José G. Ramírez, PhD, Jefe de Estadística, Grupo de Excelencia en Calidad, Amgen
Este artículo fue elegido uno de los tres finalistas para el premio al mejor artículo contribuido.
Tras el análisis de un experimento diseñado con múltiples respuestas, se puede obtener una gran cantidad de modelos reducidos que dependen de diversos factores experimentales. ¿Cómo determinamos cuáles de estos modelos son adecuados para la predicción? ¿Cómo evaluamos qué factores experimentales son los más importantes en todas las respuestas? El criterio de Box-Wetz es una medida útil de bondad de predicción para modelos estadísticos que compara el cambio promedio en una respuesta con el error promedio de estimación. La descomposición de Sobol proporciona índices de sensibilidad muy útiles para evaluar la importancia de los factores experimentales en múltiples respuestas. Utilizando ejemplos de la industria biotecnológica, demostraremos un script de JMP que calcula el criterio de Box-Wetz para un modelo dado y analizaremos su interpretación. También mostraremos cómo se pueden utilizar los índices de sensibilidad generados por el "Perfilador de Predicción > Evaluar Importancia de la Variable" para priorizar la importancia de los factores experimentales en múltiples respuestas.
