Como parte de nuestra serie de blogs sobre pruebas de software, vamos a hacer un pequeño desvío para revisar los principios fundamentales de los efectos factoriales.
En particular, cuando se trata de diseños de cribado, las propiedades que buscamos en un diseño se pueden resumir de forma clara en los principios fundamentales de los experimentos diseñados. Incluso los describimos en nuestra documentación .
- Jerarquía de efectos: este principio especifica que los efectos principales tienen más probabilidades de ser más importantes que los efectos de segundo orden, que a su vez tienen más probabilidades de ser importantes que los de tercer orden, y así sucesivamente. Además, los efectos del mismo orden tienen la misma probabilidad de ser importantes.
- Escasez de efectos: según este principio, es probable que solo una pequeña cantidad de efectos en un experimento factorial sean significativos. Se supone que la mayoría de los efectos son insignificantes, lo que simplifica el proceso de selección del modelo.
- Herencia de efectos: este principio establece que es probable que un efecto de interacción sea significativo solo si al menos uno de sus efectos principales también es significativo. Esta especificación ayuda a descartar modelos incompatibles durante el proceso de búsqueda de modelos.
Ahora bien, si ha realizado suficientes experimentos, es probable que tenga ejemplos en los que estos principios no se cumplen. Sin embargo, hay evidencia empírica de que estas son suposiciones razonables que se pueden hacer cuando se está experimentando (consulte Li et al. 2006 para una revisión).
El principio de jerarquía de efectos es la base subyacente de muchas de las opciones de diseño en diseños factoriales fraccionados a través de la resolución y la aberración mínima que quizás haya aprendido si tomó un curso de diseño de experimentos. Combinado con la escasez, donde queremos encontrar los factores más importantes, estas son áreas de investigación activas (consulte, por ejemplo, los diseños de cribado definitivos y los diseños de cribado de nivel mixto ). De manera similar, cuando utiliza la plataforma de diseño personalizado, el modelo predeterminado es un modelo de efectos principales.
Quiero señalar que, en el caso del principio de escasez, la “probabilidad de ser significativo” es más un reflejo de la identificación de los efectos “más” importantes. Si se tiene un tamaño de ejecución suficientemente grande, muchos (posiblemente la mayoría) de los efectos factoriales serán estadísticamente significativos. Me gusta pensar en el principio de escasez como la forma de obtener los mayores efectos, de obtener el mayor beneficio por cada inversión que se haga al cambiar la respuesta modificando ciertas entradas correspondientes.
En cuanto al principio de herencia de los efectos, normalmente solo pienso en él cuando se trata de modelado, pero veremos que también es relevante para las pruebas.
¿Por qué el desvío? ¿Tiene relación con las pruebas?
Si bien podríamos simplemente haberlo dirigido a la documentación, que se encuentra en mi próxima publicación de blog, veremos cómo podemos plantear el problema de prueba utilizando estos mismos principios.
Li, X., Sudarsanam, N. y Frey, DD, 2006. Regularidades en datos de experimentos factoriales. Complexity , 11 (5), pp.32-45.
¡Excelente artículo @Ryan_Lekivetz !
También he intentado explicar lo mejor que he podido los principios básicos para la construcción de diseños (basados en los principios de Fisher: replicación, aleatorización, control local/bloqueo) y el análisis de diseños (efectos de escasez, jerarquía y herencia) en este artículo " Principios del diseño de experimentos: los conceptos clave para la construcción y análisis del diseño de experimentos ".
Gracias por leer @Victor_G , y agradezco el enlace a tu artículo. ¡Me encanta verte difundir la información sobre DOE!
