Nivel: Intermedio
Bradley Jones, Investigador Distinguido de JMP, SAS
JMP 14 incluye varias novedades en el diseño de experimentos (DOE). Quizás la más importante sea una nueva herramienta para crear diseños de bloques incompletos balanceados (BIBD). Estos diseños constan de un factor de tratamiento y un factor de bloqueo. Cada nivel de tratamiento aparece el mismo número de veces en total, y cada nivel de tratamiento aparece junto con todos los demás niveles de tratamiento en algún bloque, también el mismo número de veces. Esto genera un tipo especial de equilibrio. Proporcionaremos más detalles sobre este diseño y mostraremos la interfaz de usuario de la nueva herramienta.
El Diseñador Personalizado ha añadido un par de criterios de optimización para generar diseños A-óptimos y diseños A-óptimos ponderados. Un diseño A-óptimo minimiza la varianza media de las estimaciones de los parámetros. El criterio A es similar al conocido criterio D, ya que se centra en la estimación precisa de los parámetros del modelo. Los diseños A-óptimos ofrecen dos ventajas. En primer lugar, es más fácil comprender cómo el criterio A produce buenos diseños que con el criterio D, lo que facilita su adopción por parte de los nuevos profesionales del diseño de experimentos (DOE). En segundo lugar, los diseños A-óptimos ponderados permiten dar diferente importancia a distintos grupos de parámetros. Por ejemplo, se podría priorizar el énfasis en los efectos cuadráticos puros sobre las interacciones de dos factores, y ambos sobre la estimación del efecto principal.
La herramienta Comparar diseños ahora admite hasta cinco diseños en la interfaz de usuario y hasta diez mediante programación. Anteriormente, el límite era de tres diseños. Demostraremos esta nueva funcionalidad con un ejemplo en la interfaz de usuario y otro mediante programación, que incluye los nuevos diseños A-óptimos y A-óptimos ponderados.
