Vedo spesso confusione tra misurazioni ripetute e misurazioni replicate nei disegni sperimentali. Sono molto diverse, così come lo sono le analisi che ne derivano.
Sì, sia le misurazioni ripetute che quelle replicate sono entrambe misurazioni a risposta multipla effettuate con la stessa combinazione di parametri! Tuttavia, le misurazioni ripetute vengono effettuate durante la stessa serie di esperimenti o serie consecutive, mentre le misurazioni replicate vengono effettuate durante serie di esperimenti identiche ma diverse, spesso randomizzate.
Repliche
Nella progettazione degli esperimenti, una replica è un'esecuzione indipendente dello stesso trattamento sperimentale , eseguita con impostazioni fattoriali identiche ma includendo tutte le fonti di variabilità sperimentale .
Ciò implica:
-
Il sistema è completamente reinizializzato
-
Nuovo materiale, lotto, operatore o punto temporale
-
Indipendenza tra le esecuzioni
Cosa replica la stima
Esempio
Due serie sperimentali eseguite in giorni diversi con gli stessi livelli di fattore sono considerate repliche .
Quale analisi?
In questa situazione, si vuole stimare l'errore puro .
L'errore puro è la variabilità osservata tra repliche reali con impostazioni fattoriali identiche . L'errore puro viene stimato a partire da punti di progettazione replicati utilizzando la decomposizione "difficoltà di adattamento".
Si noti che l'RMSE rappresenta la variabilità residua totale, comprendente sia l'errore puro sia la mancanza di adattamento del modello.
Se hai delle repliche, puoi accedere alla sezione Mancanza di adattamento nel tuo report Standard Least Square dalle impostazioni usuali della piattaforma del modello di adattamento
Ripetizioni
Una ripetizione (o misurazione ripetuta) si riferisce a più misurazioni effettuate all'interno della stessa sessione sperimentale , senza reinizializzare il processo.
Ciò comporta in genere:
Quali ripetizioni stimano
Esempio
Misurare lo stesso campione tre volte utilizzando lo stesso strumento corrisponde a ripetizioni , non a repliche.
Quale analisi?
Quando il disegno prevede delle ripetizioni :
Per stimare i componenti della varianza si consiglia di utilizzare REML (Restricted Maximum Likelihood) .
La personalità REML viene selezionata quando viene lanciato il modello della piattaforma Fit Model e quando un fattore viene definito come casuale.
La definizione di un effetto casuale è fatta dall'opzione attributo
Il rapporto conterrà una sezione aggiuntiva relativa al REML, che spiegherà la percentuale di variazione spiegata dagli effetti casuali.
Conclusione
In sintesi, le repliche forniscono una stima dell'errore sperimentale puro, mentre le ripetizioni riflettono solo la variabilità della misurazione e dovrebbero essere prese in considerazione utilizzando modelli a effetti casuali.
