你好， 我是 克里斯 戈特瓦尔特 和 跳转， 和 我是 呈现 和 Fangyi 罗 的 宝洁 & 赌博， 和 她 同事， 比阿特丽斯 布卢姆， 谁会 是 加入 我们 为了 这 在- 人 推介会 在 这 发现 会议 在 西班牙。
今天， 我们 是 说 关于 如何 到 模型 数据 从 设计 实验 什么时候 这 回复 是 检测 有限的。 这 是 一个 重要的 话题 因为 在 这 一 手， 检测 限制 是 非常 常见的， 尤其 在 行业 那 做 a 很多 的 化学， 喜欢 这 制药 和 消费者 产品 行业。
尽管 在 这 其他 手， 这 结果 的 忽略 检测 限制 线索 到 严重地 不准确 结论 那 将要 不是 概括。 这 线索 到 丢失的 研发 时间 和 效率低下 使用 的 资源。 这 好的 消息 那 我们 是 这里 到 展示 今天 是 那 得到 这 分析 正确的 是 琐碎地 简单的 如果 你 是 使用 广义的 回归 在 跳转 专业和 知道 如何 到 放 向上 这 检测 限制 柱子 财产。
在 这 讲话， 是 去 到 给 a 简短的 介绍 到 传感器 数据， 解释 什么 它 是， 什么 它 看起来 喜欢 在 直方图 和 a 简短的 描述 的 如何 你 分析 它 a 小的 少量 不同。 然后 Fangyi 是 去 到 去 进入 这 分析 的 一些 设计 实验 从 宝洁 & 赌博。 然后 我是 去 到 去 通过 一个 分析 的 a 更大 数据 放 比 这 一 那 Fangyi 介绍。 然后 是 去 到 裹 向上 和 a 概括 和 一些 结论。
什么 是 检测 限制？ 检测 限制 是 什么时候 这 测量 系统 是 无法 到 措施， 在 至少 可靠地， 什么时候 这 实际的 价值 是 多于 或者 以下 a 特别的 价值。 如果 这 实际的 价值 是， 说， 多于 一个 上 检测 限制， 这 测量 价值 将要 是 观察到 作为 存在 在 那 限制。 为了 例子， 如果 a 车速表 在 a 车辆 仅有的 去 到 180 公里 一个 小时， 但 你 是 驾驶 200公里 一个 小时， 然后 这 车速表 将要 只是 读 180 公里 一个 小时。
在 这 图表 多于， 我们 看 其他 例子。 我们 看 五 直方图 的 这 相同的 数据。 这 真的 或者 实际的 价值观 是 超过 这里 在 这 左边， 和 移动 到 这 正确的， 我们 看 什么 结果 什么时候 你 申请 一个 增加 检测 限制 到 这 数据。
什么 发生 是 我们 看 这 特征 聚束 在 这 检测 限制。 什么时候 你 看 这 图案， 它是 a 真的 好的 符号 那 你 可能 需要 到 思考 关于 服用 检测 限制 进入 帐户 在 你的 分布 或者 回归 分析。
为什么 应该 我们 关心 关于 检测 限制 在 a 数据 分析？ 出色地， 如果 你 不 拿 你的 检测 限制 进入 帐户 适当地， 你会 结尾 向上 和 非常 沉重 有偏见 结果， 和 这 线索 到 非常 贫穷的 模型 概括。 这 回归 系数 将要 是 方式 离开。 你会 有 一个 不正确 回复 表面， 哪个 线索 到 匹配 目标 和 这 分析器 存在 方式 离开。
I 思考 这 情况 是 a 小的 少量 较少的 说 什么时候 最大化 a 回复， 但 有 仍然 相当 a 很多 的 机会 为了 事物 到 去 错误的。 在 特别的， 西格玛， 你的 方差 估计 将要 仍然 是 方式 离开， 哪个 线索 到 很多 降低 力量， 你 有 完全地 不可靠的p- 值。 这 趋势 是 那 多变的 选择 方法 将要 沉重 在下面 选择 重要的 因素 . 这 实际的 影响 那 a 因素 有 在 你的 回复 将要 是 戏剧性地 低调 如果 你 不 拿 这 检测 限制 进入 帐户。
这 二 表 的 范围 估计 那 我们 看 这里 阐明 这 非常 很好。 在 这 左边 是 这 范围 估计 从 a 检测- 有限的 对数N 正常 分析 的 a 回归 问题。 在 这 对的，他们 是 这 导致 范围 估计 什么时候 我们 忽略 这 检测 限制。 我们 看 那 这 模型 在 这 左边 是 a 很多 更富有 和 那 a 很多 我们的 主要的 效果， 互动， 和 二次函数 条款 有 到过 承认 进入 这 模型。
然而 在 这 正确的， 什么时候 我们 忽略 这 检测 限制， 是 仅有的 有能力的 到 得到 一 主要的 影响 和 它是 二次函数 学期 包括 在 这 模型， 和 这 二次函数 学期 是 沉重 夸大其词 和 a 价值 的 消极的 11.5 关于 相对的 到 这 价值 在 这 恰当的 分析 在哪里 那 二次函数 学期 是 平等的 到 只是 消极的 3.
我们 看 那 是 真的 丢失的 它 在 a 很多 的 这 其他 参数 这里 作为 出色地。 什么时候 我们 拿 a 看 在 这 在 这 分析器， 这 变成 真的 显而易见。 O n 这 左边， 我们 有 这 分析器 的 这 模型 正确地 分析 和 这 检测限， 和 我们 看 那 全部 这 因素 是 那里， 和 全面的， 这 回复 表面 是 漂亮的 富有的- 看。
在 这 正确的， 我们 看 那 仅有的 这 一 因素， 二氯甲烷， 有 到过 包括 在 这 模型。 T 他 解决方案 到 这 问题 那 你 会 得到 和 这 问题 在 这 左边 是 可能 相当 不同的 从 这 一 那 你 会 得到 在 这 正确的。
谢谢， 克里斯。 现在 我是 去 到 分享 和 你 a 小的 少量 背景 在 这 实验 的 这 数据 提及 经过 克里斯， 这 时间 到 细菌 检测。 这 客观的 的 那 实验 曾是 到 理解 敌意 影响 的 我们的 配方 原料 或者 因素 在 a 液体 消费者 打扫 配方。
这 实验 曾是 a 微- 敌意 设计 的 实验 和 三十六 样品， 和 我们 有 五 钥匙 配方 因素 一个， B, C, D, 和。 W e 有 二 回应 从 这 实验。 他们是 从 微生物 测试。 这 第一的 一 曾是 这 一 提及 经过 克里斯。 它 是 时间 到 细菌 检测 在 二 天， 和 它 曾是 测量 经过 小时。 I f 我们 是 不是 有能力的 到 探测 这 细菌 在 二 天， 然后 时间 到 细菌 检测 是 正确的 审查 在 四十八 小时。 所以 这 检测限 为了 这 端点 是 四十八 小时。
其他 端点 是 日志 减少 在 模式 从 微 易感性 测试。 为了 这 端点， 什么 我们 做过 是 那 我们 添加 肯定 数量 的 模具 到 这 配方， 等待 为了 二 几周， 和 措施 数量 的 模具 在 这 产品 后 二 周。 T 母鸡 我们 计算 这 减少 在 日志 根据 时间 模具， 和 这 是 这 第二 端点。
检测限 为了 这 端点 是 六 单元。 T 他的 节目 你 这 详细的 数据 从 这 实验， 这 第一的 15 样品。 Y 或者 能 看 这 配方 因素 一个， B, C, D, 和， 和 他们 是 从 回复 表面 设计。 W e 有 二 端点， 这 细菌 检测 时间 在 小时 和 这 日志 减少 在 模具。 这 数据 突出显示 在 红色的 是 正确的 审查 数据。
我们 能 使用 直方图 和 散点图 到 可视化 我们的 数据 作为 出色地 作为 因素 相对 审查 关系。 作为 你 能 看 从 这 直方图， 更多的 比 50 % 的 样品 是 正确的 审查 在 四十八 小时。 如果 一个 观察 是 不是 受到审查， 然后 最多 的 他们 将要 是 以下 15 小时。
O n 这 正确的， 我们 有 这 分散 阴谋。 这 红色的 圆圈 表示 这 审查 数据 點。 你 能 看 那 我们 有 审查 在 全部 级别 的 这 因素 除了 为了 因素 C. 我们 不 有 这 审查 在 更高 等级 的 C, 但 我们 观察 审查 在 全部 等级 的 这 因素。
在 跳转 专业版 16 和 更高， 我们 能 指定 柱子 特性 为了 检测 限制。 W 母鸡 你 去 到 柱子 财产， 你 寻找 检测 限制， 和 然后 你 能 指定 这 降低 检测 限制 和 上 检测 限制。我 f a 数据 观点 是 以下 这 降低 检测 限制， 那 方法 它是 较少的 审查 在 这 降低 检测 限制。 如果 a 数据 观点 是 更高 比 这 上 检测 限制， 然后 它 方法 那 它是 正确的 审查 在 这 上 检测 限制。
为了 这 细菌 检测 时间， 我们 有 一个 上 检测 限制 和 它是 四十八 小时。 W e 放 四十八 小时 在 这 上 检测 限制 盒子。 后 我们 指定的 检测 限制 在 这 柱子 财产 在 跳转， 然后 我们 能 使用 跳转 广义的 回归 造型 到 分析 这 数据 经过 服用 进入 帐户 这 检测限。 所以 这 是 a 新的 特征 在 跳转 专业版 16 和 更高。
为了 这 类型 的 分析， 我们 需要 到 第一的 指定 这 分配 为了 a 回复 和 估计 方法。 W e 尝试 不同的 分配 为了 这 数据 和 使用 这 向前 选择 方法， 和 我们 成立 普通的 分配 适合 这 数据 这 最好的 因为 它 有 最低 AICc。
我们 能 还 分析 数据 忽略 这 检测 限制。 Y 或者 能 看 那 我们 将要 有 a 很多 更小 模型 和 五 因素 左边 在 这 最终的 模型。 T 他 模型 忽略 检测限 将要 有 很多 较少的 力量 到 探测 重要的 因素。
这 显示 你 这 因素 左边 在 这 最终的 模型 从 这 广义的 回归 造型。 如果 我们 拿 进入 帐户 检测限 为了 这 回复， 或者 如果 我们 忽略 检测限 在 这 回复。 作为 你 能 看， 如果 我们 拿 进入 帐户 检测限， 然后 我们 有 很多 更多的 重要的 因素 在 这 模型。 W e 能 仅有的 探测 这 影响 的 C 和 D 和 他们的 二次函数 影响 在 这 模型 如果 我们 忽略 检测限 为了 我们的 回复。
再次， 这 是 比较 的 这 范围 估计 从 这 模型 如果 我们 考虑 检测限 在 这 造型 或者 忽略 检测限 在 这 造型。 忽略 检测限 在 这 造型 会 给 我们 这 偏见 估计 的 这 范围 作为 出色地。
这 滑动 节目 你 这 预言 分析器 的 这 回复 如果 我们 履行 这 造型 经过 考虑 这 检测限 相对 忽略 这 检测限。 如果 我们 考虑 这 检测限 在 这 造型， 然后 我们 得到 a 模型 和 全部 这 条款 在 这 模型， 这 主要的 效果 作为 出色地 作为 一些 的 这 相互作用 和 二次函数 條款。 T 他的 模型 使 很多 更多的 感觉 到 我们的 合作者。
记住 那 在 降低 等级 的 C 和 在 更高 等级 的 D, 我们 有 更多的 审查 数据。 那 方法 这 检测 时间 是 更长 和 这 预言 分析器 显示 那 在 降低 等级 的 C 和 a 更高 等级 的 D, 这 预测 检测 时间 是 更长。 A 伊索 因为 我们 有 更多的 审查 数据 在 那些 地区， 所以 这 信心 间隔 为了 这 预言 P 罗菲勒 是 更宽。
如果 我们 忽略 这 检测限 在 这 分析， 我们 得到 很多 较少的 重要的 因素。 仅有的 C 和 D 显示 向上 在 这 模型， 和 这 范围 估计 是 还 有偏见。 这 一 节目 你 这 诊断 密谋 的 观察到 数据 在 这 和- 轴 相对 预测 数据 在 这 x- 轴。
如果 我们 考虑 检测限 在 这 广义的 回归 造型， 它 给出 正确的 预言。 但 如果 我们 忽略 检测限 在 这 造型， 然后 它 将要 给 不正确 预言 为了 你的 数据。
在 添加 到 这 预言 分析器， 跳转 广义的 回归 造型 会 还 给 你 二 分析器 相似的 到 那些 从 参数 生存M 建模 平台。 那些 是 这 分配 分析器 和 分位数 分析器。 这 分配 分析器 将要 给 你 这 失败 可能性 在 a 肯定 组合 的 我们的 配方 因素 和 a 肯定 检测 时间。
这 分位数 分析器 将要 给 你 这 分位数 的 这 检测 时间 在 a 肯定 组合 的 我们的 配方 因素 和 这 指定的 失败 可能性。 T 赫瑟 二 分析器 是 可用的 在 跳转 在下面 这 广义 回归 造型。
但 一 优势 的 使用 广义 R 出院 造型 到 分析 时间 到 失败 类型 的 数据 是 那 它 会 提供 你 这 预言 分析器， 和 这 类型 的 分析器 是 很多 更多的 更轻松 为了 我们的 合作者 到 理解。 I 的 很多 更难 到 解释 这 分配 分析器 和 分位数 分析器 到 我们的 合作者。
现在 它 来 到 这 分析 的 这 第二 端点， 这 日志 减少 在 模具。 再次， 我们 能 使用 直方图 和 这 散点图 到 可视化 我们的 数据 和 可视化 这 因素 相对 审查 关系。 作为 你 能 看 从 这 左边 直方图， 你 能 看 那 我们 有 a 很多 的 数据 那 是 正确的 审查 在 六 单元。
我们 能 看 审查 在 全部 等级 的 我们的 配方 因素， 除了 在 更高 等级 的 C 和 降低 等级 的 和。 T 他的 是 这 地区 的 忧虑。 我们 有 见过 a 很多 的 审查 在 降低 等级 的 C 和 更高 等级 的 和。 那 方法 在 降低 等级 的 C 和 更高 等级 的 和， 它是 好的 为了 这 产品。 我们 有 更高 日志 模具 减少。
再次， 我们 能 使用 检测 限制 在 这 柱子 财产 到 指定 这 检测限 为了 这 端点。 W e 用过的 上 检测 限制 的 六 在 这 柱子 财产。 N 哎哟 这 下一个 步 是 到 分析 这 数据 使用 这 广义 R 出院 造型 经过 服用 进入 帐户 这 检测限。 W e 使用 对数N 正常 分配 和 向前 选择。
有趣的是， 我们 成立 那 这 遥感 为什么 是 一 和 这 是 非常 可疑的。 A 另外， 我们 看 一些 红色的 旗帜。 这 人工智能 有 a 严重 降低 后 步 17. T 他 标准 错误 的 这 估计 作为 出色地 作为 这 估计 为了 这 规模 范围 似乎 到 是 极其 小的。 A 另外， 这 诊断 阴谋 显示 完美的 预言 从 这 模型。 W e 知道 那 这 模型 有 过度拟合。
这 是 这 预言 分析器， 和 他们 显示 非常 狭窄的 信心 间隔 为了 这 预言， 和 我们 知道 那 我们的 模型 是 过度拟合。 所以 什么 我们 做过 为了 这 造型 是 那 我们 尝试过 a 更简单 模型 经过 移除 这 二次函数 条款 从 这 最初的 回复 表面 模型。
我们 成立 那 对数N 正常 和 向前 选择 模型 适合 这 数据 这 最好的 因为 它 有 a 最低 人工智能 和 比克。 T 他的 时间， 这 解决方案 小路 看起来 更多的 合理的 作为 出色地 作为 这 标准 错误 估计 的 我们的 参数 和 估计 的 这 规模 范围 的 这 对数N 正常 分配。 T 他 诊断 阴谋 看起来 更多的 合理的 现在。
这 是 这 预言 分析器 的 这 最终的 模型 后 我们 已删除 这 二次函数 條款。 这 预言 分析器 使 a 很多 更多的 感觉。 记起 那 在 降低 等级 的 C 和 在 更高 等级 的 和， 我们 有 更多的 审查 数据 你 能 看 这里。 那 方法 在 降低 等级 的 C 和 更高 等级 的 和， 我们 有 更高 日志 模具 减少。
它 显示 在 这 预言 分析器 因为 它 有 更多的 审查 数据 在 这 地区 和 这 信心 间隔 为了 这 预言 是 更宽。 我们 能 还 比较 这 最终的 模型 预言 分析器 如果 我们 忽略 检测限 在 这 造型。
如果 我们 忽略 检测限 在 这 造型， 我们 得到 较少的 重要的 模型 因素 作为 出色地 作为 有偏见 结果。 如果 我们 忽略 检测限 在 这 广义 回归 造型， 然后 这 第二 模型， 哪个 是 不正确 和 是 尝试 到 使用 这 二次函数 学期 到 预测 在 这 降低 等级 的 C 和 更高 等级 的 E. So t 赖因 到 得到 这 预测 价值 关闭 到 这 检测限， 和 我们 知道 那 这 结果 是 有偏见。
Fangyi has 很好 显示 这里 那 这 不正确 分析， 忽略 这 检测限， 线索 到 一些 严重地 有偏见 结果。 和 那 得到 这 分析 正确的 是 简单的 如果 你 放 向上 这 检测 限制 在 任何一个 这 风俗 设计师 或者 作为 a 柱子 财产。
我是 去 到 去 通过 一 更多的 例子 那 有 测量 在 不同的 次， 哪个 添加 a 小的 少量 更多的 复杂 到 这 模型 放 向上， 和 在 我们的 案件， 必需的 一些 桌子 操纵 到 得到 这 数据 在 这 正确的 格式。
这里 是 这 数据 桌子 的 这 第二 美国能源部 在 基本上 这 形式 那 它 起初 来了 到 我们。 在 这 数据， 我们 有 8 因素， A 通过 H, 和 这 数据 有 测量 在 1 第 2 天 天， 和 7 天。 起初， 我们的 意图 曾是 到 分析 这 3 天 分别地， 但 什么时候 我们 合身 这 天 7 数据， 这 信心 间隔 在 这 预测 是 巨大的。
它 曾是 显然 那 那里 曾是 所以 很多 审查 那 我们 是 无法 到 合身 这 模型， 和 所以 我们 是 任何一个 去 到 有 到 来 向上 和 其他 战略 或者 后退 离开 从 一些 的 我们的 造型 目标。 什么 我们 结束 向上 正在做 曾是 我们 用过的 a 堆 手术 从 在下面 这 表 菜单 所以 那 这 回应 从 不同的 天 会 是 合并 一起 进入 a 单身的 柱子， 和 我们 额外 天 作为 a 柱子 那 我们 可以 使用 作为 a 回归 学期。
在 这 直方图 的 日志 减少， 我们 看 这 特征 聚束 在 这 检测 限制 的 五。 合并 这 数据 喜欢 这 当然 似乎 到 有 改进 这 影响 的 审查 在 这 设计 和 希望 允许 我们 到 制作 更多的 有效的 使用 的 全部 这 数据 那 我们 有。
作为 在 这 以前的 例子， 我们 开始 离开 配件 a 满的 RSM 模型， 但 在 这 案件， 因为 我们 有 天 作为 a 学期， 我们 添加 a 天 和 相互影响 全部 的 这 RSM 条款 和 天 在 这 合身 模型 发射 对话 事先的 到 带来 向上 这 广义的 回归 平台。 再次， 是 去 到 使用 这 对数N 正常 分配 作为 我们的 最初的 回复 分配。
因为 这 是 a 大的 模型， 我们 不能 使用 最好的 子集 选择， 所以 我们 用过的 修剪 向前 选择 作为 我们的 模型 选择 标准。 我们 尝试 这 对数N 正常的， 伽马， 和 普通的 分布， 和 清楚地 这 对数N 正常 来 出去 作为 这 最好的 分配 因为 它是 A 集成电路 是 205.3， 哪个 是 更多的 比 10 较少的 比 这 第二 最好的 分配， 哪个 曾是 这 普通的， 谁 A 集成电路 曾是 257.
这里， 这 模型 合身 看起来 真的 合理的 和 没有什么 可疑的。 这 解决方案 小路 标准 错误， 规模 范围， 和 这 实际的 经过- 预测 情节 全部 看 漂亮的 好的 和 实际的。 有 a 小的 少量 的 聚束 向下 在 这 低的 结尾 的 这 回复 但 这 思维 是 那 不是 到期的 到 a 检测 限制， 只是 a 部分 的 这 谨慎 的 这 测量 系统 在 降低 级别 的 减少。
现在， 如果 我们 重复 这 分析， 忽略 这 检测 限制， 它 指南 我们 向 这 普通的 分配。 这里 我们 看 这 分析器 为了 这 模型 那 合并 这 检测 限制 在 这 顶部 和 这 模型 那 被忽略 这 检测 限制 在 这 底部。
作为 在 这 其他 例子， 我们 看 那 这 尺寸 的 这 效果 是 戏剧性地 静音 什么时候 我们 忽略 这 检测 限制 和 我们 得到 相当 a 不同的 故事 作为 有 a 强的 关系 之间 日志 减少 在 因素 E 什么时候 我们 拿 这 检测 限制 进入 帐户 适当地， 和 那 影响 是 严重地 静音 什么时候 我们 忽略 这 检测 限制。
如果 我们 比较 这 实际的 经过- 预测 情节 为了 这 二 模型， 这 模型 和 这 检测限 采取 到 帐户 适当地 是 更紧 大约 这 45- 程度 线 为了 这 未经审查 观察结果。 W e 看 那 这 模型 忽略 这 检测 限制 是 只是 一般来说 较少的 准确的 作为 这 观察 是 更多的 传播 出去 穿过 这 45- 程度 线。
那些 是 我们的 二 案件 研究。 在 概括， I 想 到 重申 那 检测 限制 是 非常 常见的 在 滑稽 和 生物 研究。 作为 我们已经 见过 在 我们的 案件 研究， 忽略 检测 限制 介绍 严重 模型 偏见。 T 他 最多 重要的 信息 是 那 使用 这 柱子 财产 或者 环境 向上 这 检测 限制 在 这 风俗 设计师 制作 分析 检测- 有限的 数据 很多 更轻松 到 得到 正确的。
那里 是 一些 陷阱 到 手表 出去 为了 在 那 如果 你 看 标准 错误 那 是 不切实际地 小的， 或者 模型 是 不切实际地 准确的， 你 可能 需要 到 后退 离开 从 这 二次函数 条款 或者 可能 甚至 相互作用 條款。
我们 显示 如何 直方图 能 是 用过的 到 确认 什么时候 我们 有 a 检测 限制 情况。 它是 有用 到 看 这 审查 关系 之间 不同的 因素， 因为 如果 那里 是 大的 角落 的 这 因素 空间 在哪里 全部 这 观察 是 丢失的， 然后 我们 可能 不是 是 有能力的 到 合身 相互作用 在 那 地区 的 这 设计 空间。
A 获得， 如果 这 模型 看起来 也 好的 到 是 真的， 去 前方 和 尝试 a 更简单 模型， 后退 离开 a 少量。 那是 全部 我们 有 为了 你 今天。 I 想 到 感谢 你 为了 你的 注意力。
