Con frecuencia veo confusión entre mediciones repetidas y mediciones replicadas en diseños experimentales. Son muy diferentes, al igual que los análisis resultantes.
Sí, tanto las mediciones repetidas como las replicadas son mediciones de respuesta múltiple realizadas con la misma combinación de parámetros. Sin embargo, las mediciones repetidas se toman durante la misma serie de experimentos o series consecutivas, mientras que las replicadas se toman durante series de experimentos idénticos pero diferentes, a menudo aleatorizados.
Réplicas
En diseño de experimentos, una réplica es una ejecución independiente del mismo tratamiento experimental , realizada bajo configuraciones de factores idénticos pero incluyendo todas las fuentes de variabilidad experimental .
Esto implica:
-
El sistema está completamente reinicializado
-
Nuevo material, lote, operador o punto de tiempo
-
Independencia entre carreras
¿Qué replica la estimación?
Ejemplo
Dos ejecuciones experimentales realizadas en días diferentes con los mismos niveles de factores se consideran réplicas .
¿Qué análisis?
En esta situación, desea estimar el error puro .
El error puro es la variabilidad observada entre réplicas reales con configuraciones de factores idénticas . El error puro se estima a partir de los puntos de diseño replicados mediante la descomposición por falta de ajuste.
Tenga en cuenta que el RMSE representa la variabilidad residual total, incluido tanto el error puro como la falta de ajuste del modelo.
Si tiene réplicas, puede acceder a la sección Falta de ajuste en su informe de Mínimos Cuadrados Estándar desde la configuración habitual de la Plataforma de Modelo de Ajuste
Repeticiones
Una repetición (o medición repetida) se refiere a múltiples mediciones tomadas dentro de la misma ejecución experimental , sin reiniciar el proceso.
Esto normalmente implica:
¿Qué repeticiones estimamos?
Ejemplo
Medir la misma muestra tres veces utilizando el mismo instrumento corresponde a repeticiones , no a réplicas.
¿Qué análisis?
Cuando el diseño incluye repeticiones :
Se recomienda REML (máxima verosimilitud restringida) para estimar los componentes de varianza.
La personalidad REML se selecciona cuando se lanza el modelo de la plataforma Fit Model y cuando un factor se define como aleatorio.
La definición de un efecto aleatorio se realiza mediante la opción de atributo
El informe incluirá una sección adicional relacionada con REML. Esta explicará el porcentaje de variación explicado por los efectos aleatorios.
Conclusión
En resumen, las réplicas proporcionan una estimación del error experimental puro, mientras que las repeticiones reflejan sólo la variabilidad de la medición y deben tenerse en cuenta mediante modelos de efectos aleatorios.
