Mark Bailey, testeur principal de logiciels d'analyse, JMP Statistical Discovery LLC
Jianfeng Ding, développeur principal de statisticiens de recherche, JMP
Il est courant de devoir comparer deux populations avec seulement un échantillon de chaque population. L'inférence statistique est souvent utilisée pour faciliter la comparaison. Notre présentation se limite à l'inférence statistique qui implique deux hypothèses : l'hypothèse nulle et l'hypothèse alternative. Parfois, le but de la comparaison est de fournir des preuves suffisantes pour décider qu'il existe une différence significative entre deux populations. À d'autres moments, l'objectif est de fournir des preuves suffisantes qu'il existe une équivalence, une non-infériorité ou une supériorité significative entre deux populations. Les deux situations peuvent être assistées par un test d'hypothèse, mais elles nécessitent des tests différents. Nous passons en revue ces situations, les hypothèses appropriées et les tests appropriés à l'aide d'exemples courants.
Une autre comparaison courante est entre deux mesures de la même quantité. Cette situation est largement couverte par l'analyse du système de mesure. Notre présentation se concentre plutôt sur le protocole de comparaison de méthodes pour les essais chimiques et biologiques utilisés par le développement et la fabrication pharmaceutiques et biotechnologiques. Nous présentons deux méthodes disponibles dans JMP 17 pour évaluer la précision d'une nouvelle méthode d'essai par rapport à une méthode de référence établie. Une méthode est connue sous le nom de régression de Deming ou Fit Orthogonal dans JMP. La deuxième méthode est connue sous le nom de régression de Passing-Bablok. Nous passons en revue le contexte de l'évaluation de l'exactitude, la nature unique des données issues des comparaisons de méthodes et démontrons les deux méthodes de régression avec des exemples.
