使用 Bootstrapping 技术设计实验的模型验证策略及其在生物制药中的应用 (EU2018 201)级别：中级
Philip Ramsey，新罕布什尔大学首席讲师；诺斯黑文集团所有者
Chris Gotwalt，SAS JMP 统计研究与开发总监
统计建模有两个不同的目标：解释和预测。 解释性模型的预测效果通常很差（Shmueli，2010）。 设计实验 (DOE) 的分析通常是解释性的，但实验目标是预测。 DOE 是产品和工艺开发的一种最佳实践，可以预测未来的性能。 预测建模需要将数据划分为训练集和验证集，其中验证集用于评估预测模型。 大多数能源部没有足够的观察结果来形成验证集，从而无法直接评估预测性能。 我们演示了一种“平衡自动验证”技术，使用原始数据创建该数据的两个副本，一个是训练集，另一个是验证集。 这些集合的行权重不同。 权重是狄利克雷分布且“平衡”的；对训练数据贡献较大的观察结果对验证集的贡献较小（反之亦然）。 该方法只需要复制数据并创建权重公式列。 该技术是通用的，允许将预测建模技术应用于实验室和制造研究中常见的较小数据集。 使用两个生物制药工艺开发案例研究进行演示。 这两种情况都有大量的验证集和明确的筛选设计相结合。 JMP 用于演示分析。
预测建模回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用对于那些努力解决小样本问题的医学研究人员来说，这项技术似乎改变了游戏规则。我可以参考同行评审期刊上发表的文章的引用吗？非常感谢这份礼物。
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用是的，不要忽视功能数据浏览器。 实际上，在 14.2 中，FDA（每一个双关语都是有意的）和自动验证可能会很好地协同工作，因为人们可以直接连接功能 PC 和实验因素。
非常高兴您发现自动验证有用且有趣。
菲尔
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用谢谢菲尔，
我对它非常感兴趣——它分散了我尝试功能数据浏览器的注意力——我下一步想尝试一下。 运行模型模拟需要花费大量时间 - 但我认为对于我正在做的事情并帮助我们确定进一步实验的重要因素来说这是非常值得的！
谢谢你！
帕蒂
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用嗨帕蒂，
很高兴听到您对自动验证方法很感兴趣。 该方法非常通用，可以轻松应用于观测或 DOE 数据，我鼓励您尝试。 无论是观察法还是实验设计法，该方法的执行方式都完全相同。 我还将其应用于小型观测数据集，并在发现哪些效应最重要方面获得了非常有用的结果。
菲尔拉姆齐
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用谢谢 Phil 和 Chris - 这对我的 DOE 数据来说很有趣。 有什么理由不对 DOE 数据加上历史数据执行此操作？ 样本集仍然很小，如果在 DOE 平台中进行分析，将无法做出良好的设计 - 我可以复制我拥有的数据集并遵循所有步骤吗？或者有什么理由不这样做 - 谢谢帕蒂
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用谢谢菲尔。 我现在已经下载了 JMP14，现在包含了零比例选项:)
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用你好，
是的，简单的解决方案是使用 NZero 函数（次数为 0）
然后你可以计算零或非零的比例。如果你看
在案例研究中，你会看到我使用 NZero 函数
创建各种加权方案。
菲尔拉姆齐
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用这是一个非常有趣的演示。 感谢您分享文件。 我正在尝试在我的一个 DOE 上重现这一点。
然而我被幻灯片的第 10 步卡住了：计算非零比例。 该选项对我不可用（见下图）？ 有谁知道为什么会出现这种情况？ 我正在使用 JMP Pro 14EA。
我通过使用 N Zero 并进行额外计算以获得非零比例来解决这个问题。 效果很好谢谢！！
