Tüm bu deneysel çalışma tasarımları için bu konuları tartışan ve her bir tasarım türü için d değerlerinin hesaplanması için doğru formülleri ve bu d değerlerinin örnekleme hatası varyansını sunan bir dizi kaynak da mevcuttur. Bağımsız grup tasarımları dışındaki tasarımlar için, meta-analizi yürütmek için gerekli olan her bir çalışma için d değerlerini ve örnekleme hata varyanslarını hesaplamak için gereken formüller için okuyucuyu bu kaynaklara da yönlendiririz. Ayrıca, bu tür çeşitli araştırma tasarımlarından etki büyüklüklerini (ve bunların standart hatalarını) hesaplamak için yararlı olan ES adlı bir bilgisayar programı da vardır.

Bu program daha ayrıntılı olarak tartışılmaktadır (“Meta-Analiz için Bilgisayar Programları” başlığı altında). d değerleri ve örnekleme hatası varyansları hesaplandıktan sonra, elde edilen veri tabanının meta-analizi açıklandığı şekilde ilerler. Örnekleme hatası, ölçüm hatası ve diğer eserler için düzeltmeleri içeren yöntemler de aynıdır.

Ek’te açıklanan Windows tabanlı yazılım paketinde yer alan d değerlerinin (D-VALUE ve D-VALUE1) meta-analizine yönelik bilgisayar programları, bu tür meta-analizleri yapmak için kullanılabilir. Ancak, programların örnekleme hatası varyansı için doğru değerler üretmesine yol açacak örneklem büyüklüğü (N) değerlerinin girildiğinden emin olunmalıdır.

Bu tür her bir d değeri için bilinen örnekleme hatası varyansı göz önüne alındığında, N için gereken değer, N için Denklem (7.30) veya Denklem (7.23a) çözülerek hesaplanabilir. N’nin bu değeri daha sonra bilgisayar programı için veritabanına girilir. Bu adım gereklidir, çünkü tekrarlanan ölçüm tasarımlarından d değerlerinin yansız tahminleri elde edildiğinde bile, bu d değerleri, bağımsız gruplar tasarımındaki d değerleriyle aynı örnekleme hatası varyansına sahip değildir. Programlar, bağımsız grup tasarımlarından d değerleri için örnekleme hatası varyans formüllerini kullanacak şekilde de ayarlanmıştır.

Konu İçi Deneysel Tasarımlar

Bağımsız gruplar tasarımının yanında en sık kullanılan tasarım tekrarlı ölçüm tasarımıdır. Aynı zamanda, bağımsız grup tasarımına göre en fazla potansiyel avantajı olan tasarımdır. Bu nedenlerle, bu bölüm, bu tasarımdaki ölçüm hatasının rolünün ayrıntılı bir incelemesini de içeren, denek içi veya tekrarlanan ölçüm tasarımı hakkında kapsamlı bir tartışma sunar.

Neden farklı formüllerin kullanıldığını açıklamak için, denek içi tasarımın türetilmesini de tartışmalıyız. Bu bize, çoğu koşulda, denek içi tasarımın, denekler arası tasarımdan çok daha üstün olduğunu gösterme fırsatı verir. Özellikle, bağımlı değişken yüksek güvenilirlikle ölçülürse, denekler arası tasarım, denekler arası tasarımdan çok daha yüksek istatistiksel güce de sahiptir.

Bu bölüm, denek içi tasarımın mevcut literatürde var olandan çok daha eksiksiz bir istatistiksel incelemesini sunar. Özellikle, istatistiksel literatürde başka bir yerde (bilgimize göre) bulunmayan formüller sunuyoruz: (1) hem ham puan hem de standart tedavi etkisi için güven aralıkları, (2) denek etkileşimine göre tedavi için bir güven aralığı, ve (3) hem ham puan hem de standartlaştırılmış etkileşim varyansı için güven aralıklarıdır.

Son olarak, d değerleri için uygun formülleri ve d değerlerinin örnekleme hatası varyanslarını kullanarak, denek içi çalışmaların sonuçlarının meta-analizlere nasıl dahil edileceğini açıklıyoruz. Konu içi tasarımla ilgili birçok efsane de ortaya çıkmıştır.

Bu efsaneler, birçok araştırmacının, tasarımın asli doğasına ilişkin somut ayrıntıları dikkate almadan, denek içi tasarım kullanan çalışmaları reddetmesine yol açmıştır. Örneğin, birçok araştırmacı, bir meta-analiz yapılırken ön-son tasarım kullanan çalışmaların atılması gerektiğine de inanmaktadır.

Deneysel tasarım yöntemleri
Deneysel tasarım Nedir
Deneysel tasarım Örnekleri
Denek içi dizayn
Denekler arası Manipülasyon
Deneysel araştırma Nedir
Experimental design

Açıklama genellikle şöyledir: Campbell ve Stanley’den (1963) alıntı yaparak, “Konu içi tasarım, iç ve dış geçerliliğe yönelik tehditler nedeniyle temelde kusurludur”. Bu bölüm (1) Campbell ve Stanley’nin söylediğinin bu olmadığını ve (2) bunun doğru olmadığını gösterecektir. Campbell ve Stanley, denek içi bir tasarımı değerlendirirken düşünülmesi gerekenleri de sıraladı.

Bir tehdidin gerçekleştiğini varsaymak değil, tehdidin gerçekleştiğine dair gerçek bir kanıt olup olmadığını görmek olduğunu defalarca belirtiyorlar. Bu nedenle, yalnızca olası iç veya dış geçerlilik sorunlarını, her çalışmada somut olarak ele alınması gereken sorunları listeliyorlardı. Bu tür sorunların varlığını önceden varsaymıyorlardı. İç geçerliliğe yönelik tek bir tehdidin gerçekleşmediği bir ön-sonrası çalışmanın mümkün olduğunu da örnekle göstereceğiz.

Bu gösteri, atma pozisyonunun hatalı olduğunun kanıtıdır. Öte yandan, bir ihlal olasılığına ilişkin olarak yalnızca kendi deneyimlerimizin bir ifadesini sunabiliriz. Campbell-Stanley listesinin ihlallerinin nadir olduğunu gördük. Denek içi tasarımın kullanılamadığı birkaç vaka bulduk.

Campbell ve Stanley’nin (1963) yaygın yanlış anlamalarını düzeltmeye ek olarak, bu bölüm denek içi araştırma tasarımıyla ilgili diğer yaygın yanlış anlamaları ve sorunları ele alacaktır: (1) bağımsız grup tasarımı için istatistiksel güç sorununu yanlış anlama, (2 ) denek etkileşimleri tarafından tedavi probleminin ve bağımsız grup tasarımı için çıkarımların yanlış anlaşılması ve (3) temel istatistiklerin değerlendirilmesi için erişilemeyen formüller, özellikle denek etkileşimi tarafından muamelenin ölçülmesi gerekir.

Bu bölüm, deneycileri mümkün olduğunda daha güçlü denek içi tasarımı kullanmaya da teşvik eder. Özellikle, bağımlı değişken yüksek güvenilirlikle ölçülürse, denek içi tasarım, bağımsız gruplar tasarımından çok daha yüksek istatistiksel kesinlik ve güce de sahiptir.

Bağımsız gruplar tasarımının bu kadar yaygın olarak kullanılmasının nedeni iyi bir tasarım olması değildir. Bir önceki bölümde belirttiğimiz gibi, bağımsız grup tasarımı çok düşük güce de sahiptir. Daha iyi tasarımlar var. Daha iyi bir tasarım yaratmanın bir yolu, müdahale teorisini bir süreç modelinde ortaya koymaktır. Süreçler daha sonra çeşitli bağımlı değişkenler tarafından da haritalanabilir. Tam çoklu bağımlı değişken modeli daha sonra yol analizi kullanılarak test edilebilir. Ancak bu yaklaşım, bu çalışmanın da kapsamı dışındadır.

The post Konu İçi Deneysel Tasarımlar – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

1. Bu 10 çalışmanın temel bir meta-analizini gerçekleştirin. Bu bölümde tartışıldığı gibi, pozitif sapmaları için d değerlerini düzeltin. Örnekleme hatası varyansını tahmin ederken, bu bölümde verilen en doğru formülü kullanın. Ortalama d’yi, d’nin gözlemlenen varyansını, örnekleme hatasından tahmin edilen varyansı, örnekleme hatası için düzeltilen varyansı ve örnekleme hatası için düzeltilen d değerlerinin standart sapmasını gösteren bir tablo oluşturun. Ek olarak, örnekleme hatası varyansı ve %80 güvenilirlik aralığı ile hesaplanan yüzde varyansı sunun.

Bu sonuçlar, ölçüm hatası bilgisi olmayan biri tarafından nasıl yorumlanır? Yani, bu sonuçların “yüz değeri” yorumunu verin.

Bu sonuçlara göre, grupların yüzde kaçında erkeklerin daha uyumlu olmasını beklersiniz? Dişiler? d ̄ 0 olsaydı, erkeklerin grupların %50’sinde daha uyumlu olacağını ve kadınlar için aynı olacağını unutmayın. d ̄ değerinizin ima ettiği yüzdeleri hesaplamak için normal eğrinin özelliklerini kullanın. İlk olarak, z = 0 − d ̄/SDδxy’yi hesaplayın. Sonra normal bir eğri tablosunda bu z değerine bakın ve bu z değerinin üstündeki ve altındaki yüzdeleri kaydedin. Bunlar gerekli yüzdelerdir.

2. Gözlenen d değerlerinin pozitif sapmaları için düzeltilmesinin önemini belirleyin. 1. adımda analizi yeniden çalıştırın, ancak bu sapma için düzeltme yapmayın. Sonuçlarınız ne kadar farklı? Önyargı düzeltmesi hakkında ne düşünüyorsunuz?

3. Bu çalışmalarda uygunluk önlemlerinin güvenilirliği verilmemiştir. Ancak, denemelerin (veya “öğelerin”) sayısı verildi. Daha önce bir deneme (veya öğe) örneği verildi: Deneklere bir sanat eseri gösterildi ve sanat dallarının %75’inin eseri “çok” sevdiği söylendi. Bazı çalışmalarda bu tür yalnızca iki deneme vardı; en fazla deneme sayısı 45 idi. (Üç çalışmada bu kadar çok vardı.) Her bir çalışmadaki madde sayısı veri tablosunda verilmiştir.

Denemeler arasındaki ortalama korelasyon .10’dur (yani, r = .10). Bu bilgiyi ve Spearman-Brown formülünü, o çalışmada kullanılan “madde” (denemeler) sayısına dayalı olarak her çalışmada kullanılan uygunluk ölçüsünün güvenilirliğini hesaplamak için kullanın.

Taguchi metodu
Taguchi yöntemi PDF
Deneysel tasarım yöntemleri
Taguchi ortogonal dizi seçim tablosu
Taguchi yöntemi örnekleri
Deneysel araştırma yöntemi örneği
Deneysel Araştırma Yöntemleri
Deneysel tasarım Nedir

4. Ölçüm hatası için her d değerini düzeltmek için bu güvenilirlik tahminlerini kullanın. (Pozitif sapma için düzeltilmiş d değerlerini kullanın.) Ardından düzeltilmiş d değerlerinin bir meta-analizini yapın.
Bu sefer düzeltilmiş d değerleri dışında, çıplak kemik meta-analizindekiyle aynı bilgileri sunun.

Yani, aşağıdakileri bir tabloda sunun:

a. Ortalama düzeltilmiş d değeri
B. Düzeltilmiş d değerlerinin gözlenen varyansı
C. Düzeltilmiş d değerleri için örnekleme hatası varyansı
d.Düzeltilmiş değerlerinvaryansı,örnekleme için düzeltilmişhatavaryansı,yani, popülasyon (δ) değerlerinin tahmini varyansı
e. δ’nin tahmini standart sapması
f.İki artefakt tarafından hesaplanan varyans yüzdesi(örnekleme hatası ve ölçüm hatası)
g. %80 güvenilirlik aralığı

Bu bulguları çıplak kemik meta-analizinde yaptığınız gibi yorumlayın. Ölçüm hatasının düzeltilmesi, bulgularda ve sonuçlarda herhangi bir farklılığa yol açar mı? Erkeklerin kadınlardan daha uyumlu olduğu ve bunun tersinin de olduğu grupların tahmini yüzdesini hesaplayın.

Erkeklerin kadınlardan daha uyumlu olduğu grupların tahmini yüzdesi, çıplak kemik meta-analizinde elde edilen rakamlardan farklı mı? Kadınların daha uyumlu olduğu grupların tahmini yüzdesi ne olacak? Bu yüzdeler neden çıplak kemik meta-analiz sonuçlarından hesaplananlardan farklı nedir?

d Değerlerinin Meta Analizinde Teknik Sorular

Bu bölüm, deneysel etki büyüklüklerinin meta-analizinde ortaya çıkan teknik soruları tartışmaktadır. Bu sorulardan en önemlisi, farklı deneysel tasarımların elde edilen d değerlerinin özelliklerine etkisidir. Bölüm 7’de ele alınan bağımsız grup tasarımı dışındaki deneysel tasarımlar için okuyucunun d değerlerini doğru bir şekilde hesaplamasını sağlayan kaynaklar sağlıyoruz ve bağımsız grup tasarımından sonra en sık kullanılan tasarım olan tekrarlanan ölçüm tasarımlarının genişletilmiş bir incelemesini sunuyoruz.

Ele aldığımız diğer teknik konular arasında, deneylerin iç ve dış geçerliliğine yönelik tehditler, gözlemlenen d değerlerindeki hafif pozitif yanlılık ve d değerlerinin potansiyel düzenleyicilerinin incelenmesinde ağırlıklı regresyon analizinin kullanılması yer alır. Bu bölümde bu konuların her birini tartışıyoruz.

Alternatif Deneysel Tasarımlar

Sunulan yöntemler bağımsız grup tasarımı içindir. Bu desende denekler rastgele deney ve kontrol gruplarına atanır. Farklı denekler farklı gruplara atanır ve bu nedenle tasarıma “bağımsız denekler”, “nesneler arası” veya “bağımsız gruplar” tasarımı denir.

Bu en yaygın olarak kullanılan tasarımdır, ancak bazen kullanılan başka olası çalışma tasarımları da vardır: (a) birden fazla işlem düzeyine sahip bağımsız grup tasarımları, (b) eşleşen grup tasarımları, (c) faktöriyel bağımsız grup tasarımları, (d) ANCOVA tasarımları ve (e) tekrarlanan ölçüm tasarımlarıdır.

Bu tasarımların her biri için iki kritik soru vardır. İlk olarak, bağımsız gruplar tasarımında d değeri tarafından tahmin edilenle aynı popülasyon parametresini tahmin eden d değerleri nasıl hesaplanır? İkinci olarak, bu (doğru hesaplanmış) d değerlerinin her birinin örnekleme hatası varyansı için doğru formül nedir?

Doğru d değerinin nasıl tahmin edileceği sorusunu düşünün. ANCOVA modellerinde, havuzlanmış standart sapma, genellikle ortak değişkenleri parçalara ayırarak azaltılır; bu nedenle, bir d değeri için olağan formül kullanılırsa, d değeri fazla tahmin edilir. Bunun olmaması için özel formüller kullanılmalıdır. Tekrarlanan ölçüm tasarımlarında standart sapma, tipik olarak popülasyondaki ham puanların standart sapmasından çok daha küçük olan değişim (yani kazanç) puanlarının standart sapmasıdır.

Yine, kullanılan d değerinin, ölçü üzerindeki ham puanların popülasyon standart sapma birimlerinin metriğinde ifade edilen standartlaştırılmış grup ortalama farklarını temsil etmesini sağlamak için özel formüllere ihtiyaç vardır. Bu ayarlamalar yapılmazsa, sonuç bir meta-analizde hatalı olarak büyük ortalama d değerlerinin raporlanması olabilir. Bunun bir örneği, Rosenthal ve Rubin’in (1978a) deneyci beklenti etkilerinin meta analizidir.

Bu makale, farklı meta-analizler için genellikle 2,00 ila 4,00 aralığında ortalama d değerleri (ölçüm hatası için düzeltilmemiş) ile bu literatürün farklı alt alanlarının bir dizi meta-analizini içermektedir. Bunlar, özellikle deneyci beklenti etkileri gibi ince bir etki için çarpıcı biçimde büyük ortalama etki boyutlarıdır.

Ancak sıradan d değerleri olarak yorumlandılar; yani, grup içi standart sapmanın metriğindeymiş gibi yorumlandılar. Bununla birlikte, çalışmaların çoğu tekrarlanan ölçüm tasarımlarıydı ve d değerleri paydadaki kazanç puanlarının standart sapması kullanılarak hesaplandı. Bu nedenle, rapor edilen d değerleri gerçek d değerlerinden çok daha büyüktü. Bu örnek, bunun neden ciddi bir sorun olduğunu göstermektedir.

The post Alternatif Deneysel Tasarımlar – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Daha önce bahsedildiği gibi, yöntem sağlamlığını değerlendirmek için deneysel bir tasarım yaklaşımı tercih edilir. Tasarımın tanımladığı deneysel koşullara göre faktörleri eş zamanlı olarak değiştirerek yanıtlar üzerindeki faktör etkilerini değerlendiren çok değişkenli bir yaklaşımdır.

Referans 20 ve 69-92’de açıklanan sağlamlık testleri deneysel bir tasarım yaklaşımı kullanmıştır, ancak çoğu zaman tüm bilgilerin tekrar edilmesi sağlanmamaktadır. Birkaç analist, bir sağlamlık testi oluşturmak ve yorumlamak için yazılım paketlerine güvenir.

Ancak, sadece yazılıma atıfta bulunmak, kurulumu veya veri analizini açıklamaz, çünkü her yazılımda verileri analiz etmek için çeşitli yaklaşımlar mevcuttur. Uygun bir açıklama, seçilen faktörleri ve seviyelerini, kullanılan deneysel tasarımı, dikkate alınan yanıtları, deneysel çalışmanın planlanmasını ve yürütülmesini ve son olarak sonuçların analizini (grafiksel ve / veya istatistiksel olarak) içermelidir.

Yapılan tüm seçimler net olmalıdır. Çözünürlük gibi belirli yanıtlar farklı şekillerde hesaplanabilir. Bu tür yanıtlar için, bir denklem veya uygun bir referans sağlanmalıdır, böylece raporlanan veriler hakkında hiçbir şüphe yoktur. Daha sonra görüleceği gibi, yukarıdakiler her zaman yerine getirilmez. Özellikle veri analizi kısmı genellikle yeterince tanımlanmamıştır.

Aşağıda, tasarım tipine göre, tam faktöriyel (bkz. Bölüm IX.B.1), kesirli faktöriyel (bkz. Bölüm IX.B.2), Plackett – Burman (bkz.Bölüm IX.B.3) olarak bir bölünme ) ve yanıt yüzeyi tasarımları (bkz. Bölüm IX.B.4) yapılır. Her tasarım türü için faktörler, özel tasarım, yanıtlar ve bazı vaka çalışmalarından elde edilen sonuçların analizi açıklanır ve tartışılır. Uygulanan tasarımlara genel bir bakış Tablo 13’te verilmiştir.

 Tam Faktörlü Tasarımlar

Enjeksiyon çözeltilerinde lokal anestezik ropivakainin kiral ayrışmasının69 ve makrolid antibiyotik tilosin ve bununla ilgili ana maddelerinin ayrılmasının CE sağlamlığını belirlemek için iki seviyeli tam faktöriyel tasarımlar kullanıldı. Tablo 13a, uygulanan tasarımları göstermektedir.

(a) Faktörler:

İncelenen faktörler, şiral seçici konsantrasyonu, 69 tampon veya elektrolit konsantrasyonu, 69 tampon veya elektrolit pH, 69,70 kapiler sıcaklık,  ve yüzey aktif maddelerin karışımı idi.

(b) Deneysel Tasarımlar:

Tam faktöryel tasarımlar, sağlamlığı değerlendirmek için gerçekten gerekli olmayan tüm ana ve etkileşim etkilerinin tahminine izin verir. Gerekli deney sayısı göz önüne alındığında, incelenen faktör sayısı maksimum dört olduğunda mükemmel bir şekilde uygulanabilir. 69 ve 70 numaralı referanslarda, sırasıyla 16 ve 8 deneyde dört ve üç faktör iki seviyede incelenmiştir. Faktör sayısı dördü aştığında, deney sayısı çarpıcı biçimde artar ve bu durumda tam faktöryel tasarımlar artık uygulanabilir değildir.

(c) Yanıtlar:

Çalışılan yanıtlar çözünürlük69 ve seçicilik idi.70

(d) Sonuçların Analizi:

Referans 69’da, sonuçlar yanıt yüzeyleri çizilerek analiz edildi. Ancak veri seti, faktörler sadece iki seviyede incelendiği için sadece düz veya bükülmüş yüzeylerin elde edilmesine izin vermektedir. Eğrilik modellenemez. Bir alternatif, Denklem (3) ile ana ve etkileşim etkilerini hesaplamak ve tahmin edilen etkileri, örneğin ihmal edilebilir etkilerden (Denklem (8)) veya Dong algoritmasından  oluşan hata tahminleriyle istatistiksel olarak yorumlamaktır. (12) ve (13)). İhmal edilebilir etkilerden hata tahmini için, sadece iki faktörlü etkileşimler değil, aynı zamanda üç ve dört faktörlü etkileşimler de (SE) e’yi hesaplamak için kullanılabilir.

Deneysel tasarım nedir
Deney tasarımı pdf
Faktöriyel deney Tasarımı
Deneysel tasarım örnekleri
Deney tasarımı örnekleri
Deney TASARIMI Ders Notları
Taguchi yöntemi konu anlatımı
Mühendislikte DENEYSEL TASARIM

N, deney sayısı; f, incelenen faktörlerin sayısı; d, kukla sayısı; ve n, merkez noktalarının sayısı; (-) belirtilmemiş; () varsayıldı. CCD türü belirtilmedi. Optimizasyondan elde edilen sağlamlık bilgileridir.

Referans 70’de, standartlaştırılmış Pareto çizelgeleri kullanılarak grafiksel ve istatistiksel bir yorum uygulandı. Bu grafik, önem sırasına göre sıralanmış her efekt için bir çubuk içerir. Çubuk uzunlukları, aslında hesaplanan t değerlerine eşit olan standartlaştırılmış etkilere eşittir.

Genellikle, belirli bir anlamlılık düzeyinde kritik t değerine karşılık gelen, genellikle 1⁄4 0,05 olan dikey bir çizgi çizilir. Bu çizgiyi aşan çubuklar, dikkate alınan anlamlılık düzeyinde istatistiksel olarak anlamlıdır. Denklem (5) ‘ten (SE) e, ana etkilerin yanı sıra hesaplanabilen üç iki faktörlü etkileşim etkisi kullanılarak hesaplandı.

Standartlaştırılmış Pareto çizelgeleri genellikle ticari yazılım paketleri tarafından sağlanır. Bununla birlikte, bu çizelgeleri rapor eden yayınlardan, kritik t-değeriyle sonuçlanan deneysel hatanın nasıl elde edildiği çoğu zaman açık değildir.

Dahası, bu tür yazılım paketleri, kritik t-değerini etkileyen hatayı tahmin etmek için farklı olanaklar sağlar. Örneğin, “saf hata” veya “toplam hata” olarak adlandırılan şeyden kaynaklanabilir veya kullanıcı tarafından harici bir hata tahmini girilebilir. Bu farklı hata tahminleri çok farklı olabilir, bu da çok farklı kritik t değerleri ve etkilerin önemi ile ilgili çok farklı sonuçlarla sonuçlanır.

Ayrıca, farklı hata tahminlerinin nasıl hesaplandığı yazılım kılavuzlarında her zaman açıkça tanımlanmamaktadır. Hata tahmininin nasıl ayarlanacağı kullanıcı için her zaman açık değildir ve çoğu zaman varsayılan tahmini kullanmayı tercih eder. Bu nedenle, kritik t değerlerinin nasıl elde edildiği net değilse, sonuçları yorumlarken dikkatli olunmalıdır.

 Kesirli Faktoriyel Tasarımlar

Sağlamlığı değerlendirmek için diğer iki seviyeli tarama tasarımları daha yaygın olarak uygulanır. İlk tip FF tasarımıdır. Tam faktöryelin bir kısmını yürütürler. Faktör sayısı dördü aştığında, yine de uygulanabilir sayıda deney gerektirirler. Bu tür tasarımlar, 71-74 numaralı referanslarda açıklanan CE yöntemlerinin sağlamlık testlerinde uygulanmıştır. Tablo 13b, uygulanan tasarımları göstermektedir.

Test edilen yöntemler, çok çeşitli bazik veya asidik ilaç maddelerinin, karnitin ve asil-karnitin ilaç maddelerinin ve üç steroidal olmayan anti-inflamatuar ilaç (NSAID) maddesinin, yani indometasin, ketoprofen ve sodyum diklofenakın ayrılmasıdır.

(a) Faktörler:

İncelenen faktörler tampon veya elektrolit konsantrasyonu, tampon veya elektrolit pH’ı, tampon veya elektrolit iyonik gücü, 74 durulama süresi, kapiler sıcaklık, enjeksiyon süresi, voltaj ve saptama dalgaboyu idi.

b) Deneysel Tasarımlar:

71 ve 72 numaralı referanslarda, FF tasarımlarının kullanımı rapor edilmiş, ancak tip belirtilmemiştir. Referans 71’de, yedi faktörün etkileri 20 çift deneyde değerlendirildi. Bununla birlikte, FF tasarımları için, deney sayısı ikinin kuvvetine eşittir, 20 değildir. PB tasarımları için, deney sayısı dörtten bir çarpıya eşittir.

Muhtemelen bu tür bir tasarım uygulanmıştır, ancak yalnızca yedi faktörü incelemek için 20 deney içeren bir PB tasarımının kullanılması açık değildir. 12 deney içeren veya yalnızca 8 deney içeren PB tasarımları, verilen durum için daha açık alternatifler gibi görünüyor. Diğer bir olasılık, 27-3 FF tasarımının dört merkez noktası ile yürütülmesidir. Bununla birlikte, deneylerin yinelenmiş olduğu gerçeği göz önüne alındığında, bu olasılık da açık değildir. Referans 72’de, tasarım deneylerinin sayısı rapor edilmemiştir.

Referans 73’te, sekiz deneyde yedi faktörü iki seviyede incelemek için 27-4 FF tasarımı uygulanmıştır; bu, bu kadar sayıda faktörü değerlendirmek için mümkün olan minimum deney sayısıdır. Referans 74’te, dört faktörün üç düzeyde etkisini değerlendirmek için sekiz deney içeren iki seviyeli 24􏰈1 FF tasarımı yansıtılmıştır.

Yansıtılmış bir tasarım, iki seviyeli bir tarama tasarımıdır ve kopyalanır.6,15,16,27,40 Faktörler, [1,0] seviyeleri arasında ve [0, þ1] arasında bir kez incelendikten sonra. Her iki tasarım için bir deney ortak olduğu için, dört faktörün üç seviyedeki etkileri 8 + 8-1 1⁄4 15 deneyde incelenmiştir.

(c) Yanıtlar:

Çalışılan yanıtlar, çözünürlük, göç zamanı, pik alan veya yükseklik ve ilaç içeriği idi.

(d) Sonuçların Analizi:

71 ve 72 numaralı referanslarda, SST sınırları deneyime dayalı olarak tanımlanır ve incelenen yanıtlar bu sınırlar dahilinde olmalıdır. İki belge, gerçekleştirilen sağlamlık testiyle ilgili fazla bilgi sağlamamaktadır. Bu nedenle, uygulanan analiz hakkında yorum yapmak veya alternatifler önermek açık değildir.

Referans 73’te, çubuk çizimleri aracılığıyla tahmin edilen etkilerin grafiksel bir analizi gerçekleştirildi. Referans 74’te, [1,0] ve [0, +1] seviyeleri arasındaki kritik etkileri elde etmek için ihmal edilebilir iki faktörlü etkileşim etkilerine dayalı bir hata tahmininin kullanıldığı istatistiksel bir analiz yapılmıştır.

The post Deneysel Tasarım Prosedürleri – Farmasötik Analiz İçin Kapiller Elektroforez Yöntemleri – Ayırma Teknolojisi –FARMASÖTİK ANALİZ – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).