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 peut aider à la comparaison. Notre présentation porte sur l'inférence impliquant deux hypothèses : l'hypothèse alternative et l'hypothèse nulle. Parfois, l'objectif est de fournir des preuves suffisantes pour décider qu'il existe une différence significative entre deux populations. L'objectif à d'autres moments est de fournir des preuves suffisantes qu'il existe une équivalence, une non-infériorité ou une supériorité significative entre deux populations. Ces deux situations nécessitent des tests différents. Nous passerons 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. Notre présentation se concentrera 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 présenterons 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 passerons en revue le contexte de l'évaluation de l'exactitude et de la nature unique des données issues des comparaisons de méthodes, et démontrerons les deux méthodes de régression avec des exemples.
