Niveau : Intermédiaire
James Wisnowski, consultant principal, Adsurgo
Andrew Karl, consultant principal, Adsurgo
Des tests d'hypothèse standard sont mis en place pour prouver les différences par rapport à un standard ou entre les populations. L'objectif de nombreuses applications est de démontrer avec une certitude statistique qu'en fait, il n'y a pas de différence pratique. Les exemples courants incluent les performances entre les résultats du modèle et de la simulation par rapport aux événements en direct, la sécurité et l'efficacité des médicaments génériques par rapport aux médicaments de marque, les propriétés d'ingénierie des matériaux entre différents traitements et de nombreux autres problèmes auxquels la communauté JMP est confrontée quotidiennement. Alors que plusieurs plateformes ont la très bien nommée option Équivalence des tests qui utilise les deux tests unilatéraux (TOST), en pratique, nous avons souvent besoin de moyens plus que égaux pour caractériser correctement la similitude. Nous démontrerons les capacités de JMP pour aider à établir l'équivalence des moyennes, des variances et des distributions en guise d'introduction. L'accent sera mis sur l'égalité entre les modèles ; c'est-à-dire que non seulement les réponses de sortie sont approximativement égales, mais également la cohérence des paramètres caractérisant le processus. Nous allons étendre l'estimation personnalisée dans JMP pour les modèles de régression avec la statistique de test T2 de Hotelling et montrer comment l'explorateur de données fonctionnelles peut être utilisé pour décomposer des courbes complexes, puis mettre en œuvre des méthodes d'équivalence standard à des fins de comparaison.
Merci @AppleIndy pour les mots gentils. Le journal et les diapositives sont maintenant joints.
J'ai vraiment apprécié votre présentation au sommet. Ce serait formidable si vous pouviez partager votre journal.
