你好，還有歡迎到我們的推介會，方法到比較和JMP®17。我的姓名是標記貝利。 我是A高級的分析軟件測試儀，和我的共同主持人今天是劍峰丁， A高級的研究統計員開發商。 前我們得到進入這新的特徵，是去到拿A片刻到製作當然那每個人有這恰當的背景到欣賞這些新的方法。
這有到做和使用統計推理什麼時候是試到比較二人口。 這是A非常常見的任務，和這比較通常線索到A決定之間二想法關於這些人口。 如果我們可以觀察這人口在他們的整體，我們不會需要統計數據，但那是不是通常這案件。 所以，我們有到工作和樣品從這人口。統計推理能提供一些真的有價值的信息關於那些樣品。
在特別的，是那裡充足的證據到拒絕一主意關於這二人口？ 所以A清除陳述的這些想法或者假設是基本的到製作這正確的選擇為了這測試和也為了這正確的解釋。 所以讓我們講話A小的少量關於這想法或者假設那是部分的這些統計測試。 這選擇和無效的假設，作為他們是已知，代表相互獨家的聲明關於這些人口，和不其他假設是可能的。
為了例子，一陳述可能是為了人口A和人口乙那他們的方法是平等的。 這其他主意是那他們是不是平等的。 那些二想法或者假設是相互獨家的和不其他假設是可能的。 什麼是這角色的這些二想法？ 這選擇假設狀態這結論那我們會喜歡到宣稱。 它代表這人口和它將要要求充足的證據在這數據到推翻這其他假設。
這其他一是被稱為這無效的假設。 它狀態這反對結論那必須是克服經過強的證據。 它供應作為A參考為了這比較。 它是假定到是真的。 現在，現在，有有些的A誤解在假設測試在那它僅有的想關於比較在一方向。 那是因為從歷史上看，這是這方式它曾是呈現在訓練。
那最多經常教過的測試是用過的到證明那有A不同之處之間二人口。 這結果缺少的理解能帶領到A濫用的這些測試。 到是清除，這選擇的這測試是不是A事情的什麼數據是集或者如何這數據是集。 它是完全關於這指出假設為了這目的的你的比較。讓我們看在這些二的可能性。讓我們說那這目標的我們的比較是到證明A不同之處。
我們想到明確地狀態這些想法到製作當然這測試是清除。 在這第一的例子，我想到證明那A溫度改變原因A新的結果。 那是，那裡是A不同之處。 星期三喜歡到宣稱那這新的等級的這回复將要結果從A改變在這過程溫度。 也許我們預計A更高屈服或者星期三喜歡到展示更多的穩定。A設計實驗是用過的到隨機地樣本從這人口為了A低的-溫度狀態和從A人口的A高的-溫度狀態.
這二假設為了這測試，這無效的假設狀態那這溫度做不是影響這結果。 記住，它是我們的參考和我們認為它到是真的。 這選擇假設是我們的主意。 溫度影響這結果，但我們能決定這僅有的如果這證據是強的足夠的到拒絕這無效的假設。 現在，讓我們改變那。 讓我們反向那。 讓我們說那在這比較，我想到證明等價。 在這第二例子，我想到展示那A溫度改變做不是原因A改變在這結果。
那是，這結果，任何一個方式，是相等的。 我們想到宣稱那A計劃改變在這過程溫度將要提升這屈服但不是影響這等級的一個不純的這產品。 我們設計這相同的實驗，收集這相同的樣品，但現在我們的假設是切換了。 這無效的假設是那這溫度影響這結果。 它是我們的新的參考，我們仍然認為它到是真的，儘管這選擇假設狀態那這溫度做不是影響這結果，這不純等級。
但我們能製作那宣稱僅有的如果這證據是強的足夠的到拒絕這無效的。 也如此我測試為了A不同之處或者為了等價？ 這鑰匙是如何你狀態你的假設。 這些二例子，我思考你能看，使用完全相同的數據但不同的測試。 這選擇的這測試是不是關於這數據。 它是關於這宣稱那我們想到製作和如何我們狀態那適當地在這假設。 記住那統計測試是單向。 那是，我們能拒絕A無效的或者不是。 如果這測試是到拒絕A無效的假設和A高的可能性什麼時候它是錯誤的。
現在，讓我們得到到這新的特徵在JMP®17。劍峰將要現在展示這等價測試，以及什麼時候她是完成的，患病的展示方法比較。
現在，我是去到分享我的屏幕。 你好，我的姓名是丁劍峰. 我是A研究統計開發商在JMP®17。 在這視頻，我是去到講話關於這等價，非劣效性，和優勢測試在JMP®17。 這基本的假設測試在這左邊是A測試那最多品質專業人士是熟悉的和。 它是經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。
這範圍西塔能是A意思是回复為了連續的結果和A部分什麼時候這結果多變的是二進制。 西塔時間代表回复從治療團體和西塔零代表這回复從A控制團體。 那裡是三類型的這基本的假設測試。 這第一的一是雙面的測試和這休息是一-雙面的測試。 如果你看在這雙面的測試在這左邊，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噸，西塔零是之內A預指定的利潤三角洲和允許我們到得出結論等價和A指定的信心等級。如果你看在這等價測試，這不假設是那這治療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等價類型測試。 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經過更多的比一些小的利潤，然後等價測試應該是用過的。 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-品牌藥物. 你會喜歡到證明它有相同的功效作為這姓名-品牌化的一。 這典型的目標在非劣效性測試是到得出結論那A新的治療過程或者產品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明顯更好比這標準一。 為了例子， A新的肥料有到過發達和一些改進。 這研究人員想到展示那這新的肥料是更好的比這當前的肥料。 如何到放向上這假設？ 這圖形在這左邊總結五不同的類型的等價類型測試非常很好。
這圖形是已創建經過我們的SAS/STAT®同事，約翰卡斯特羅,和唐娜瓦特。 你能尋找他們的白色的紙在這在這網絡。 選擇哪個測試依靠在這情況。 為了每個的這情況，這地區那我們是試到建立和這測試是顯示在藍色的。 為了等價分析，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在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更大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JMP® 17 英寸一方式為了比較普通的方法和在意外事件為了比較回复費率。 這圖形化的用戶界面的等價測試發射對話框使它簡單的為了你到尋找這類型的測試那對應什麼你是試到建立。
A森林陰謀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，我是去到做A演示關於相等的測試，優勢測試，和非劣效性測試。 我是去到使用A數據放被稱為這藥物測量那是在這聯合管理計劃樣本數據圖書館. 十二不同的科目是給定三不同的藥物A，乙，和C，和連續的測量是製成。 我第一的推出合身是經過X和放這測量作為是和藥物類型作為X因素。
這將要帶來這一-方式分析。 在下面這紅色的三角形菜單，讓我們第一的尋找相等的測試和那裡是這二選項，方法，和標準偏差。 是去到重點在方法為了這例子。 這將要帶來這等價發射對話。 在這部分，你能選擇哪個測試你會喜歡到執行，和這圖形代表這選擇的這已選擇測試。為了優勢和非劣效性測試，那裡是二場景。
一是大的不同之處是更好的。 其他是小的不同之處是更好的。 選擇哪個一依靠在這情況。 你需要到指定這三角洲或者這利潤為了這測試。 你也需要到指定這信心等級α為了這測試。 你能任何一個選擇這匯集方差或者無與倫比方差到跑步這測試。 為了這例子，我們跑步這相等的測試第一的和我們指定三作為A不同之處。 我們是去到做這相等的測試為了全部這對。 點擊好的和它將要帶來這相等的測試結果。
在這頂部，它是這統計細節為了這等價測試，和這底部它是A森林陰謀。 你注意那裡是二地區。 這藍色的地區是這等價地區和這紅色的是這非等價地區。 這線這裡代表這信心間隔的這意思是不同之處之間二組。 如果我們看在這線，這是這信心間隔的這意思是不同之處之間藥物A和C，和你看這線是完全地包含裡面這藍色的地區。 我們看在這磷價值的這等價測試那是 0.02哪個是較小大於0.05。所以在這5 %意義等級，我們能宣布那藥物A和C是相等的。
但什麼時候你看在這信心間隔的A意思是不同之處之間藥物A和乙，和藥物乙和C，他們是襯裡超過這藍色的地區。 所以我們得出結論在這5 %意義等級藥物A和乙，和藥物乙和C，我們不能得出結論他們是相等的。 下一個，如果我們認為藥物C是A標準藥物和你會喜歡到尋找出去如果藥物A和乙是更好的比藥物C，那製作我們想到做A優勢測試。 讓我關閉這大綱筆記為了現在和我們發射這相等的測試再次和我們點擊方法。
這時間是去到跑步優勢測試。 我們點擊這優勢測試和我們更喜歡大的不同之處和我們指定0.4作為我們的利潤。 這時間我們需要到放藥物C作為我們的控制團體和點擊好的。 這將要帶來這優勢測試。 從這森林陰謀你能看這信心間隔的A意思是不同之處之間藥物乙和C是完全地包含裡面這藍色的地區。 所以我們得出結論那在這5 %信心等級，我們能宣布那這乙是優越的到藥物C。 但我們不能製作A相同的結論到藥物A和C。這結論我的第一的例子。
這下一個例子將要展示如何到進行非劣效性測試為了這相對的風險之間二比例。 讓我打開這數據桌子。 A隨機化審判是到比較藥物菲達克斯作為一個選擇到藥物文科為了這治療的冒號感染。 這二藥物有相似的功效和安全。 二百二十-一出去的225患者治療過的和菲達克斯達到了臨床問經過這結尾的這學習，比較的到223 出的第257章患者治療過的和文科。
我們發射合身是經過X再次和我們插頭在問作為是和藥物作為X因素和帳戶作為A頻率和點擊好的。 將要帶來這意外事件分析。 從這可能性比率測試，皮爾遜測試，和費舍爾的確切地測試，他們全部表明那那裡是不大的不同之處之間這些二藥物。 但我們會喜歡到尋找出去如果藥物菲達克斯是不是下到藥物文科。 我們去到這向上紅色的三角形和帶來這相等的測試。 那裡是二選項。 一是這風險不同之處和一是相對的風險。 為了這例子，我們選擇相對的風險。
再次，帶來這相等的測試發射對話。 為了這例子，是去到跑步非劣效性測試。 A獲得，我們更喜歡大的比率。 我們指定0.9作為我們的利潤和我們關心關於這治療影響。 所以我們應該選擇是的和然後我們點擊好的。 所以這帶來這非劣效性測試。 從這森林陰謀，我們能看這信心間隔的這相對的風險是完全地包含在這藍色的地區，和這磷價值為了這非劣效性測試是非常小的。 所以我們得出結論在這5 %重要的等級，這藥物菲達克斯是不是下到藥物文科。 這結論我的講話和我將要給後退到標記。 我需要到停止這個分享。
感謝你，劍鋒。 現在在這最後的部分的我們的推介會，我是去到講話關於其他比較在哪裡我們想到比較這結果或者測量從二不同的方法的測量一些數量。 我們認為那有A標準方法那已經存在。 它有到過已驗證。 我們能使用它到措施這等級的一些數量。 那可能是這溫度或者這效力的A藥物. 但為了一些原因，我們已經發達A新的方法為了這相同的結果。
我們必須比較它是表現到這標準方法前我們使用它。 這是A長的常設問題。 這比較有到過法典化的為了A長的時間經過很多的國際的組織。 我有列出A很少的他們在這滑動。 所以這是A非常出色地研究過和一個已確立的比較。 在這案件，是去到比較到身份。 是去到比較這些二方法在哪裡理想地這測試方法會給我們這相同的價值作為這標準方法。 所以我們陰謀這數據使用A散點圖。 我們有這測試方法在這垂直的軸和這標準方法結果在這水平的軸。我們能甚至陰謀這身份線在哪裡是等於X為了參考。
理想情況下，我們會得到這結果從兩個都方法，但那慣於發生因為的測量錯誤在兩個都方法。 出色地使用回歸分析到決定這最好的合身為了這線在哪裡我們有這測試方法相對這標準方法。 然後這估計的參數為了我們的模型能是比較的到這身份線。 這無效的假設，我們開始和這主意那他們是不是這相同的。 所以這截距的這線是不是零或者這坡是不是一或者可能兩個都。 在其他字，這結果是不是相等的。
這選擇，哪個我們會喜歡到宣稱是那他們是相等的。 所以那裡我們狀態那這截距應該是零和這坡應該是一。 到製作這比較使用回歸，我們有到假定A模型。 在這案件，它是A簡單的線性回歸模型。 我們有A持續的學期A， A成比例的學期乙次X。 是去到估計那些參數A和樂隊使用我們的假設到決定。 我們也有A學期厄普西隆，和那代表這測量錯誤，這隨機的變化。 使用線性回歸，我們認為那這是和這X是線性地有關的。
我們認為那這統計錯誤那厄普西隆是在是，不是在X。 我們也認為那那些錯誤是分散式在A方式那是獨立的的這回复。 在其他字，這統計錯誤是這相同的穿過這全部的範圍的這方法。 也,那不數據發揮任何過多的影響在這些估計。 出色地，在方法比較，我們通常違反這些假設。 第一的的全部，那裡是測量錯誤在這標準方法作為出色地。
也,經常這錯誤是不是持續的。 那是，我們觀察A持續的係數的變化但不是A持續的標準偏差。 異常值是呈現出能強烈地影響這估計。 其他回歸方法是必需的在這樣的A案件。 這戴明回歸同時地最小化這至少正方形錯誤在兩個都是和X。 那是合適的為了這案件。 這通過-巴布洛克回歸是A非參數的方法那是基於在這中位數的全部可能的成對地連續下坡。
它是抵抗的到異常值和非常數錯誤。 讓我們講話關於每個的這些簡要地。 這戴明回歸是假如在這雙變量平台通過這合身正交命令。 這有到過可用的在聯合管理計劃為了許多年。 這戴明回歸能估計這錯誤在是和X，認為那這錯誤在是和X是平等的，或者使用A給定比率的是到X錯誤。
通過-巴布洛克回歸是新的。 JMP®17介紹這方法在這雙變量平台通過這合身傳球巴布洛克命令。 這命令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。 方法比較經常包括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作為是到這成對地方法作為X到評估偏見之間這二價值觀。
這結果是呈現在A散點圖的是相對X為了你的考試和也到確認任何異常。 這發生在這匹配的對平台。這匹配的對平台有到過部分的聯合管理計劃為了許多年作為出色地，但這布蘭德奧特曼測試是A新的添加。 這報告也禮物這假設測試。 現在ID喜歡到證明這些二方法。 作為我說，戴明回歸有到過可用的為了A長的時間，但為了完整性'清酒，我是去到證明它這裡旁邊這新的方法。
我選擇從這分析菜單，合身是經過X。 我是去到比較測試方法一到我的標準方法。 這標準方法去在這X角色和這新的測試方法去在這是角色。你可以評價更多的比一測試方法在這相同的時間。 這是我的陰謀。 最初，我看A分散陰謀。 我預計這些二到同意非常出色地。 我預計到看那他們跟隨這對角線小路，那他們是線性，和所以向前。 患病的點擊這紅色的三角形下一個到雙變量和選擇合身正交。
在這案件，我不真的知道那這差異是平等的或者我不有任何事先的信息那我可以指定A比率。 所以我會有聯合管理計劃估計這錯誤在兩個都。 患病的使用這第一的選項這裡。 現在我們有這已安裝線使用戴明回歸。 以下那我們有這報告。 這報告包括一個估計的這截距。 我們能看它是小的和關閉到零。 我們有一個估計為了這坡。
使用這信心間隔，我們看那它包括一，哪個我們會預計如果這測試方法同意和這標準。 那是戴明回歸。 現在，是去到拿A看在這新的方法傳球巴布洛克回歸在布拉德-奧特曼。 相同的開始，選擇分析，和然後選擇合身是經過X。 我是去到使用這記起按鈕這裡。 我想到比較方法一到這標準，但我是去到使用A新的回歸技術。
患病的點擊在這紅色的三角形和選擇合身傳球-巴布洛克。 有實際上二線這裡。 有A紅色的線那代表這最好的-合身線使用這傳球巴布洛克回歸。 但有也,為了我們的參考， A線那代表在哪裡y等於X。 它是難的到看。 我是去到使用這放大鏡工具到放大A很少次。 現在你能看那那裡是，在事實，二分離線。 一是這身份和一是這合身，但他們重疊相當A少量。 這些是相當相似的。
在這數值報告，第一的我有A測試為了這高的積極的相關性。 是使用肯德爾的牛頭，和我們能看那它是高度重要的。 我們拒絕這主意那他們是不是強烈地相關的。 下一個，我們有A測試的線性度。 這裡，這測試假設那他們是線性，並且 w是的看著為了強的證據反對那。 但我們有A非常高的磷價值這裡，所以我們做不是拒絕這假設那他們是線性。 最後，我們有這範圍估計經過使用通過-巴布洛克回歸，我們有這觀點估計，我們有這間隔估計。
為了這截距，那間隔包括零，所以我們不能拒絕一個截距的零。我們有這坡是包含之內一個間隔那包括一。 相似地，我們不能拒絕那這坡的那線是平等的到一。 讓我們說星期三也喜歡到比較這些二方法經過不同之處。 到做那，我點擊在這紅色的三角形為了這選項的這合身傳球巴布洛克結果，以及這裡我們看這命令布蘭德奧特曼分析。 它需要全部這信息這裡和發射匹配對和這額外的信息在這布蘭德奧特曼分析。
這陰謀是顯示我們在這是軸這成對地不同之處之間這方法一和這標準方法，和它是繪製的反對在這水平的軸是這意思是的那些二價值觀。 這布蘭德奧特曼分析是有幫助的因為它給出我們一個主意關於這偏見。 所以這裡我有一個估計的這偏見是消極的0.113,但我們能看那這間隔估計的這偏見包括零，所以我們不能拒絕這主意那這偏見是平等的到零和所以在。 現在我們有在JMP®17， A很多更多的完全的放的工具為了比較不同的測試方法。 那結論我們的推介會。 感謝你。
