Nivel: Intermedio
Philip Ramsey, profesor principal de la Universidad de New Hampshire y propietario de North Haven Group
Chris Gotwalt, Director de Investigación y Desarrollo Estadístico del JMP, SAS
El modelado estadístico tiene dos objetivos diferentes: la explicación y la predicción. Los modelos explicativos suelen tener predicciones deficientes (Shmueli, 2010). A menudo, los análisis de experimentos diseñados (DOE) son explicativos, pero los objetivos experimentales son la predicción. El DOE es una buena práctica para el desarrollo de productos y procesos, donde se predice el rendimiento futuro. El modelado predictivo requiere dividir los datos en conjuntos de entrenamiento y validación, donde el conjunto de validación se utiliza para evaluar los modelos predictivos. La mayoría de los DOE no tienen suficientes observaciones para formar un conjunto de validación, lo que impide la evaluación directa del rendimiento de la predicción. Demostramos una técnica de "autovalidación balanceada" que utiliza los datos originales para crear dos copias: una de entrenamiento y otra de validación. Los conjuntos difieren en las ponderaciones de las filas. Las ponderaciones tienen una distribución de Dirichlet y están "balanceadas"; las observaciones que contribuyen más a los datos de entrenamiento contribuyen menos al conjunto de validación (y viceversa). El enfoque solo requiere copiar los datos y crear una columna de fórmula para las ponderaciones. La técnica es general y permite aplicar técnicas de modelado predictivo a conjuntos de datos más pequeños, comunes en estudios de laboratorio y de fabricación. Se utilizan dos casos prácticos de desarrollo de procesos biofarmacéuticos para la demostración. Ambos casos cuentan con amplios conjuntos de validación combinados con diseños de cribado definitivos. JMP se utiliza para la demostración de los análisis.
