你好，还有欢迎到我们的推介会，方法到比较和JMP®17。我的姓名是标记贝利。 我是A高级的分析软件测试仪，和我的共同主持人今天是剑峰丁， A高级的研究统计员开发商。 前我们得到进入这新的特征，是去到拿A片刻到制作当然那每个人有这恰当的背景到欣赏这些新的方法。
这有到做和使用统计推理什么时候是试到比较二人口。 这是A非常常见的任务，和这比较通常线索到A决定之间二想法关于这些人口。 如果我们可以观察这人口在他们的整体，我们不会需要统计数据，但那是不是通常这案件。 所以，我们有到工作和样品从这人口。统计推理能提供一些真的有价值的信息关于那些样品。
在特别的，是那里充足的证据到拒绝一主意关于这二人口？ 所以A清除陈述的这些想法或者假设是基本的到制作这正确的选择为了这测试和还为了这正确的解释。 所以让我们讲话A小的少量关于这想法或者假设那是部分的这些统计测试。 这选择和无效的假设，作为他们是已知，代表相互独家的声明关于这些人口，和不其他假设是可能的。
为了例子，一陈述可能是为了人口A和人口乙那他们的方法是平等的。 这其他主意是那他们是不是平等的。 那些二想法或者假设是相互独家的和不其他假设是可能的。 什么是这角色的这些二想法？ 这选择假设状态这结论那我们会喜欢到宣称。 它代表这人口和它将要要求充足的证据在这数据到推翻这其他假设。
这其他一是被称为这无效的假设。 它状态这反对结论那必须是克服经过强的证据。 它供应作为A参考为了这比较。 它是假定到是真的。 现在，现在，有有些的A误解在假设测试在那它仅有的想关于比较在一方向。 那是因为从历史上看，这是这方式它曾是呈现在训练。
那最多经常教过的测试是用过的到证明那有A不同之处之间二人口。 这结果缺少的理解能带领到A滥用的这些测试。 到是清除，这选择的这测试是不是A事情的什么数据是集或者如何这数据是集。 它是完全关于这指出假设为了这目的的你的比较。让我们看在这些二的可能性。让我们说那这目标的我们的比较是到证明A不同之处。
我们想到明确地状态这些想法到制作当然这测试是清除。 在这第一的例子，我想到证明那A温度改变原因A新的结果。 那是，那里是A不同之处。 星期三喜欢到宣称那这新的等级的这回复将要结果从A改变在这过程温度。 也许我们预计A更高屈服或者星期三喜欢到展示更多的稳定。A设计实验是用过的到随机地样本从这人口为了A低的-温度状况和从A人口的A高的-温度健康）状况。
这二假设为了这测试，这无效的假设状态那这温度做不是影响这结果。 记住，它是我们的参考和我们认为它到是真的。 这选择假设是我们的主意。 温度影响这结果，但我们能决定这仅有的如果这证据是强的足够的到拒绝这无效的假设。 现在，让我们改变那。 让我们撤销那。 让我们说那在这比较，我想到证明等价。 在这第二例子，我想到展示那A温度改变做不是原因A改变在这结果。
那是，这结果，任何一个方式，是相等的。 我们想到宣称那A计划改变在这过程温度将要提升这屈服但不是影响这等级的一个不纯的这产品。 我们设计这相同的实验，收集这相同的样品，但现在我们的假设是切换了。 这无效的假设是那这温度影响这结果。 它是我们的新的参考，我们仍然认为它到是真的，尽管这选择假设状态那这温度做不是影响这结果，这不纯等级。
但我们能制作那宣称仅有的如果这证据是强的足够的到拒绝这无效的。 也如此我测试为了A不同之处或者为了等价？ 这钥匙是如何你状态你的假设。 这些二例子，我思考你能看，使用完全相同的数据但不同的测试。 这选择的这测试是不是关于这数据。 它是关于这宣称那我们想到制作和如何我们状态那适当地在这假设。 记住那统计测试是单向。 那是，我们能拒绝A无效的或者不是。 如果这测试是到拒绝A无效的假设和A高的可能性什么时候它是错误的。
现在，让我们得到到这新的特征在JMP®17。剑峰将要现在展示这等价测试，以及什么时候她是完成的，患病的展示方法比较。
现在，我是去到分享我的屏幕。 你好，我的姓名是丁剑峰. 我是A研究统计开发商在JMP®17。 在这视频，我是去到讲话关于这等价，非劣效性，和优势测试在JMP®17。 这基本的假设测试在这左边是A测试那最多质量专业人士是熟悉的和。 它是经常用过的到比较二或者更多的团体的数据到决定无论他们是统计上不同的。
这范围西塔能是A意思是回复为了连续的结果和A部分什么时候这结果多变的是二进制。 西塔时间代表回复从治疗团体和西塔零代表这回复从A控制团体。 那里是三类型的这基本的假设测试。 这第一的一是双面的测试和这休息是一-双面的测试。 如果你看在这双面的测试在这左边，这不假设是那这治疗方法是相同的和这选择假设是那这治疗方法是不同的。
有时我们真的需要到建立那事物是实质上这相同的，和这机械到做那是被称为一个等价测试。 一个相等的测试是到展示这不同之处在西塔吨，西塔零是之内A预指定的利润三角洲和允许我们到得出结论等价和A指定的信心等级。如果你看在这等价测试，这不假设是那这治疗方法是不同的和这选择假设是那这治疗方法是之内A固定的三角洲的一其他。
这是不同的从这二-双面的假设测试在这左边。 其他选择测试设想是这非劣效性测试哪个目标到证明那结果是不是实质上更差。 那里是还A测试设想被称为优势测试那是相似的到非劣效性测试，除了那这目标是到证明那结果是实质上更好的。 那里是五不同的类型的等价类型测试。 依靠在这情况。 什么时候应该我们使用这测试？ 将要是讨论过下一个。
这些测试是非常重要的在行业，尤其在这生物技术和制药行业。 这里是一些例子。 如果这目标是到展示那这新的治疗做不是不同显著地从这标准经过更多的比一些小的利润，然后等价测试应该是用过的。 为了例子， A通用的药品那是较少的昂贵的和原因很少边效果比A受欢迎的姓名-品牌药品。 你会喜欢到证明它有相同的功效作为这姓名-品牌化的一。 这典型的目标在非劣效性测试是到得出结论那A新的治疗过程或者产品是不是显著地更差比这标准一。
为了例子， A新的制造业过程是快点。 你会制作当然它创造不更多的产品缺陷比这标准过程。 A优势测试尝试到证明那这新的治疗是明显更好比这标准一。 为了例子， A新的肥料有到过发达和一些改进。 这研究人员想到展示那这新的肥料是更好的比这当前的肥料。 如何到放向上这假设？ 这图形在这左边总结五不同的类型的等价类型测试非常很好。
这图形是已创建经过我们的SAS/STAT®同事，约翰卡斯特罗,和唐娜瓦特。 你能寻找他们的白色的纸在这在这网络。 选择哪个测试依靠在这情况。 为了每个的这情况，这地区那我们是试到建立和这测试是显示在蓝色的。 为了等价分析，你能构造一个等价地区和上边界西塔零加三角洲和降低边界西塔零减三角洲。 你能执行一个等价测试经过检查无论这信心间隔的西塔谎言在完全在这蓝色的等价地区。
同样地，你能执行A非劣效性测试经过检查无论这信心间隔的西塔谎言完全多于这降低边界如果更大西塔是更好的或者以下这上边界如果较小西塔是更好的。这些测试是可用的在JMP® 17 英寸一方式为了比较普通的方法和在意外事件为了比较回复费率。 这图形化的用户界面的等价测试发射对话框使它简单的为了你到寻找这类型的测试那对应什么你是试到建立。
A森林阴谋在这报告总结这比较非常很好地和使它简单的为了你到解释这结果。下一个，我是去到做A演示关于相等的测试，优势测试，和非劣效性测试。 我是去到使用A数据放被称为这药品测量那是在这联合管理计划样本数据图书馆。 十二不同的科目是给定三不同的药物A，乙，和C，和连续的测量是制成。 我第一的推出合身是经过X和放这测量作为是和药品类型作为X因素。
这将要带来这一-方式分析。 在下面这红色的三角形菜单，让我们第一的寻找相等的测试和那里是这二选项，方法，和标准偏差。 是去到重点在方法为了这例子。 这将要带来这等价发射对话。 在这部分，你能选择哪个测试你会喜欢到执行，和这图形代表这选择的这已选择测试。为了优势和非劣效性测试，那里是二场景。
一是大的不同之处是更好的。 其他是小的不同之处是更好的。 选择哪个一依靠在这情况。 你需要到指定这三角洲或者这利润为了这测试。 你还需要到指定这信心等级α为了这测试。 你能任何一个选择这汇集方差或者无与伦比方差到跑步这测试。 为了这例子，我们跑步这相等的测试第一的和我们指定三作为A不同之处。 我们是去到做这相等的测试为了全部这对。 点击好的和它将要带来这相等的测试结果。
在这顶部，它是这统计细节为了这等价测试，和这底部它是A森林阴谋。 你注意那里是二地区。 这蓝色的地区是这等价地区和这红色的是这非等价地区。 这线这里代表这信心间隔的这意思是不同之处之间二组。 如果我们看在这线，这是这信心间隔的这意思是不同之处之间药品A和C，和你看这线是完全地包含里面这蓝色的地区。 我们看在这磷价值的这等价测试那是 0.02哪个是较小大于0.05。所以在这5 %意义等级，我们能宣布那药品A和C是相等的。
但什么时候你看在这信心间隔的A意思是不同之处之间药品A和乙，和药品乙和C，他们是衬里超过这蓝色的地区。 所以我们得出结论在这5 %意义等级药品A和乙，和药品乙和C，我们不能得出结论他们是相等的。 下一个，如果我们认为药品C是A标准药品和你会喜欢到寻找出去如果药品A和乙是更好的比药品C，那制作我们想到做A优势测试。 让我关闭这大纲笔记为了现在和我们发射这相等的测试再次和我们点击方法。
这时间是去到跑步优势测试。 我们点击这优势测试和我们更喜欢大的不同之处和我们指定0.4作为我们的利润。 这时间我们需要到放药品C作为我们的控制团体和点击好的。 这将要带来这优势测试。 从这森林阴谋你能看这信心间隔的A意思是不同之处之间药品乙和C是完全地包含里面这蓝色的地区。 所以我们得出结论那在这5 %信心等级，我们能宣布那这乙是优越的到药品C。 但我们不能制作A相同的结论到药品A和C。这结论我的第一的例子。
这下一个例子将要展示如何到进行非劣效性测试为了这相对的风险之间二比例。 让我打开这数据桌子。 A随机化审判是到比较药品菲达克斯作为一个选择到药品文科为了这治疗的冒号感染。 这二药物有相似的功效和安全。 二百二十-一出去的225患者治疗过的和菲达克斯达到了临床问经过这结尾的这学习，比较的到223 出的第257章患者治疗过的和文科。
我们发射合身是经过X再次和我们插头在问作为是和药品作为X因素和帐户作为A频率和点击好的。 将要带来这意外事件分析。 从这可能性比率测试，皮尔逊测试，和费舍尔的确切地测试，他们全部表明那那里是不大的不同之处之间这些二药物。 但我们会喜欢到寻找出去如果药品菲达克斯是不是下到药品文科。 我们去到这向上红色的三角形和带来这相等的测试。 那里是二选项。 一是这风险不同之处和一是相对的风险。 为了这例子，我们选择相对的风险。
再次，带来这相等的测试发射对话。 为了这例子，是去到跑步非劣效性测试。 A获得，我们更喜欢大的比率。 我们指定0.9作为我们的利润和我们关心关于这治疗影响。 所以我们应该选择是的和然后我们点击好的。 所以这带来这非劣效性测试。 从这森林阴谋，我们能看这信心间隔的这相对的风险是完全地包含在这蓝色的地区，和这磷价值为了这非劣效性测试是非常小的。 所以我们得出结论在这5 %重要的等级，这药品菲达克斯是不是下到药品文科。 这结论我的讲话和我将要给后退到标记。 我需要到停止这个分享。
感谢你，剑锋。 现在在这最后的部分的我们的推介会，我是去到讲话关于其他比较在哪里我们想到比较这结果或者测量从二不同的方法的测量一些数量。 我们认为那有A标准方法那已经存在。 它有到过已验证。 我们能使用它到措施这等级的一些数量。 那可能是这温度或者这效力的A药品。 但为了一些原因，我们已经发达A新的方法为了这相同的结果。
我们必须比较它是表现到这标准方法前我们使用它。 这是A长的常设问题。 这比较有到过法典化的为了A长的时间经过很多的国际的组织。 我有列出A很少的他们在这滑动。 所以这是A非常出色地研究过和一个已确立的比较。 在这案件，是去到比较到身份。 是去到比较这些二方法在哪里理想地这测试方法会给我们这相同的价值作为这标准方法。 所以我们阴谋这数据使用A散点图。 我们有这测试方法在这垂直的轴和这标准方法结果在这水平的轴。我们能甚至阴谋这身份线在哪里是等于X为了参考。
理想情况下，我们会得到这结果从两个都方法，但那惯于发生因为的测量错误在两个都方法。 出色地使用回归分析到决定这最好的合身为了这线在哪里我们有这测试方法相对这标准方法。 然后这估计的参数为了我们的模型能是比较的到这身份线。 这无效的假设，我们开始和这主意那他们是不是这相同的。 所以这截距的这线是不是零或者这坡是不是一或者可能两个都。 在其他字，这结果是不是相等的。
这选择，哪个我们会喜欢到宣称是那他们是相等的。 所以那里我们状态那这截距应该是零和这坡应该是一。 到制作这比较使用回归，我们有到假定A模型。 在这案件，它是A简单的线性回归模型。 我们有A持续的学期A， A成比例的学期乙次X。 是去到估计那些参数A和乐队使用我们的假设到决定。 我们还有A学期厄普西隆，和那代表这测量错误，这随机的变化。 使用线性回归，我们认为那这是和这X是线性地有关的。
我们认为那这统计错误那厄普西隆是在是，不是在X。 我们还认为那那些错误是分散式在A方式那是独立的的这回复。 在其他字，这统计错误是这相同的穿过这全部的范围的这方法。 还，那不数据发挥任何过多的影响在这些估计。 出色地，在方法比较，我们通常违反这些假设。 第一的的全部，那里是测量错误在这标准方法作为出色地。
还，经常这错误是不是持续的。 那是，我们观察A持续的系数的变化但不是A持续的标准偏差。 异常值是呈现出能强烈地影响这估计。 其他回归方法是必需的在这样的A案件。 这戴明回归同时地最小化这至少正方形错误在两个都是和X。 那是合适的为了这案件。 这通过-巴布洛克回归是A非参数的方法那是基于在这中位数的全部可能的成对地连续下坡。
它是抵抗的到异常值和非常数错误。 让我们讲话关于每个的这些简要地。 这戴明回归是假如在这双变量平台通过这合身正交命令。 这有到过可用的在联合管理计划为了许多年。 这戴明回归能估计这错误在是和X，认为那这错误在是和X是平等的，或者使用A给定比率的是到X错误。
通过-巴布洛克回归是新的。 JMP®17介绍这方法在这双变量平台通过这合身传球巴布洛克命令。 这命令还包括检查为了这假设那这测量是高度积极地相关的和展示A线性关系。 方法比较经常包括A比较经过不同之处。 这平淡无奇-奥特曼分析比较这成对地差异作为是到这成对的方法作为X到评估偏见之间这二价值观。
这结果是呈现在A散点图的是相对X为了你的考试和还到确认任何异常。 这发生在这匹配的对平台。这匹配的对平台有到过部分的联合管理计划为了许多年作为出色地，但这布兰德奥特曼测试是A新的添加。 这报告还礼物这假设测试。 现在ID喜欢到证明这些二方法。 作为我说，戴明回归有到过可用的为了A长的时间，但为了完整性'清酒，我是去到证明它这里旁边这新的方法。
我选择从这分析菜单，合身是经过X。 我是去到比较测试方法一到我的标准方法。 这标准方法去在这X角色和这新的测试方法去在这是角色。你可以评价更多的比一测试方法在这相同的时间。 这是我的阴谋。 最初，我看A分散阴谋。 我预计这些二到同意非常出色地。 我预计到看那他们跟随这对角线小路，那他们是线性，和所以向前。 患病的点击这红色的三角形下一个到双变量和选择合身正交。
在这案件，我不真的知道那这差异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。 所以我会有联合管理计划估计这错误在两个都。 患病的使用这第一的选项这里。 现在我们有这已安装线使用戴明回归。 以下那我们有这报告。 这报告包括一个估计的这截距。 我们能看它是小的和关闭到零。 我们有一个估计为了这坡。
使用这信心间隔，我们看那它包括一，哪个我们会预计如果这测试方法同意和这标准。 那是戴明回归。 现在，是去到拿A看在这新的方法传球巴布洛克回归在布拉德-奥特曼。 相同的开始，选择分析，和然后选择合身是经过X。 我是去到使用这记起按钮这里。 我想到比较方法一到这标准，但我是去到使用A新的回归技术。
患病的点击在这红色的三角形和选择合身传球-巴布洛克。 有实际上二线这里。 有A红色的线那代表这最好的-合身线使用这传球巴布洛克回归。 但有还，为了我们的参考， A线那代表在哪里y等于X。 它是难的到看。 我是去到使用这放大镜工具到放大A很少次。 现在你能看那那里是，在事实，二分离线。 一是这身份和一是这合身，但他们重叠相当A少量。 这些是相当相似的。
在这数值报告，第一的我有A测试为了这高的积极的相关性。 是使用肯德尔的牛头，和我们能看那它是高度重要的。 我们拒绝这主意那他们是不是强烈地相关的。 下一个，我们有A测试的线性度。 这里，这测试假设那他们是线性，并且 w是的看着为了强的证据反对那。 但我们有A非常高的磷价值这里，所以我们做不是拒绝这假设那他们是线性。 最后，我们有这范围估计经过使用通过-巴布洛克回归，我们有这观点估计，我们有这间隔估计。
为了这截距，那间隔包括零，所以我们不能拒绝一个截距的零。我们有这坡是包含之内一个间隔那包括一。 相似地，我们不能拒绝那这坡的那线是平等的到一。 让我们说星期三还喜欢到比较这些二方法经过不同之处。 到做那，我点击在这红色的三角形为了这选项的这合身传球巴布洛克结果，以及这里我们看这命令布兰德奥特曼分析。 它需要全部这信息这里和发射匹配对和这额外的信息在这布兰德奥特曼分析。
这阴谋是显示我们在这是轴这成对地不同之处之间这方法一和这标准方法，和它是绘制的反对在这水平的轴是这意思是的那些二价值观。 这布兰德奥特曼分析是有帮助的因为它给出我们一个主意关于这偏见。 所以这里我有一个估计的这偏见是消极的0.113,但我们能看那这间隔估计的这偏见包括零，所以我们不能拒绝这主意那这偏见是平等的到零和所以在。 现在我们有在JMP®17， A很多更多的完全的放的工具为了比较不同的测试方法。 那结论我们的推介会。 感谢你。
