este.
El primero restricción era eso
Había un necesidad para cada imagen a ser evaluado por tres diferente gente.
Teniendo tres gente era útil
de modo que nosotros poder también estimar el variabilidad entre evaluadores.
Él también vueltas afuera eso este proceso de anotación es muy tiempo- consumidor.
Después hablando a el patólogos, el máximo número de imágenes
Estaban dispuestos a anotar era acerca de 24 por persona.
Entonces, por último, uno de el meta de este proyecto
es a conseguir comprar- en o apoyo de patólogos de otro laboratorios.
Él quiso decir nosotros necesario participación de múltiples laboratorios
y múltiple gente de cada laboratorio.
En este estudiar, nosotros consiguió participación de tres centros
y nosotros tenía tres patólogos representando cada centro.
En total, nosotros tenía nueve patólogos reclutado en el estudiar.
Basado en todo de estos restricciones,
nosotros tenemos determinado eso nosotros poder validar solo 72 imágenes.
El muestreo plan.
Ahora nosotros saber nuestro muestra tamaño.
Cómo hacer nosotros seleccionar el ¿72?
Aleatorio selección es bueno, pero poder nosotros hacer ¿mejor?
Qué nosotros vino arriba con era
desde el costo por imagen para el AI es relativamente bajo,
nosotros consiguió el AI a proceso a más grande colocar de imágenes
y luego desde allí,
usar información de el Salida de IA a mejor seleccionar nuestro 72 muestras.
Nosotros usar a respuesta servicio modelo a seleccionar nuestro agujas
y un RSM seleccionará puntos
hacia el límites y centro de el aporte espacio.
Es a modelo que contiene su principal dos- forma interacción efectos y cuadrático efectos.
Este modelo era particularmente útil a nuestro validación problema
Porque queríamos a mirar para áreas dónde acuerdo falla entre humanos y AI.
Generalmente, insectos tender a ocurrir en el límite y bordes de este espacio.
Este tipo de modelo encaja el problema eso nosotros tenía.
Ahora, nosotros tener a plan a seleccionar el imágenes.
El pregunta ahora es cómo hacer nosotros asignar estos 72 imágenes al otro lado de nueve ¿evaluadores?
Nosotros esperar el muestras a tener a ancho rango de complejidad.
Nosotros buscado a hacer seguro eso todos consiguió a equilibrado mezcla de diapositivas.
El complejidad o este caso mezcla
está determinado por el producción eso nosotros consiguió de el AI.
Nosotros también necesario a satisfacer la restricción
de haciendo seguro eso cada imagen es visto por tres diferente gente.
Aquí es mi flujo de trabajo.
I voluntad espectáculo tú cómo I creado el plan de muestreo que satisfizo
todo de nuestro operacional restricciones en JMP.
I tener tres pasos en este flujo de trabajo.
Primero, Soy yendo a espectáculo tú cómo nosotros seleccionado el 72 imágenes
de a más grande colocar.
Segundo es cómo nosotros replicado el 72 imágenes tres veces,
Así que nosotros tener 216 corre.
Necesitábamos hacer esto
Porque queríamos que cada imagen ser visto por tres evaluadores.
El último paso,
Enfermo espectáculo tú cómo Distribuimos las 216 carreras entre nueve evaluadores
entonces eso cada persona tiene exactamente 24 imágenes.
En cada de estos pasos, I voluntad de hecho ser usando el GAMA plataforma.
Ahora, Soy justo yendo a mover encima a JMP.
I tener mi JMP archivo en allá.
Mi Revista JMP.
I soy yendo a abierto a muestra datos colocar,
y I decir muestra porque nuestro datos tiene no estado publicado todavía.
Para el propósitos de este demostración, I voluntad ser usando a falso datos colocar.
Este datos colocar tiene el mismo características a el original datos eso nosotros coleccionado.
Este es qué el datos aspecto como.
I tener mi deslizar IDENTIFICACIÓN, cual es justo a numérico variable yendo de 1 a 100.
Yendo de 1 a 100 bien aquí.
I tener cuatro variables eso Soy mirando para.
Eso es estado coleccionado por el AI.
Características 1, 2, 3, y 4.
Tres de a ellos son continuo y uno es cuenta variable.
Si tú mirar en bajo Analizar, Multivariante Métodos multivariados
si nosotros justo espectáculo el diagrama de dispersión matriz de todas las variables que verás,
todo de a ellos son no correlacionado
Este es el desparramar de el rango de nuestro variables.
Paso uno.
Bajo GAMA, Hay a Costumbre Diseño, eso es en lo que hago clic.
Nosotros poder dejar el respuestas Y aquí. Justo dejar él solo.
El factores aquí, Hay de hecho dos maneras a hacer este.
Uno forma es a hacer clic en este botón aquí eso dice Agregar Factor.
I pensar acerca de quinto de el forma y Hay a Covariable selección.
Si tú hacer clic eso,
lo hará preguntar tú cual columnas de covariables tú desear a incluir en el diseño.
En mi caso, es estos cuatro características.
Soy justo seleccionando a ellos y tú hacer clic Bueno.
JMP voluntad automáticamente Rellene los valores mínimo y máximo
para cada de estos variables.
Tú lo harás ver aquí eso ellos son todo tratado como covariables.
Eso aspecto bien.
Enfermo justo rápidamente cerca este
y entonces espectáculo tú otro forma de haciendo el mismo cosa.
De nuevo, en GAMA Costumbre Diseño.
Qué I presentado tú era añadiendo él usando este forma aquí.
Otro forma a hacer él es a justo usar este botón bien aquí
que dice Seleccionar covariable Factores
y lo hará dar tú el exacto mismo cosa.
De nuevo, Soy cosecha el factores eso Soy interesado en
y automáticamente poblado este Factores ventana.
Soy justo desplazamiento abajo a el abajo y hacer clic Continuar.
Este es dónde nosotros poder poner en el modelo eso nosotros desear.
Para a nosotros, nosotros buscado un RSM o respuesta servicio modelo.
Allá es de nuevo a atajo botón bien aquí.
Soy justo yendo a hacer clic eso.
Qué eso hizo es él agregado...
Nosotros ya tener nuestro principal factores en allá,
pero él agregado nuestro cuadráticas y dos- forma interacción efectos.
Entonces, por último, en el abajo en aquí dónde él dice número de corre,
nosotros no desear 100 porque nosotros de hecho justo desear a seleccionar 72 afuera de 100.
Soy justo yendo a cambiar este a 72.
Este todo aspecto bien a a mí.
Enfermo hacer clic Hacer Diseño.
Vamos justo dar JMP a pocos artículos de segunda clase a crear el diseño para a nosotros.
Aquí nosotros ir.
Este es el diseño eso él creado para a nosotros.
Como tú poder ver, si tú voluta abajo,
él solo dio a nosotros 72 filas, cual es qué nosotros tenía preguntó para.
Soy justo yendo a decir, doblar este en a datos mesa.
Soy justo yendo a golpear Hacer Mesa bien aquí en el abajo izquierda.
Soy yendo a cerca este para ahora.
Ahora, antes I espectáculo tú qué este diseño aspecto como,
I de hecho desear a ir atrás a el original mesa,
justo entonces tú podría ver...
Nosotros poder comparar qué ¿Qué pasó con las observaciones que fueron recogidas?
versus observaciones eso eran no escogido.
Si tú ir atrás a el original datos mesa, el unos eso eran preferido,
eso 72 son de hecho resaltado.
Qué Identificación como a hacer en este punto es Identificación como a crear a nuevo columna
eso quería identificar cual filas eran seleccionado y cual unos no lo eran.
A hacer eso, tú ir bajo Filas.
Bajo Fila Selección,
allá es el último opción en aquí dice Nombre Selección en Columna.
Qué lo hará hacer ¿lo hará? etiqueta el filas seleccionadas actualmente
y ahorrar lo que valores tú asignar para eso columna.
Soy yendo a hacer clic eso.
El columna nombre.
Y o conseguir a crear a nombre para esa columna.
T él filas eso son destacado, Soy les voy a dar un valor de 1.
El unos eso eran no seleccionado, I desear a dar a ellos a valor de cero.
Soy yendo a presione O porque, y eso creado este columna bien aquí.
Todo de mi quiere, Hay 72...
Hay 72 filas para el unos eso fueron seleccionados
y entonces 28 para el unos eso eran no seleccionado.
I desear a ir atrás a mi diagrama de dispersión matriz a ver las respuestas
o a ver cual observaciones eran escogido y cual unos no lo eran.
Pero antes nosotros hacer Eso sí, quiero codificarlos por colores.
entonces eso cuando tú mirar en el gráfico,
I poder inmediatamente lugar cual unos eran escogido y cual unos no lo eran.
Un rápido forma de haciendo eso es a hacer Filas, Color o Marca por Columna.
Entonces, aquí, I desear a usar este columna llamada Seleccionado
entonces eso todo el ceros voluntad ser identificado por un círculo naranja
y todo el unos voluntad ser identificado por a azul círculo.
Nosotros usar a marcador como Bueno.
Eso podría hacer él más fácil a identificar el observaciones.
Enfermo justo haga clic en O porque.
Ahora, todo de mi filas son marcado por el más o el círculos.
Si regreso a mi...
Si I ir atrás a mi diagrama de dispersión matriz,
de nuevo, es bajo Multivariante Métodos, Multivariante, y I justo golpear Recordar.
Soy haciendo el mismo cosa como I hizo inicialmente.
Dejar a mí Haga clic en Aceptar.
Soy justo yendo a hacer este a pequeño poco más grande.
Tú lo harás ahora ver eso el azul ventajas son el observaciones eso eran seleccionado,
y el naranja círculos son el unos eso no lo eran.
El unos eso eran seleccionado
tienden a ocurrir más en el límite y bordes de nuestro espacio.
Este es exactamente qué nosotros buscado.
Este aspecto excelente a a mí.
Cerremos esto.
Justo a convencer tú mismo
eso el modelo es haciendo qué es supuesto a ser haciendo,
I de hecho hizo este mismo configuración,
pero este tiempo, en cambio de cosecha 72, Soy solo cosecha 24.
Vamos hacer él a pequeño poco más extremo.
Justo a espectáculo tú un ejemplo de qué eso aspecto como.
De nuevo, ahora mi selección.
Ahora, Hay solo 24 filas eso son seleccionado en aquí.
Vamos hacer el mismo cosa.
Haciendo este a pequeño poco más grande.
Ahora, tú ver menos azul ventajas porque allá debería solo ser 24.
Pero entonces tú lo harás ver cómo aquellos Se están recogiendo observaciones
versus el unos eso eran no escogido.
Ellos hacer tender a ocurrir más en los límites exteriores,
pero aún alguno en el centro.
Vamos ir atrás a nuestro original problema. Bien justo cerca este.
Este era nuestro original datos mesa.
El que fue creado por el diseño es este uno.
Qué hacer nosotros tener ¿aquí?
Eran aún acuerdo el mismo variables eso nosotros preguntó JMP a incluir.
Nosotros tener nuestro características 1 2, 3, y 4.
Por qué nuestro respuesta es aún ¿desaparecido?
Nosotros ahora tener este nuevo columna eso dice Covariable Fila Índice.
Básicamente, este justo campo de golf tú atrás a su original mesa.
Si este dice 88, él quería ser fila 88 en su original mesa eso consiguió capturado.
Este uno.
Este fila aquí debería ser el mismo como este fila bien aquí.
Antes nosotros mover, Soy de hecho justo yendo a rebautizar este a mi deslizar IDENTIFICACIÓN.
En mi caso, el deslizar IDENTIFICACIÓN, cual es justo a número de 1 a 100,
es de hecho justo el mismo como el Fila de covariables Índice.
Eso era todo para paso uno.
Paso dos es ahora replicando el 72 imágenes.
Cómo hacer nosotros hacer ¿eso?
A rápido forma de haciendo eso es a ir a GAMA.
El segundo selección es aumentar diseño.
Entonces este ventana voluntad estallido arriba preguntando tú qué son su respuestas y ¿factores?
I saber por qué nosotros no en realidad tener una respuesta,
pero I pensar tú aún necesidad a poner en algo en aquí.
Eso es bueno.
Tú justo poner él en allá incluso aunque es todo desaparecido valores.
Entonces, para el factores, eran yendo a seleccionar nuestro características 1 a 4.
Este tiempo, nosotros quería también necesidad a seleccionar nuestro Deslizar IDENTIFICACIÓN.
Hacer clic Bueno.
Este nuevo ventana estallidos arriba con todo de nuestro factores .
De nuevo, JMP auto- puebla el rangos de todo de nuestro variables.
En el abajo aquí, bajo Aumento Opciones,
Hay a reproducir exactamente botón, y eso es exactamente qué nosotros necesidad.
Hacer clic eso y entonces ellos lo harán preguntar tú,
cómo muchos número de veces hacer tú desear a llevar a cabo cada ¿correr?
El por defecto es dos, pero nosotros de hecho desear él a ser tres
porque nosotros necesario cada imagen a espectáculo arriba tres veces en nuestro diseño.
Entonces nosotros hacer clic Bueno.
Ahora, qué tú lo harás ver es eso en nuestro diseño,
en cambio de justo 72, nosotros ahora tener 72 veces tres.
Bien justo voluta todo el forma a el abajo.
Nosotros ahora tener 216 filas.
Enfermo justo hacer clic Hacer Mesa a doblar eso en a datos mesa.
Bien cerca este.
A pocos más cosas eso I desear a controlar.
A pareja más cosas I desear a controlar antes nosotros mover en a paso tres.
Eso es, cada tiempo estás haciendo estos pasos,
tú desear a hacer seguro eso es de hecho haciendo qué tú pensar él debería ser haciendo.
En este caso,
I buscado a controlar eso cada deslizar IDENTIFICACIÓN de hecho ocurre tres veces.
Eran yendo a usar tabular a hacer eso.
Tabular, S sufrir IDENTIFICACIÓN, y I debería tener a contar de tres para cada IDENTIFICACIÓN.
Eso es qué nosotros tener.
Eso aspecto excelente.
Eso es él para paso dos.
Vamos mover en a el último paso, cual es el mayoría emocionante paso.
Ahora, nosotros tener 216 filas y nosotros tener el deslizar Identificaciones.
Ahora, nosotros desear a distribuir este a nueve diferente gente.
Cómo quería nosotros hacer eso en a forma eso cada persona obtiene a equilibrado ¿mezcla?
A Frío forma a hacer él es utilizar GAMA de nuevo.
DOE, haga clic en DOE personalizado Diseño.
Como qué nosotros hizo antes,
eran aún yendo a usar nuestro covariable como factores.
Justo seleccionar características 1 a 4 y nuestro deslizar IDENTIFICACIÓN.
JMP voluntad auto- poblar el minutos y máx.
Ahora, todo de el fila aquí es ellos son todo listado como covariable.
Pero en este punto, I de hecho desear a agregar dos más factores.
Uno factor es a categórico factor con tres niveles,
y eso es el centro o el laboratorio Porque tú tener nueve patólogos,
pero ellos son todo próximo de tres diferente centros.
Soy justo yendo a rebautizar a ellos A, B y DO.
Entonces I desear a hacer...
En cada centro, nosotros también tener tres diferente gente participativo.
I desear a agregar otro categórico factor de nuevo con tres niveles.
Este es yendo a ser nuestro apreciador.
Estos son como el gente.
Vamos nombre a ellos 1, 2, y 3.
Básicamente, qué Soy dicho es eso Centro A voluntad tener Evaluadores 1, 2 y 3,
Centro B tiene Evaluadores 1, 2, y 3, y entonces en.
En total, nosotros tener nueve diferente gente,
nueve diferente combinaciones de centro y apreciador en aquí.
Soy yendo a minimizar este.
Este de hecho justo espectáculos el datos mesa dónde nosotros tirado nuestro covariables de.
Entonces golpear Continuar aquí.
Ahora, nosotros conseguir a decir JMP ¿qué? amable de modelo hacer nosotros desear.
Hay a pareja de cosas en aquí.
Primero, I de hecho buscado a agregar en.
JMP voluntad automáticamente poner en su principal efectos.
Estos son todo el factores eso son en mi modelo.
I buscado a poner en un interacción término entre centro y apreciador,
y eso es porque I buscado a hacer seguro eso
todas las combinaciones de centro y apreciador aparecer en nuestro diseño.
Eso garantías eso.
El otro cosa a saber es eso
nosotros en realidad no tener suficiente corre a estimar deslizar IDENTIFICACIÓN.
Recordar, deslizar IDENTIFICACIÓN va de...
Hay 72 distinto deslizar Identificaciones en aquí,
pero nosotros de hecho no desear un efecto, a deslizar IDENTIFICACIÓN efecto.
Nosotros justo quiero JMP a llevar eso en cuenta cuando es construyendo el diseño.
Nosotros no en realidad desear a estimar deslizar IDENTIFICACIÓN.
Under Estima bilidad aquí, tú poder cambiar...
El estimabilidad para deslizar IDENTIFICACIÓN,
De Necesario, tú poder cambiar él a Si Posible.
Entonces, por último, el número de corre.
I pensar t él número de corre ellos calculado para a mí era 18.
Pero nosotros de hecho buscado a usar arriba todo de nuestro corre
porque nosotros tener 216 corre y ahora eran justo mirando a ver...
Nosotros queríamos a conseguir JMP a decir a nosotros cómo hacer nosotros asignar estos 216.
Hacer Diseño.
Él justo podría llevar a pequeño poco más extenso.
Enfermo ir en Por ejemplo, ¿cómo comprobamos el diseño?
y entonces hablar a pequeño poco acerca de el correr orden.
Este es qué el diseño aspecto como.
Nosotros tener nuestro original características, características 1 a 4 en aquí, el deslizar IDENTIFICACIÓN,
Y ahora agregó centro y apreciador asignado para cada deslizar IDENTIFICACIÓN.
Qué este es dicho es eso apreciador B1 tendría que anotar la diapositiva número 27,
A1 voluntad anotar deslizar 96, y entonces en.
Allá debería ser 216 corre en aquí.
Eso aspecto bueno.
El último parte aquí bajo Datos Mesa Opciones,
allá es a controlar marca para Incluir columna de orden de ejecución.
Soy yendo a hacer clic Sí porque en nuestro caso,
para anotación, si tú esperar allá a ser alguno tipo de tiempo efecto
en lo que proceso eso estás haciendo.
En nuestro caso, nosotros eran tal vez preocupado acerca de
voluntad allá ser a aprendiendo curva, voluntad allá ser a fatiga ¿efecto?
Nosotros desear a hacer seguro eso No todo el mundo empieza con una identificación de diapositiva
eso es como el ID de diapositiva con número más bajo
y final con el más alto- numerado deslizar Identificaciones.
Soy justo yendo a Haga clic en Hacer Mesa.
Soy yendo a cerca este ventana para ahora.
Este es qué ahora nuestro diseño aspecto como.
Antes nosotros hacer nuestro cheques, Soy justo yendo a crear a nuevo columna
dónde I poder concatenar el centro y apreciador.
Soy justo destacando estos dos columnas, haga clic derecho.
Bajo la nueva F fórmula Personaje,
I justo desear a concatenar a ellos con a coma.
Este es yendo a ser nuestro Centro, Evaluador variable.
Allá tú ir.
Tres cosas eso eran de cheques aquí.
Primero es Vamos hacer tabular.
Nosotros desear a hacer seguro eso cada persona tiene exactamente 24 imágenes.
Eso es mi Centro, R agua, y hay 24 aquí.
Eso es excelente.
El otro cosa eso nosotros desear a controlar para es eso allá son No se repite.
Nosotros no desear...
Para ejemplo, nosotros no desear deslizar IDENTIFICACIÓN 1 ser asignado a el mismo persona dos veces
porque eso quería no ser divertido para eso persona.
Si I hacer a tabla cruzada de deslizar Identificación por Centro, Evaluador,
I debería ver justo a columna de 1 segundo.
Eso medio cada deslizar IDENTIFICACIÓN era asignado a tres diferente gente.
Soy justo desplazamiento a través de aquí
y mirando en este mesa a ver eso allá son No 2s o 3s en aquí.
Eso aspecto excelente.
Entonces, por último, I hacer desear a controlar,
cómo hace el caso mezcla mirar como al otro lado de estos nueve ¿evaluadores?
Uno forma de pensamiento de en Al menos comprobarlo visualmente
es a justo hacer a paralelo trama usando Gráfico Constructor.
Voy a extenderme este.
Soy yendo a destacar características 1, 2, 3 y 4
porque aquellos son mi original variables.
Entonces, mi centro y apreciador, I soy arrastrando él a aquí en mi incógnita- eje.
Soy yendo a golpear este paralelo trama opción bien aquí en el arriba bien icono.
I conseguir eso.
A En realidad, tú no desear Centro, Evaluador en allá.
Soy justo yendo a doblar eso apagado.
Tal vez qué I desear es Centro, Rata es y es propio panel.
Qué este espectáculos a nosotros es nosotros tener el asignaciones de el nueve gente,
entonces A1 todo el forma a C3.
Este es el caso mezcla de el imágenes eso ellos consiguió asignado a.
A ganar, eran justo haciendo este visualmente.
Qué Soy mirando para es que no hay...
Cuando tú mirar en a ellos en total eso ellos todo mirar más o menos lo mismo,
eso ellos son un poco mezclado y No se produce ninguna aglomeración
y ellos mirar a ser bueno.
Otro forma a hacer él es a, I adivinar tú poder cubrir.
Él obtiene a pequeño poco duro porque I hacer tener nueve diferente bandera en aquí.
Pero de nuevo, estás justo mirando para...
Tú no desear allá a ser cualquier patrones en aquí.
Tú no desear allá a ser grupos de verde aquí arriba o aquí abajo
o lo que sea en este espacio.
Tú podría también controlar él por centro.
Supongo mi bandera son no el mejor.
Tú tener amarillo, blues, y verduras.
Ellos todo mirar a ser Bueno- mezclado.
Entonces, I hizo mencionar acerca de el correr orden.
Qué él es, es eso tú justo Quiero asegurarme
eso cuando estás narración gente cómo a hacer su anotación,
tú desear a hacer seguro eso eso es también aleatorizado
de manera que si hay un efecto temporal, eso es tomado en cuenta ya.
Qué Soy conspirando aquí es el deslizar IDENTIFICACIÓN.
A ganar, este es secuencial. Va del 1 al 100.
Entonces este es el correr orden,
el secuencia de cuando el patólogo quería tasa estos imágenes.
Este aspecto aleatorio.
Nosotros podría también trama él por centro y apreciador.
Este es para cada individual persona.
Ellos mirar bien.
Yo solo soy yendo a cerca eso.
Ahora, Enfermo justo ir volver a mi diapositiva de PowerPoint
y justo fin con alguno conclusiones aquí.
Nosotros poder usar GAMA en seleccionando muestras o prueba casos
dónde tú tener información previa.
Si tú tener datos o covariables eso Puedes utilizar para informar la selección,
por qué no usar ¿a ellos?
Una respuesta superficie modelo es ventajoso
si estás interesado en el límite o borde casos.
Segundo punto es eso tú poder usar aumentar Replicación del DOE
si tú tener a situación dónde tú Se necesitan varios evaluadores por muestra.
El trabajo o el diseño ya te da una oportunidad
a factor correr orden en su plan.
Eso podría ser en realidad útil si Esperas que haya un efecto temporal
semejante como a aprendiendo curva o fatiga.
Tengo a pareja de campo de golf aquí a a blog
eso hablar más o conversar más acerca de qué es a covariable en diseño de experimentos.
Por favor controlar eso afuera si tú desear a aprender más acerca de este técnica.
Entonces, por último, I justo buscado a decir
agradecer tú a todo mi colaboradores OMS ayudó hacer este proyecto posible.
Gracias.
