Niveau: Anfänger
【Moderator】
Laura Higgins, JMP Global Technical Enablement Engineer, JMP, SAS Institute Inc.
[Zusammenfassung der Ankündigung]
Die Design of Experiments-Plattform von JMP 16 verfügt über eine neue Funktion, die Nachweisgrenzen in die Spalteneigenschaften integriert, die während der Modellierung mit der Generalized Regression von JMP Pro automatisch angewendet werden. Wir werden diese neuen Funktionen demonstrieren und den Einfluss von Nachweisgrenzen auf die Datenanalyse erläutern.
Bei der Suche nach sehr kleinen Stoffmengen sind je nach eingesetzter Technologie Grenzen gesetzt. Die untere Nachweisgrenze ist die Tatsache, dass eine Substanz selbst dann nicht nachgewiesen wird, wenn sie vorhanden ist, sondern beim Nachweis einer geringen Substanzmenge in wichtigen Situationen wie der Erkennung des Ausbruchs einer Infektionskrankheit oder der korrekten Identifizierung einer geringen Menge an Verunreinigungen hat eine sehr wichtige Bedeutung.
Das Ignorieren von Nachweisgrenzen bei der Datenanalyse kann schwerwiegende Auswirkungen haben, wie zum Beispiel eine Verzerrung grundlegender Statistiken wie Mittelwerte und Konfidenzintervalle, die irreführend sein können. Auch wenn Sie Ihre Daten unter falschen Annahmen über die Nachweisgrenze modellieren, erhalten Sie am Ende das falsche Modell. Und diese Nachweisgrenze beeinflusst industrielle Anwendungen wie die pharmazeutische und chemische Herstellung, die analytische Chemie und das Design von diagnostischen Tests.
* Spielen Sie das Video auf dieser Site ab, klicken Sie unten rechts auf dem Bildschirm auf "CC" und wählen Sie "Englisch", um englische Untertitel anzuzeigen.
Wenn Sie die Präsentationsmaterialien und Daten dieser Ankündigung herunterladen oder zusammen mit dem japanischen Transkript ansehen möchten, Hier Bitte klicken Sie auf die.
Rufen Sie die Seite für jede Präsentation in der Discovery Summit Americas 2021-Präsentation auf.
(Bitte beachten Sie, dass Sie aufgefordert werden, sich beim SAS-Profil anzumelden.)
