1. ¿Qué inspiró esta solicitud de lista de deseos?
La inspiración para esta solicitud proviene de una pregunta muy común y fundamental en el diseño experimental que actualmente es difícil de responder prospectivamente en JMP:"¿Cuántas muestras necesito recolectar para detectar una correlación significativa entre dos variables continuas?"
Actualmente, al diseñar un experimento sencillo para evaluar la relación entre un factor continuo (p. ej., la temperatura) y una respuesta continua (p. ej., la fuerza), las potentes plataformas DOE de JMP están optimizadas para factores categóricos o modelos multifactoriales más complejos. Las herramientas existentes para responder a esta pregunta no son intuitivas ni están diseñadas para el análisis retrospectivo.
-
Modelo de ajuste > Apalancamiento del efecto:Esta es una herramienta poderosa pararetrospectivoAnálisis de potencia después de la recopilación de datos. No es adecuado parafuturoPlanificación antes de ejecutar un experimento.
-
DOE > Tamaño de la muestra y potencia:Si bien esta plataforma tiene calculadoras para diversos escenarios, no están diseñadas de la manera en que un científico o ingeniero normalmente formula la pregunta.
Esto lleva a los usuarios a recurrir a software externo, como G*Power, o simplemente a calcular el tamaño de la muestra con precisión, lo que a menudo resulta en experimentos con poca potencia (que no detectan un efecto real) o con demasiada potencia (que desperdician tiempo y recursos). Las siguientes configuraciones de la aplicación G*Power son importantes:
- Familia de pruebas: pruebas F
- Prueba estadística: regresión múltiple lineal
- Tipo de análisis de potencia: A priori
Ejemplo de caso de uso:Quiero diseñar un experimento para ver si<SPAN class="selected">concentración del catalizador</SPAN>afecta<SPAN class="selected">rendimiento del producto</SPAN>Antes de ejecutar el experimento, necesito saber cuántas muestras recolectar. Quiero tener una seguridad del 90 % (potencia) de que puedo detectar una relación si la correlación real explica al menos el 15 % de la variación (un R² de 0,15). También tengo una estimación del ruido del proceso (RMSE) a partir de datos históricos. Actualmente, no existe una plataforma interactiva sencilla en JMP que me ayude a determinar el tamaño de muestra necesario para este escenario simple.
2. ¿Cuál es la mejora que le gustaría ver?
Propongo la creación de unaperfilador interactivo de tamaño de muestraespecíficamente para diseñar un experimento con un único factor continuo y una única respuesta continua. Esta podría ser una nueva personalidad dentro del...<SPAN class="selected">DOE > Tamaño de la muestra y potencia</SPAN>plataforma.
El perfilador sería visualmente intuitivo y funcionaría de manera similar a otros perfiladores en JMP.
Características principales:
Maqueta de la característica propuesta:
Esta interfaz permitiría al usuario ver al instante las ventajas y desventajas. Por ejemplo, podría observar cómo un R² menor o un ruido de proceso mayor aumentarían drásticamente el tamaño de muestra requerido, todo antes de invertir recursos en el experimento.
3. ¿Por qué es importante esta idea?
La implementación de esta idea aportaría un valor significativo al:
-
Cerrando una brecha crítica:Aborda una de las preguntas más comunes sobre diseño experimental que actualmente no se aborda con las herramientas futuras de JMP. Evitaría que los usuarios tuvieran que abandonar el ecosistema de JMP para usar herramientas externas.
-
Promoción de buenas prácticas estadísticas:Facilita la determinación de la potencia y el tamaño de la muestra de forma accesible e intuitiva, lo que anima a los usuarios a planificar adecuadamente los experimentos. Esto se traduce en una ciencia e ingeniería más eficientes y de mayor calidad, ahorrando dinero y recursos al evitar estudios con potencia insuficiente o excesiva.
-
Facilidad de uso:Enmarca el problema en el lenguaje que utilizan los científicos e ingenieros (<SPAN class="selected">R²</SPAN>, <SPAN class="selected">RMSE</SPAN>), lo que reduce las barreras de entrada para un diseño experimental robusto. Es imprescindible para cualquiera que realice incluso la caracterización o validación de procesos básicos.
