你好。 我的姓名是標記貝利。
我是A進階的分析軟體測試員在JMP。
我的同事今天是蓋夫英語丁，
A進階的研究統計員開發商。
我是去到開始這推介會
關於一些新的方法到比較那將要是可用的在聯合管理計劃17.
我是去到開始超過。 我不知道為什麼。
你好。 我的姓名是標記貝利。
我是A進階的分析軟體測試員在JMP。
我的共同主持人今天是劍峰丁，
A進階的研究統計員和開發商。
我是去到開始和一個介紹到我們的話題。
前我們演講關於具體的比較，
星期三喜歡到介紹一些基本的概念。
全部的這有到做什麼時候是比較人口。
比較人口是A非常常見的任務。
這比較，我們希望，將要帶領到A決定之間二假設。
樣品從這些人口是常集為了這比較。
S統計的推理能提供一些有價值的資訊關於我們的樣品。
在特別的，
是那裡充足的證據到拒絕一假設關於這些人口。
明確陳述的這假設是
真的基本的到製作這正確的選擇的A測試為了你的比較。
這些假設代表二相互獨家的想法
那一起包括這僅有的的可能性。
他們是被稱為這選擇和無效的假設。
這選擇假設
是真的A陳述關於這結論那我們想到宣稱。
它供應到代表這人口和它將要要求充足的證據
到推翻這其他假設，哪個是這無效的假設。
它狀態這反對結論那必須是克服和強的證據。
它供應作為A參考為了比較和它是假定到是真的。
這是重要的那我們種類這出去今天因為從歷史上看，
統計訓練有呈現僅有的一方式的使用這些假設。
這最多常教過的統計測試
是用過的到證明A不同之處之間這人口。
但那是不是這僅有的可能性。
這缺少的理解關於這差別
能帶領到濫用這些測試。
這選擇的A測試是不是A事的這數據那是集
或者如何這數據是集。
它是嚴格地A事的這指出假設
為了這目的的你的比較。
讓我們看在二相似的例子那是實際上從根本上不同的。
但讓我們開始出去在哪裡我們有A目的的展示A不同之處。
在這例子，讓我們說我會喜歡到證明那A改變在溫度
將要原因A新的結果，一個改進也許。
我們想到宣稱那A新的等級
的我們的回覆將要結果從改變這過程溫度。
出色地使用A設計的實驗到隨機地樣本從A人口
為了這低的溫度狀態和這高的溫度狀態.
這二假設是這無效的狀態
那這溫度做不是影響這結果。
這將要是我們的參考。
這選擇狀態我們的宣稱，
哪個是這溫度影響這結果，
但僅有的如果這證據是強的足夠的到拒絕這無效的假設。
全部正確的，這是去到聲音非常相似的，但它是確切地這對面的。
在這案件，一個例子二，我們需要到證明等價物。
這裡我們想到證明
那A溫度改變母鹿不是原因A新的結果。
那是，後這改變，我們有這相同的結果。
為了例子，這可能是這案件在哪裡
我們是規劃到改變這流程溫度
到提升這屈服，
但我們想到製作當然那它不改變
這等級的一個不純在我們的產品。
我們設計這相同的實驗到收集這相同的數據
和我們有這相同的二假設，但現在他們是顛倒了。
它是這無效的那狀態那這溫度影響這結果，
那是，有A不同之處，
儘管這選擇狀態
那我們的改變在溫度將要不是影響這結果。
是我們測試為了A不同之處或者為了等價物？
真的我們看那從這些例子
那它是不是這數據，這數據完全相同的，但這測試是不同的。
這選擇是不是關於這數據，
它是關於我們的宣稱，或者在其他字，如何我們狀態我們的假設。
也記住那假設測試是單向。
他們服務僅有的到拒絕A無效的假設
的A高的可能性什麼時候它是錯誤的。
在我們的推介會今天，
星期三喜歡到介紹一些新的等價物測試作為出色地作為一些
額外的方法那是用過的什麼時候比較二測量系統。
我是現在去到手它超過到建飛吳到演講關於等價測試。
謝謝標記。
你好。
我是丁劍峰。
我是A研究統計員開發商在JMP。
在這影片我是去到演講關於這等價，
非劣效性和優勢測試在聯合管理計劃17.
這古典假設測試在這左邊
是這測試那最多品質專業人士是熟悉的和。
它是常用過的到比較二或者更多的團體的數據
到決定無論他們是統計上不同的。
這參數數據能是A意思是回覆
為了連續的結果和A部分什麼時候這結果多變的是二進制。
西塔t代表這回覆從治療團體
和西塔零代表回覆從A控制團體。
那裡是三類型的這經典的假設測試。
這第一的一是這二雙面的測試和這休息是一雙面的測試。
如果你是看著在這二邊測試在這左邊，
這不假設是那這治療方法是相同的
和這選擇假設是那這治療方法是不同的。
有時我們真的需要到建立那事物是實質上這相同的
和這機械到做那是被稱為一個等價測試。
一個相等的測試是到展示這不同之處在西塔t和西塔零
是之內A預先指定的利潤三角洲
和允許我們到得出結論這等價和A指定的信心等級。
如果你看在這等價測試，這不假設是那
這對待陳述方法是不同的和這選擇假設是那
這治療方法是之內A固定的三角洲的一其他。
這是不同的從這二雙面的假設測試在這左邊。
其他選擇測試設想是這非劣效性測試，
哪個目標到證明那結果是不是實質上更差。
那裡是也A測試設想被稱為優勢測試，
那是相似的到非劣效性測試，
除了那這目標是到證明那結果是實質上更好的。
那裡是五不同的類型的相等的類型測試
依靠在這情況。
什麼時候應該我們使用這測試將要是討論過下一個。
這些測試是非常重要的在行業，
尤其在這生物技術和製藥公司行業。
這裡是一些例子，
如果這目標是到展示那這新的治療
做不是不同顯著地從這標準一
經過更多的比一些小的利潤，然後相等的測試應該是用過的。
為了例子， A通用的藥物那是較少的昂貴的
和原因很少邊效果比A受歡迎的姓名品牌化的藥物.
你會喜歡到證明它有相同的功效作為這姓名品牌一。
這典型的目標在非劣效性測試是到得出結論
那A新的治療或者過程
是不是顯著地更差比這標準一。
為了例子， A新的製造業過程是快點。
你會製作當然它創造不更多的產品缺陷比這標準過程。
A優勢測試嘗試到證明
那這新的治療是實質上更好的比這標準一。
為了例子， A新的肥料有到過發達和一些改進。
這研究想要到展示
那這新的肥料是更好的比這目前的肥料。
如何到放向上這假設。
這圖形在這左邊，
總結這些五不同的類型的相等的類型測試非常很好。
這圖形是已創建經過SAS統計數據大學，約翰卡斯楚和唐娜瓦特。
你能尋找他們的白色的紙容易地在這網路。
選擇哪個測試依靠在這情況。
為了每個的這情況，
這藍色的地區是這地區那你是試到建立和這測試。
為了相等的分析，你能構造一個等價地區
和上邊界西塔零加三角洲和降低邊界西塔零減三角洲。
你能執行一個等價測試經過檢查
無論這信心間隔的西塔
謊言完全在這藍色的等價地區。
同樣地，你能執行A非劣效性測試經過檢查
無論這信心間隔的西塔
謊言完全多於這降低邊界如果大的西塔是更好的，
或者以下這上邊界如果較小西塔是更好的。
這些測試是可用的在一方式為了比較普通的方法
和意外情況下為了比較回覆費率。
這圖形化的使用者介面的等價測試發射對話
使它簡單的為了你到尋找這類型的測試
那對應到什麼你是試到建立。
A [聽不清楚 00:12:00]在這報告總結這比較非常很好地
和使它簡單的為了你到解釋這結果。
下一個，我是去到證明等價測試。
我是去到使用這數據放被稱為藥物測量。
那是在 JMP 中樣本數據作為我的第一的例子。
十二不同的科目是給定三不同的藥物A，乙和C。
和32連續的測量是集。
我們去到西塔YX,
和我們載入這回覆和治療。
這將要帶來這一方式分析。
在下面這紅色的三角形尋找這等價測試。
那裡是二選項方法和標準偏差。
我們是去到重點在方法在這講話。
我們帶來這對話和你能選擇A測試那你會喜歡到執行
和這圖形將要代表這已選擇測試。
為了這優勢或者非劣效性測試那裡是二場景。
大的不同之處是更好的或者較小不同之處是更好的。
選擇選項依靠在這情況。
你也需要到指定這利潤這裡為了這三角洲。
你需要到指定這意義等級α作為出色地。
你能選擇使用匯集起來變異數或者不等變異數到跑步這測試。
你能做全部一對明智的比較
或者你能做A比較和這控制團體。
是去到跑步一個等價測試第一的
和我們將要指定這三作為利潤為了這不同之處。
我們點選這好的按鈕。
這裡是這結果的這等價測試。
從這森林地塊你能看那
這信心間隔為了這主要的不同之處之間藥物A和藥物C
是完全地包含在這藍色的等價地區。
這最大限度P值是零較少的比.05.
我們能得出結論到這.o5意義等級。
藥物A和藥物C是相等的。
但如果我們看在藥物A和乙，藥物乙和C
我們能看他們的信心間隔的這主要的不同之處
是兩個都超過這藍色的地區。
在這.05意義等級
我們不能得出結論那藥物A和乙或者藥物乙和C是相等的。
認為藥物C是我們的標準藥物和我們會喜歡到尋找出去
如果這測量的藥物A或者乙是很多更好的比藥物C。
我們能跑步A優勢測試到證明。
讓我關閉這大綱筆記第一的和我們帶來這發射對話再次。
這時間是去到做A優勢測試。
為了這測試我們相信大的不同之處是更好的。
這裡我們保持這選擇。
A伊索為了這學習我們想到放藥物C作為我們的控制團體。
我們插頭在這三角洲，這利潤.04為了這案件點選好的按鈕。
這裡是這結果為了優勢測試。
從這森林陰謀你能容易地看那這信心間隔
的意思是不同之處之間藥物乙和C
是完全地包含在這優越的地區
和這P值是較少的比.05 。
我們得出結論那藥物乙是優越的到藥物C。
這信心間隔的意思是不同之處
之間藥物A和C是超過這藍色的地區。
這P值這裡是很多大比.05 。
我們得出結論在這.05意義等級
我們不能得出結論那藥物A是優越的到藥物C。
這結論我的第一的例子。
現在我是去到使用A第二例子
到使用這相對的風險之間二比例
到展示你如何到執行A非劣效性測試。
帶來這數據桌子。
這審判是嘗試到比較A藥物
被稱為菲達克斯作為選擇到藥物萬科為了這治療的冒號感染。
兩個都藥物有相似的效率和安全。
221出去的224患者對待和菲達克斯
達到了臨床治癒這結尾的學習。
比較到223出去的第257章患者治療過的和萬科。
是去到發射鐵Y經過X再次。
和放我們的回覆和A治療多變的和帳戶將要是弗雷格。
自從這回覆多變的是絕對的。
意外事件分析是產生的
和全部這測試這裡是基於在古典假設測試。
這P值建議我們那我們不能得出結論
那臨床問是不同的穿過這藥物.
但為了這學習我們真的想到尋找出去
如果藥物菲達克斯是不是下到藥物萬科。
我們去到紅色的三角形選單，尋找相等的測試。
那裡是風險不同之處和相對的風險。
我們是去到選擇相對的風險到做這案件。
在這發射對話我們選擇非劣效性測試
和這大的比率是首選經過我們為了這學習。
我們也需要到尋找這類別興趣。
為了這學習我們選擇是的作為A類別的興趣
和我們也需要到插頭在我們的比率利潤這裡。
我們指定零.09.
我們點選好的按鈕和這裡是這結果的非劣效性測試。
從這森林陰謀你能容易地看那
這信心間隔為了這相對的風險之間藥物菲達克斯和藥物萬科
是完全的包含在這非劣等地區。
我們得出結論在這.05意義等級，
藥物菲達克斯是不是下到藥物萬科。
這結論我的演講和我將要給它後退到標記。
感謝你建峰.
我是去到現在演講關於A非常常見的程式被稱為方法比較。
它是A標準實踐每當新的測量是存在發達。
我們有到認為那那裡是A標準方法那存在已經
到措施這等級的一些數量。
也許它是這溫度或者這效力的A藥物.
一個新的方法有到過發達為了一些原因。
我們想到製作當然那它是表現是可比到這標準方法。
今天那裡是許多標準那有到過發達
超過許多年經過各種各樣的組織到製作當然那這是完畢適當地。
什麼我們會希望是那這新的測試方法
理想地回報這相同的價值作為這標準方法。
分散陰謀的這測試方法相對這標準方法
會展示那這數據同意和這身分線y=X 。
但的課程這數據點慣於完美同意
因為的測量錯誤
在兩個都這標準方法和這新的測試方法。
回歸分析能決定這最好的合身線為了這數據
和這估計的模型參數能是比較的到那身分線。
這結束向上存在指出在這二假設作為接下來。
這無效的假設
說那他們是不是可比和所以其他方式的說那是
這截距是不是零和這坡是不是一。
這選擇
代表我們的宣稱那這新的方法是可比
和所以我們會預計這截距到是零和這坡到是一。
出色地比較經過使用回歸和普通的最小平方法回歸
假設A很少不同的事物。
它假設那是和X是線性地有關的。
它假設那那裡是統計錯誤在是但不是在X。
這些統計錯誤是獨立的的是，那是，他們是持續的為了全部Y。
有不數據那發揮過多的影響在這估計。
但在這案件的A方法比較，
這數據常違反一或者更多的的這些假設。
那裡是測量錯誤在這標準方法作為出色地。
也,這錯誤是不是總是持續的，
在哪個案件我們可能觀察那這係數的變化是持續的。
那是，這錯誤是成比例的，但這標準偏差是不是持續的。
最後，那裡是常異常值展示
那能強烈地影響這估計的這些參數。
其他回歸方法能幫助。
戴明回歸將要同時地最小化
這至少平方錯誤在兩個都是和X
和透過-B阿布洛克回歸是A非參數方法。
它是基於在這中位數的全部可能的成對的連續下坡
和因為的那它是抵抗的到異常值和非持續的錯誤。
這戴明回歸是可用的在聯合管理計劃
透過這雙變數平台使用這合身正交命令。
戴明回歸能估計這回歸一些方法。
它能估計這錯誤在兩個都是和X，
或者它能認為那這錯誤在是和X是平等的，
或者它能使用A給定比率的錯誤的是到X。
透過巴布羅k是現在可用的在聯合管理計劃17、
再次透過這雙變數平台使用這合身透過巴布洛克命令。
它也包括檢查為了這假設那
這測量是高度積極地相關的
和展示A線性關係。
有也A比較經過不同之處。
這平淡無奇-奧特曼分析比較
這成對的差異到這成對的方法
到評估這偏見之間這些二測量。
這結果是呈現在A分散陰謀的是相對X為了你的考試
和也到看如果那裡是任何異常現象在這差異。
這是全部假如透過這匹配對平台沿著和
一些假設測試。
患病的現在證明這些特徵。
我是去到展示你戴明回歸為了完整性
那是實際上到過可用的在聯合管理計劃為了許多年。
我是去到使用A數據桌子哪個有測量為了20樣品
經過這標準方法和然後四不同的測試方法。
我是只是去到使用方法1.
我開始這經過選擇這分析選單放是經過X。
這標準去在這X卷，儘管這方法一去在這是卷。
這裡我們有這分散陰謀到開始和。
患病的點選這紅色的三角形和選擇合身正交
和你能看這不同的選擇我提及只是A片刻前。
我是去到有聯合管理計劃估計這錯誤在是和X。
有A最好的合身線使用戴明回歸沿著和
資訊關於那。
我們能看那我們的截距為了這估計的線是關閉到零，
我們的坡是關閉到一，和在事實我們的信心間隔包括一。
現在我是去到展示你透過壞的塊。
我返回到這相同的紅色的三角形，
選擇合身透過巴塊,
和A新的已安裝線是添加到我的分散陰謀。
它看起來非常很多喜歡這結果從這戴明回歸。
但記住那透過巴布洛克
是抵抗的到異常值或者非常數方差。
第一的我們有肯德爾的測試那是講述我們關於這相關性。
積極的相關性是統計上重要的。
我們然後有A測試， A查看為了線性度，
和我們有A高的P-價值這裡表明我們不能拒絕線性度。
最後我們有這回歸結果。
我看那我有一個截距關閉到一，但這間隔包括零，
所以我不能拒絕零。
這坡是關閉到一。
我的間隔包括一，所以我不能拒絕那這坡是一。
最後，使用透過巴布洛克這曲線選單，
患病的點選這紅色的三角形和選擇平淡無奇-奧特曼分析。
這發射這匹配對平台，所以它是A分離窗戶。
這裡我們是看著在這成對的差異
之間方法一和這標準
相對這意思是的那些二價值觀。
是使用這到評估A偏見。
這平淡無奇-奧特曼a分析被報道在這底部。
這偏見是這平均的不同之處。
我們希望那它是零。
這估計是不是確切地零，
但我們能看那這信心間隔包括零，
所以我們會不是拒絕零。
我們也然後有降低限制的協定,
和我們看那他們也包括零作為出色地。
這標準方法那是用過的
什麼時候比較二測量方法是現在可用的在聯合管理計劃17.
那結論我們的推介會。
感謝你為了觀看。
