Traduccion de Documento de revista Quality Progress

...

Entendiendo los diferentes desempeños en el contexto de qué tamaño del diseño puede proveer visión si tal diseño esta adecuado para los objetivos y resultados de un experimento. Muchos de los sumarios gráficos y numéricos que siguen están disponibles en softwares estadísticos JMP, con una nueva funcionalidad para comparar múltiples diseños en JMP 13.

Una primera categoría de comparación considera un criterio de optimización alfabética, que ha sido una opción tradicional para sumarios mono- numéricos para caracterizar el desempeño de un diseño. Estos se enfocan en una buena estimación de los parámetros del modelo (D y A óptimos) o en una buena predicción de nuevas observaciones (G e I óptimos). Inicialmente consideramos los efectos principales del modelo porque nuestros intereses principales están en estimar los efectos principales de todos los factores. Además, incluimos una gráfica de costo y eficiencia que compara el tamaño relativo de los diseños. Claramente, por el hecho de que todos los demás diseños son mayores a 14r, su costo – eficiencia son menores a uno. Mirando a través de las eficiencias D, A, G e I; el patrón general es que los diseños más grandes funcionan mejor. Esto encaja con lo esperado: Recolectar más datos te ayuda a aprender más. La excepción es el diseño 15DSD, el cual no se desempeña tan bien para un criterio de optimización alfabético.

Evaluando el poder de diseños

Subsecuentemente, Consideramos el poder de cada diseño, que resume la habilidad de encontrar un efecto particular de un tamaño dado estadísticamente significativo durante la etapa de análisis. Porque nuestros cuatro diseños son simétricos en que tan bien estiman todos los efectos principales, mirando al desempeño para cada efecto principal individual puede ser aplicado a todos los siete efectos principales del modelo.

Hay una obvia diferencia, de cierta forma, en como del poder de los cuatro díselos para detectar de pequeños a medianos efectos en un patrón general dado 16r>15rCR= 14r>15DSD. En un tamaño efectivo de uno, por ejemplo, los valores de poder de arriba hacia abajo son 0.937 (16r), 0.887 (15rCR), 0.858 (14r), y 0.780 (15DSD). Esto significa que, para un efecto de este tamaño, exista una probabilidad del 93.7% que el modelo 16r lo encontrará estadísticamente significativo (con un valor p menor que .05) cuando solo en una probabilidad del 78% será considerado significativo por el modelo 15DSD.

Consideraciones de Correlación

Otra consideración de que tan bien los diseños pueden estimar diferentes términos de potencial en modelos más grandes. Por ejemplo, quizás quieras buscar por posibles interacciones bilaterales que están activas y ser capaz de identificar posibles candidatos que influyan la respuesta sin que esos efectos sean confundidos con otros efectos en el modelo. Para entender la estructura de correlación, puedes examinar un mapa de color de las correlaciones individualmente.

Bibliografía:

- Anderson, Christine (2006), “Statistics Roundtable” disponible en Quality power magazine, tomo octubre 2006, pagina 45.