IO Sono Brughiera Correre.
Sebbene Andrea Carlo, E Jeff Hofer , E Rick Burdick, Alcuni compagne di squadra Di mio ,
fatto il maggioranza Di tecnico lavoro Qui, Io sono andando a Essere IL uno che presenta Oggi .
Io sono andando a parlare Di Come JMP E JMP script Potere Essere usato
In UN molto particolare specifica applicazione In cellula terapie.
Io sono andando a parlare UN poco morso Di Che cosa terapie geniche e cellulari Sono
E IL molto specifica esempio Quello IO volere parlare Di
È comparabilità.
Io sono andando a messa a fuoco SU processi i cambiamenti.
È interessante notare Abbastanza, scorso anno,
IO ha dato UN parlare , E Esso focalizzata SU cellula E gene terapie.
Loro sono molto romanzo terapeutica.
IL Primo uno era approvato In IL Unito stati In 2017.
UN poco morso diverso di maggior parte Di ,
Che cosa IO chiamata IL piccolo molecola E IL grande molecola terapeutica
Quello potresti Avere sentito Di In IL passato.
Permettere Me Appena tocco base SU Che cosa È UN cellula E gene terapia.
Primo cosa Io sono andando a Fare È tocco base SU Che cosa UN gene terapia È.
Che cosa tu sei essenzialmente facendo È tu sei sostituendo
UN gene con UN salutare uno,
O girando spento Cattivo geni.
UN quantità Di tumori Sono causato di difettoso geni.
Che cosa tu sei facendo È tu sei inserendo questi salutare geni Indietro in UN paziente
Di O In vivo O In vitro.
UN In vitro volevo Essere Di più Di UN osso midollo trapianto.
Scorso anno, IO parlato Di ,
IL sfida con gene terapie È Quello paziente -A -paziente variabilità.
IO focalizzata SU processi sviluppo.
Poi IO parlato Di cellula terapie.
In IL cellula terapie , Che cosa tu sei facendo sei tu sostituendo malattia cellule.
Tu sei O trasferimento Alcuni ordinare Di salutare cellula in UN paziente,
O erano sostituendo mancante cellule in UN paziente.
Dove Fare questi cellule Venire da?
Essi O Venire da IL paziente loro stessi,
COSÌ Voi volevo Avere A Affare con Quello paziente -A -paziente variabilità,
O In maggior parte casi, Essi Venire da UN salutare donatore.
Ora tu sei non condotta con Questo variabilità da paziente a paziente,
Ma tu sei condotta con donatore -A -donatore variabilità.
Ogni volta IO Dire donatore, Io sono parlando Di UN salutare donatore.
IO Potevo Essere UN salutare donatore.
Poi qualcuno altro Potevo Essere UN salutare donatore Anche.
In Entrambi Di quelli casi
È Voi Avere A Affare con Quello paziente a paziente
O donatore -A -donatore variabilità.
Cosa c'è interessante È scorso anno , IO ha dato IL esempio In processi sviluppo,
E Esso sembra qualcosa Piace Questo.
Esso era IL esatto Stesso dati impostato Quello IO usato scorso anno Quello IO disse,
Dire Quello Voi erano sviluppando UN processi Dove Voi Aspetto tempo, temperatura , E pH,
E tu sei misurazione loro effetto SU cellula vitalità E di Prodotto.
In Quello caso È, IO non può utilizzo uno donatore Materiale,
IO avevo A diviso Quello su in quattro diverso donatori.
IO disse, "Se Voi corso questi esperimenti per processi sviluppo,
E Voi fatto non prendere in considerazione Quello Là era donatore -A -donatore variabilità,
Questo È Che cosa Voi volevo Vedere.
Che cosa Voi volevo Dire È erano guardare per Valori P Quello Sono sotto 0,05,
Voi volevo Dire Niente colpisce cellula vitalità
E Niente colpisce di Prodotto.
Voi erano non capace A rilevare Quello Voi avevo Qualunque significativo
O critico processi parametri
per IL molto motivo Quello Voi Fare non prendere in considerazione
Quello Là Potevo Essere UN differenza In donatore.
Giusto Ora, Se Voi Fare prendere in considerazione quelli COME Che cosa suo chiamato UN fisso donatore effetto,
IL soltanto cosa Quello IO fatto È IO portato In donatore.
Poi Voi Vedere Quello NAND.
Questo si attacca davvero fuori Che cosa in modo significativo colpisce cellula vitalità
E Che cosa in modo significativo colpisce di Prodotto.
IL Totale parlare era SU Come fa Quello donatore a donatore variabilità
simulare statistico inferenza E Anche processi capacità.
Io sono andando a messa a fuoco SU Quello statistico inferenza.
Che cosa Sono Voi provando A Fare In processi sviluppo
È tu sei provando A determinare Se cose come il pH e temperatura, E tempo
in modo significativo simulare tuo critico uguaglianza attributi.
Dire Quello IO era UN farmaco produttore ,
E IO Avere impostato su UN processi sviluppo studio .
IO Inviare Questo processi sviluppo studio .
IO Volere A determinare Se temperatura colpisce,
E Io sono andando a chiamata Esso cellula vitalità.
IO Dire, "EHI ogni volta Io sono guardare A Quello , È IO volere Fare Sicuro Quello Se qualcosa
in modo significativo colpisce Mio qualità attributi,
IO controllo Quello In Mio processi.
Ma Se Esso non lo fa IO Sono non spesa soldi E tempo E risorse controllando Esso."
Che cosa Io sono interessato con COME UN farmaco produttore
è il Tipo I errore valutare.
IO Fare non Volere A gonfiare UN Tipo I errore valutare.
UN Tipo I errore valutare volevo Dire,
"EHI , Questo È significativo Quando, In fatto, suo non."
Che cosa Fare Voi pensare Quello normativo agenzie volevo Essere Di più interessato con?
Voi controllando Di più cose?
Sono Voi non controllando cose Quello Dovrebbe Essere controllato?
Quello È esattamente Giusto È lo farebbero Essere Di più interessato
Di Quello paziente rischio, Quello Tipo II errore.
In processi sviluppo È farmaco produttori
Fare non Volere A gonfiare IL Tipo I errore.
Essi Anche Volere significativo energia. Perché?
Perché Quello controlli Quello paziente rischio.
IL Totale punto Di Me mostrando Quello scorso anno
era A spettacolo IL efficace donatore a donatore variabilità
SU provando A determinare tuo critico processi parametri.
IO chiamata Esso statistico inferenza.
Giusto ora, cosa accade Se IO modifica Mio processi?
IO avevo UN collega Appena scorso settimana , IO era lavorando con suo.
Ogni volta erano parlando Di cellula E gene terapie, Lei disse,
E Questo È suo citazione, "Brughiera , A cellula E gene terapie,
cose Sono costantemente mutevole.
Voi Potevo Avere cose Piace analitico metodi modifica.
Voi Potevo Avere cose Piace processi modifica."
Oggi, Io sono andando a messa a fuoco S su questo processi Giusto Qui.
Principalmente, Io sono andando a messa a fuoco SU Quello processi modifica.
IO Fare volere punto fuori Quello normativo agenzie capire
Quello Voi Avere UN Bisogno per migliorando tuo processi.
Anche Se Voi migliorare tuo processi, Sono Voi mutevole tuo processi ?
Essi riconoscere IL Bisogno per Quello, Ma Essi Anche riconoscere IL Bisogno
Quello IL terapeutica Quello tu sei fabbricazione da Quello processi
Dovrebbe Essere simile In termini Di Prodotto qualità.
Tu sei utilizzando questi In clinico prove.
Che cosa fa Esso Significare A Essere simile?
Quello no Dire Quello Essi Avere A Essere esattamente IL Stesso,
Quello Essi Avere A Essere simile O paragonabile.
In termini Di Me detto Quello qualcosa È simile,
Che cosa IO volere Fare È IO volere Fare Sicuro Quello IO Avere Alcuni somiglianza condizione.
Quello è IL Totale punto Di comparabilità.
Per molto Basso rischio attributi,
Che cosa IO Potere Fare È IO Potere spettacolo Quello processi A e processi B
È simile In lato -di -lato trame .
Per Di più più alto rischio attributi,
Che cosa IO volere Fare È Forse qualcosa Piace UN qualità allineare.
In termini per qualità intervalli,
IO Appena Prendere Quello riferimento gruppo, IL vecchio processi,
E IO costruito Alcuni allineare in giro Esso
E garantire Quello Tutto Di th e misurato qualità attributi
da IL nuovo processi autunno entro Quello allineare.
Per molto alto rischio attributi,
Che cosa IO volere Fare È IO volere Fare equivalente test ce.
Questo È Che cosa Io sono andando a concentrarsi su Oggi,
raccontare Voi Di Che cosa equivalenza test È,
E Come Quello accettabile differenza O Quello somiglianza condizione È impostato.
Suo chiamato equivalenza test, Due unilaterali prova t.
A ribadire Che cosa Noi parlato Di Prima,
ogni volta Io sono utilizzando progetto Di esperimenti In processi sviluppo,
Che cosa IO Fare È Io sono mutevole Alcuni variabile -Piace temperatura
da Basso A alto ,
E Io sono misurazione IL effetto SU Mio critico uguaglianza attributi.
IO Sono assumendo In IL nullo ipotesi Quello Essi Sono IL Stesso.
Che cosa IO Fare È IO impostato su UN progetto A Vedere Se Loro sono diverso.
UN Tipo I errore In Quello caso volevo Essere Me detto,
"Oh, Loro sono diverso " Quando , In fatto, Loro sono non.
Quello volevo Significare Quello IO volevo controllo Quello.
IO volevo trascorrere risorse controllando Quello In IL processi.
Se Io sono UN farmaco produttore,
IO Fare non Volere A controllo cose Quello IO non Bisogno A.
Io sono interessato Di Quello Tipo I errore valutare .
Se IO era UN normativo agenzia,
IO volevo Essere Anche Di più interessato con IL Tipo II.
C'è NO differenza Quando, In fatto, Là È .
Voi Dovrebbe Essere controllando qualcosa E tu sei non.
Se IO era UN normativo agenzia,
Id Essere Di più interessato con IL Tipo II errore.
Ora, lo siamo andando A Flip Esso.
Erano andando a parlare Di equivalenza test.
Equivalenza test È Io sono non detto Quello Essi Sono IL Stesso.
IO Sono assumendo Quello Là È UN differenza.
semplicemente volere Fare Sicuro Quello IL differenza non lo è pure grande.
Quello pure grande, Io sono andando a chiamata delta.
T ecco UN quantità Di diverso modi A calcolare Quello delta.
Io sono andando a chiamata Esso D O Quello delta Giusto Là,
Spesso chiamato IL equivalenza accettazione criteri.
Vorrei Piace A Venire da soggetto questione competenza,
Ma IL maggioranza Di volte, Esso arriva da Me prendendo
Alcuni valore k volte Quello storico valore.
Quello è diviso in due diverso test .
SU uno, Sto determinando Se suo meno di positivo D.
In IL altro uno , IO Volere A spettacolo In IL alternato ipotesi
Quello quella differenza È maggiore di UN negativo D.
Io sono andando due diverso lati.
Quello è cosa c'è chiamato IL Sinistra -mano lato Di IL metter il fondo a,
O IL superiore.
In termini Di, Se IO era UN farmaco produttore, Che cosa volevo IO Volere A Fare?
Vorrei Volere A Essere capace A rifiutare Entrambi Di quelli ipotesi.
IO volevo Volere alto energia, Basso Tipo II errore E alto energia.
T il suo È equivalente A prendendo UN 90% fiducia numero
in giro IL differenza In significa In garantendo Quello 90% fiducia intervallo
ogni volta Io sono guardare A IL Basso E alto O entro IL bilancia Di quelli inferiore delta
In IL superiore delta.
Se tu sei guardare A Questo, Voi Dovrebbe pensare A te stesso È,
"IO Volere IL larghezza Di Quello fiducia intervallo A Essere molto piccolo."
Che cosa Sono IL diverso modi Quello IO Potevo Fare IL larghezza
Di Quello fiducia intervallo
per IL differenza fra quelli due significa molto piccolo?
IO Potevo diminuire Mio standard deviazione.
Quello è UN Bene cosa.
IO Potevo aumento Mio campione misurare.
Quello è UN Bene cosa.
IO Potevo Anche aumento Mio alfa livello.
Forse Quello non lo farebbe Essere COSÌ Bene Perché Che cosa tu sei facendo
È tu sei gonfiaggio tuo Tipo I errore valutare.
In gonfiaggio tuo Tipo I errore valutare, Che cosa tu sei detto È,
IO Sono affermando Quello Loro sono equivalente Quando infatti non lo sono.
IL diverso modi A controllo IL larghezza Di Quello fiducia intervallo
È A inferiore S, aumento In, O aumento alfa.
Noi parlato Di due di quelli essendo Bene E uno Di quelli non essendo Bene.
Esso fa senso Quello Se Io sono UN farmaco produttore,
IO Volere A massimizzare IL energia Di IL progetto.
Quello è IL Flip. IO Volere A minimizzare Mio Tipo II errore.
Normativa agenzie Volere per assicurartene Voi Fare non gonfiare
Quello Tipo I errore valutare.
Quello Tipo I errore valutare volevo Essere detto tuo assumere equivalente
O tu sei affermando equivalenza Quando Infatti Loro sono non.
In JMP, Voi Potere Fare questi equivalenza test,
E IO volere spettacolo Voi UN esempio Di Quello.
Per Mio rivista, Primo cosa IO volere Fare
È IO volere spettacolo Voi Quello In termini Di determinante
tuo Tipo I errore aliquote E tuo Tipo II errore aliquote
È JMP fornisce energia curve
Sotto Campione Misurare Esploratore , Energia , Due Campione Indipendente Equivalenza.
Caleb Re fatto UN Terribile Grande lavoro con Questo.
dico Terribile Grande lavoro, Ma Lui fatto UN Grande lavoro con Questo.
Andiamo Appena Dire Quello Mio margine, Mio equivalenza accettazione criteri,
È più O meno 2 standard deviazioni.
Io sono Appena andando A Mettere UN 2 Qui,
E quello è Appena 2 volte IL standard deviazioni Quello Io sono parlando Di.
Quello è Tutto Quello Io sono facendo.
Andiamo Appena Dire Quello In Mio storico processi
È IO Avere 10 molti,
E Io sono andando a confrontare Esso A UN nuovo processi Quello ha 5 molti.
IO Volere A Vedere Che cosa IL energia È Se Essi Sono esattamente IL Stesso,
Ma c'è NO differenza fra questi.
UN pochi cose Quello IO volere punto fuori Qui È JMP dà quelli energia calcoli.
IL altro cosa Quello Esso fa È Esso consente Voi modifica quelli.
Cosa c'è andando a accadere Se IO Fare cose Piace aumento Mio nuovo processi,
IL numero Di campioni In Mio nuovo processi giorno rapporto ,
Mio energia È andando a andare su.
Che cosa volevo accadere Se IO Fare cose Piace,
"EHI, Brughiera, IO Volere A diminuire Quello margine Di errore
A, Invece 2 standard deviazioni , A Dire Forse 1.5 standard deviazioni,
essenzialmente , COME Io sono prendendo quelli confini
E Io sono stringendo loro su."
Che cosa IO Vedere È Mio energia È andando A andare giù.
Io sono capace A chiedere me stessa Tutto quelli tipico domande
Quello Voi volevo In equivalenza test.
Questo È qualcosa altro Quello IO volere spettacolo Voi quello è andando a Venire su
È JMP ha IL capacità A Dire,
Fare IO Sapere IL VERO standard deviazione O non?
Se IO Sapere IL VERO standard deviazione, Quello È andando A Essere Meglio.
Tu sei andando a Vedere Quello tuo energia va su.
Infatti, Che cosa accade È Mio energia va su.
Quello è Generalmente non IL caso.
IO Sempre chiamata Quello IL utopia,
Quale usi IL casi Se IO Fare non Sapere Che cosa Quello VERO standard deviazione È.
IO Sempre chiamata Questo IL ottimale, UN auto Di IL utopia.
IO Sempre chiamata IL NO, IL realismo.
IO volevo Essere negligente
Se IO fatto non spettacolo Voi IL utensili Quello JMP fa Avere
per mostrando Quello equivalenza
Piace Se IO avevo UN storico processi Dove IO avevo 10 molti E IO fatto 5 nuovo quelli.
Primo cosa IO volere Fare
È IO volere Aspetto A Questo tramite il Costruttore di grafici,
E IO Vedere Quello Là È NO effetto fra quelli due.
IO Potere Vedere Entrambi Di quelli , E Essi Entrambi Aspetto Piace
Essi venni da IL nuovo processi, IL blu contro IL rosso.
Come Di Se Là È UN effetto ? Che cosa IO Fare È IO Vedere UN spostare.
Appena Piace IO ha mostrato Voi Prima è questo È Due Unilaterale prova t.
JMP ha utensili per Quello.
Jin Feng fatto UN Grande lavoro con Questo. Mio bontà. IO Amore IL punteggi complotto.
Ecco IL differenza In significa. Ecco IL inferiore , E ecco IL superiore,
E quello è entro IL confini.
In Quello caso, Che cosa hai Fatto È Voi respinto Entrambi IL nullo ipotesi
In favore Di IL alternato,
Quale È IL Stesso COME Che cosa Voi Vedere In IL immagine.
Che cosa Voi Anche Vedere Qui È Quello Se Là È UN effetto,
È IO Sono non andando A rifiutare Entrambi IL nulli.
Uno Di quelli È IO Sono andando A fallire A rifiutare E Infatti IO fatto.
Che cosa lo farai Vedere È Mio fiducia intervalli fuori Quello confine.
IO volevo Piace A parlare Di UN molto specifica caso.
UN molto specifica caso In cellula terapia È chiamato diviso aferesi progetto.
In UN diviso aferesi progetto , Questo È UN situazione Dove
In cellula terapie È tu sei mutevole IL processi.
Che cosa Voi Fare È tu sei utilizzando donatore materiali diviso
fra IL due diverso processi.
Noi tenuto ottenere domande Sopra E Sopra E Sopra Ancora
da Nostro clienti Di,
"Potere IO Aspetto A IL campione misurare E energia calcoli
per questi paio Di disegni ?"
Non può sovrapposizione loro .
Non puoi Vedere Se Loro sono dipendente su Quello donatore -al-donatore variabilità?
Andiamo parlare Di UN diviso aferesi progetto.
In UN diviso aferesi progetto, Primo cosa IO volere Fare
È IO Volere A raccontare Voi Di IL normativo aspettativa.
Questo È Anche UN recente bozza guida documento da IL FDA
In Luglio Di 2023, Appena scorso mese.
In Quello , Essi disse Quello Voi Bisogno A Selezionare UN adatto statistico test
per analisi dentro differenza fra accoppiato dati
Dove quelli donatori Sono accoppiato su.
Quello è Dove IL diviso aferesi progetto arriva da.
Per ogni separare donatore Materiale Quello Voi Avere,
Voi diviso Esso In fra processi A e processi B.
Questo È non due indipendente test t.
Che cosa Questo è, è UN accoppiato progetto.
Quello è IL Primo cosa Quello IO ricercato A parlare Di.
IL secondo cosa È,
IO ricercato A parlare Di Quello Voi Sono molto Spesso In Presto palcoscenico,
COSÌ Voi Fare non Avere UN linea Di donatore materiali,
COSÌ Voi Avere molto Basso campione dimensioni.
Suo difficile A Ottenere energia fuori Di Basso campione dimensioni.
IL terzo cosa Quello Io sono andando A raccontare Voi È ,
Come Fare Voi Venire su con tuo EAC?
Come Fare Voi Venire su con tuo somiglianza condizione ,
Quello differenza, Quello accettabile differenza?
Che cosa Voi Fare È Voi utilizzo storico dati Quello È fatto spento Di multiplo donatori.
Voi Prendere IL standard deviazione usato spento Di storico dati.
Io sono andando a chiamata Quello N 1 O storico.
Voi Prendere Alcuni K numero Di standard deviazioni Di storico dati .
Voi Fare UN test , E tu sei utilizzando IL diviso aferesi progetto
A giudice spento Di Quello storico dati.
Questi sono due esempi che voglio mostrarvi.
Il primo esempio qui
È Dove tu sei guardare A processi A e processi B.
Che cosa Voi Vedere È Voi Fare Vedere sei diversi donatori Qui.
Che cosa Voi Vedere In IL uno SU IL Sinistra È IL maggioranza variazione È in arrivo
da donatore a donatore variabilità,
non IL differenza fra processi A e processi B.
Voi Avere alto donatore -A -donatore variabilità.
Io sono andando a chiamata Quello, prò.
In IL caso SU IL Giusto, Che cosa Voi Fare È,
È IL maggioranza variazione È in arrivo da IL differenza
fra processi UN E processi B, non IL donatore a donatore variabilità.
IL maggioranza variazione È in arrivo da IL analitico O IL processi.
Che cosa Quello racconta Voi È Voi Avere molto Basso Rho.
Lo faresti Avere Basso donatore a donatore variabilità.
Io sono andando a spettacolo Voi UN serie Di script Quello Noi lavorato SU.
Questi Sono tipico domande Quello venni da Nostro clienti.
In Nostro casi, Noi Fare non Sapere Che cosa IL standard deviazione.
Come fa Quello confrontare A IL conosciuto?
Come Di quelli Tipo I E Tipo II errore aliquote?
Ricordare, Se Io sono UN farmaco produttore, IO Volere A aumento IL energia.
Se Io sono UN normativo agenzia,
IO Volere A Fare Sicuro Quello Voi Fare non gonfiare Quello Tipo I errore valutare.
Come Sono Noi andando a Fare Questo?
Questo È da IL europeo Medicinali Agenzia, 2001.
IL migliore modo A Fare Quello È con cose
chiamato previsto operativo caratteristica curve.
Quello dà Voi energia SU IL asse y E UN spostare In IL principale.
IO 'M andando A andare Attraverso UN serie Di script,
E questi serie Di script ...
È davvero una sceneggiatura Quello Avere Giusto Qui,
Quello suo andando a permettere Me A modifica cose Piace Quello Rho,
Quello proporzione Di donatore a donatore variabilità.
Quello K -valore, Ricordare, Come Fare IO impostato IL accettazione criteri?
Esso È K volte Quello standard deviazione.
IL tipico modo Di facendo Questo È Quello k volte quelli storico molti.
Questo È IL numero Di storico molti Quello Voi utilizzo n1.
n2 è IL numero Di molti Quello Io sono andando a utilizzo per Quello accoppiato progetto.
Ogni volta Voi correre IL sceneggiatura, Che cosa accade È Voi Venire fuori ,
E Esso fa UN serie Di simulazioni.
In Questo caso, Esso fatto 5.000 simulazioni ,
E Esso calcola IL energia per Voi.
In quelli 5.000 corre, Che cosa percentuale Di quelli passato?
Esso sembra qualcosa Piace Questo. Esso dà Voi UN quantità Di diverso opzioni.
Mio bontà . IO Potere Aspetto A diverso K -valori.
IO Potere Aspetto A UN diverso numero Di n1, Quale Sono chiamato storico molti.
IO Potere Anche Aspetto A IL diverso numero Di N 2 O accoppiato molti.
Giusto adesso io volere parlare Di...
Ogni volta IO Fare Questo, Che cosa IO Potere Fare
sono io Potere Selezionare Quale Di questi diverso casi Quello IO Volere A Aspetto A
essere capace A risposta tipico domande.
Permettere Me aprire su Mio tipico confronti Qui.
IL Primo uno IO volere parlare Di È,
"Heath, cosa Se IO Avere UN norma conosciuta deviazione?"
Aspetto è qualcosa Piace Questo.
Quello è Che cosa IL conosciuto standard deviazione sembra Piace.
UN pochi cose Quello IO volere punto fuori
È Questo È IL percentuale Di tempo Quello tu sei andando A reclamo equivalenza.
Se Loro sono esattamente IL Stesso Quello Voi disse tu sei andando a reclamo equivalenza
UN alto percentuale Di tempo.
Se c'è UN Enorme differenza fra loro Piace UN due standard deviazione spostare
O UN tre standard deviazione spostare , È tu sei non andando A reclamo equivalenza.
Quello è UN Bene cosa.
IL altro cosa Quello IO volere spettacolo Voi Qui
È Se tu sei guardare A Questo alfa Di 0,05,
essendo Quello IO impostato Mio K -valore A 2 ,
K numero Di standard deviazioni contro 10 storico molti,
IL standard deviazione Di 10 storico molti,
Voi volevo aspettarsi Quello alfa livello volevo Essere 0,05,
IL esatto alfa livello Quello IO impostato In Mio equivalenza test.
Giusto Ora, IL cosa Quello IO volere spettacolo Voi
È Questo È per UN proporzione Di donatore -A -donatore variabilità Di 90%.
Che cosa accade Se IO modifica Quello?
Che cosa accade Se IO modifica Quello A 60%.
Che cosa accade Se IO modifica Quello A 30% ?
C'è NO donatore a donatore variabilità.
Che cosa Voi Vedere È Quello accoppiato test, IL energia curva sembra veramente buono
ogni volta IO Avere alto donatore -A -donatore variabilità.
IL altro cosa Quello Voi avviso con IL conosciuto standard deviazione
è il alfa livello indipendentemente Di operativo caratteristica curva
È Sempre A 0,05.
Andiamo parlare Di Alcuni altro tipico domande.
Uno tipico domanda È ,
Come fa Esso confrontare per IL diverso livelli Di Rho?
Come fa Mio tipico modo Di facendo Questo ?
IO Fare non Sapere Che cosa IL standard deviazione È.
Mio tipico modo Di facendo Questo È In IL blu.
IL conosciuto standard deviazione È In IL rosso.
Uno cosa Quello IO volere punto fuori
È IO volere punto fuori Questo uno Giusto Qui.
Che cosa Voi Vedere È IL preferito approccio,
IL approccio Quello Anche normativo documenti Avere disse Quello Voi Dovrebbe Fare,
IL accoppiato approccio,
utilizzando IL standard deviazione
Quello È calcolato spento Di Mio storico molti,
È IO Avere UN gonfiato Tipo I errore valutare.
Questo Dovrebbe Essere 0,05 Appena Piace Esso È Qui.
Quello era veramente strano A noi, E Noi guardò in Questo.
Quando Noi guardò in Esso, Che cosa Noi trovato È ,
Esso ha qualunque cosa A Fare con Questo Giusto Qui.
IL motivo Perché Esso ha qualunque cosa A Fare con Questo Giusto Qui,
COME IO disse, Come Fare IO diminuire IL larghezza Di Quello fiducia intervallo?
IL modo Quello IO diminuire IL larghezza Di Quello fiducia intervallo
era O A diminuire S , O aumento N , O aumento Mio alfa livello.
Capire Questo.
Questo È Perché Voi Avere UN gonfiato Tipo I errore valutare
con Questo accoppiato test
È quelli delta , Quale tu sei utilizzando A giudice Questo spento Di, quelli delta
Sono utilizzando IL standard deviazione spento Di storico dati
Quello contiene donatore a donatore variabilità.
Quello fiducia intervallo Giusto Là
fa non contenere donatore a donatore variabilità.
Perché? Perché Voi fatto UN paio test .
Quello contiene soltanto analitico E processi variabilità.
Quello è dove quello gonfiato Errore di tipo I valutare arriva da.
Utilizzando Questo accoppiato approc il suo capire
Voi Avere UN gonfiato Tipo I errore valutare.
Noi Vedere Quello, E suo Anche Di più prevalente
Quando Voi Avere alto donatore -A -donatore variabilità.
Perché? Perché Se Voi Avere Basso donatore a donatore variabilità,
th al processo variabilità
è il maggiore parte Di IL varianza componente Quello Voi Avere.
Andiamo Aspetto A UN pochi Di più domande Quello Voi Avere.
UN S IO disse, Questo uno sceneggiatura risposte questi diverso domande.
Questo È rispondendo IL domanda ,
"EHI, Brughiera, Se IO utilizzo Quello accoppiato approccio quello è consigliato,
Potere IO Aspetto A Che cosa accade COME IO aumento campione misurare
da 3 alle 4 alle 5 alle 6?"
Due cose Quello IO volere punto fuori Qui
È numero uno , Che cosa Voi Vedere COME IO aumento campione misurare,
È Io sono andando a Avere più alto energia.
IO Ancora Fare non Avere adeguato energia Se c'è NO donatore a donatore variabilità.
Quello significa Quello IO Avere 0 donatore a donatore variabilità.
IO volevo Bisogno A meno UN campione misurare Di 8 O 8 diverso donatori.
Se IO Fare Avere alto donatore a donatore variabilità,
Piace 0,9, 90 % Di Quello variabilità, Quale Voi Vedere È IO Fare Avere alto energia
per NO differenza fra IL significa.
Che cosa IO Potere Fare È IO Potere Fare Sicuro A risposta quelli domande
con sovrapposto operativo carattere si verifica per diverso campione misurare.
IO Potere Anche risposta Quello domanda Se IO era guardare A , E IO Dire, "EHI ,
Io ho dichiarato Mio diverso campione dimensioni,
ma cosa succede se guardiamo? IL diverso K -valori?"
Capire Quello tuo accettazione criteri È K numero Di standard deviazioni.
Cosa c'è andando a accadere è questo accettazione criteri
sono quelle Che cosa IO chiamata andare inviare Sono andando A allargare COME Voi aumento K.
Perciò, tu sei andando a Avere UN tanto più alto capacità
A passaggio equivalenza ,
E tu sei andando a Avere tanto più alto energia.
Un altro tipico domanda È Questo.
Che cosa Se IO volere modifica Entrambi Di quelli insieme?
Io sono UN grande fan Di Costruttore di grafici .
Che cosa Grafico Costruttore È Che cosa tu sei guardare A Qui
non è soltanto Sono Voi guardare A,
"EHI , Heath, IO Sono crescente campione misurare In blu, Quello volevo Essere 3,
In rosso, Quello volevo Essere 4,
In verde, Quello volevo Essere UN 5, E In viola, Quello volevo Essere 6 ,
Ma IO Anche guardò A Esso per diverso K -valori.
Che cosa volevo tuo operativo caratteristica curve Aspetto Piace?"
Bene?
IO volere rivisitare Questo.
Appena Piace IO disse Prima , IO disse, "EHI , IO volere rivisitare Questo
E spettacolo Voi Quello per..."
Ogni volta IO Avere UN grande proporzione Di donatore -A -donatore variabilità ,
IO disse, "Che cosa Voi Vedere per 2 Giusto Qui, IO volevo aspettarsi Mio alfa livello
Quello Mio proporzione Di tempo Quello IO passaggio Questo test volevo Essere 0,05."
Ma Che cosa Voi Vedere È Voi Avere gonfiato Tipo I errore valutare.
Come fa Questo Aspetto?
Ogni volta Io sono guardare A UN Rho
O UN proporzione Di donatore a donatore variabilità
Quello È molto piccolo,
IO Fare non Avere tanto energia.
IL domanda era , Che cosa Se Noi fatto Questo Invece?
Se Noi avevo Basso donatore a donatore variabilità,
Se Che cosa Noi fatto È Noi usato informazione da quelli storico molti.
Se IO Avere NO donatore a donatore variabilità O molto Basso donatore a donatore variabilità,
Perché non potevo IO Appena Fare UN indipendente T -test,
Dove IO confrontare da processi UN O Mio storico processi,
non Appena IL accoppiato molti,
Ma IO Anche prendere in considerazione quelli 10 storico molti
E non confrontando A IL Significare Di IL nuovo processi?
Noi ricercato A Vedere Come Quello rispetto .
Facendo Esso Quello modo è il test indipendente È In IL rosso.
IL accoppiato modo È In IL blu.
Che cosa Voi Vedere È, Se IO Avere poco A NO donatore a donatore variabilità
In Mio cellula terapia diviso aferesi processi ,
Voi disse Quello IL indipendente prova t
ha tanto Meglio profilo di IL accoppiato approccio.
Tuttavia, Se IO Avere alto donatore a donatore variabilità,
Quello accoppiato approccio In IL blu
ha UN tanto Meglio operativo caratteristica di IL rosso.
Giusto Ora, IL domanda È Invece Di Appena automaticamente
facendo Quello diviso aferesi paio progetto,
Forse Esso volevo Essere Meglio
A Fare UN decisione basato su Quello donatore a donatore variabilità.
Come fa Questo confrontare ogni volta che guardo A diverso K -valori?
IO Vedere IL esatto Stesso cosa, IL esatto Stesso fenomeni che
con UN Basso donatore a donatore variabilità,
Esso fa senso A Fare IL indipendente T -test.
Con alto donatore a donatore variabilità È IO Avere UN tanto Meglio
caratteristica operativa curva
Sono più alto energia associato con IL accoppiato approccio.
Esso no questione Se IO guardò A UN k di 1.5 , O 2, O Anche 3.0.
Indipendentemente Di IL K -valore ,
IO Avere UN tanto Meglio operativo caratteristica curva
Se IO prendere in considerazione Quello donatore -A -donatore variabilità.
Che cosa Se IO guardò A diverso valori Di quelli storico molti?
IO guardò A 3.
Noi guardò A 4.
W e guardò A 5 accoppiato molti. Noi guardò A 6 accoppiato molti.
Indipendentemente, Voi Vedere IL Stesso fenomeni.
Erano attualmente scrivere UN carta SU Questo
A Tentativo A proporre
Quello Se Voi Avere Basso donatore a donatore variabilità,
Forse Esso fa non Fare senso per Voi A utilizzo UN diviso aferesi
O una coppia analisi approccio.
Forse IL approccio È soltanto Bene
ogni volta Voi Avere alto donatore -A -donatore variabilità.
T ecco Sono tipico domande Quello Sono chiesto In IL diviso aferesi disegni.
Che cosa IO volere Fare È IO Appena volere copertina
T wo O tre Di più Di questi
J basta A spettacolo Voi UN pochi o lì cose Quello Voi Potevo Fare.
Questi Sono diverso cose Quello Noi erano guardare A .
Noi guardò A, "EHI , Come fa IL operativo caratteristica curva,
Come fa Quello confrontare Se Noi guardò A In IL blu
quello è utilizzando Niente Ma IL storico molti
A stima IL standard deviazione
contro Se Voi utilizzo IL accoppiato E IL storico molti,
Quale È In IL rosso?"
Che cosa Voi Vedere È c'è non tanto differenza fra questi due,
particolarmente Se Io sono utilizzando più alto campione dimensioni Piace IL N 2.
W e Anche guardò A,
"EHI, Se IO stimato Quello standard deviazione
utilizzando UN pochi diverso modi,
Che cosa Se IO guardò A stima
Quello standard deviazione utilizzando IL storico molti,
Quale È In IL blu, contro In IL rosso
È utilizzando IL storico molti E IL accoppiato molti?
IO confrontare IL indipendente caso contro IL accoppiato caso.
Che cosa Fare IO Vedere? "
COME IO disse Prima, Voi Vedere Quello esatto Stesso fenomeni
con UN Basso donatore a donatore variabilità.
IL tanto Meglio modo Di facendo Questo volevo Essere UN indipendente T -test
SU IL inferiore Giusto -mano angolo.
Quello È Dove Voi alto donatore a donatore variabilità.
Esso fa senso Quello Noi volevo utilizzo IL accoppiato approccio.
Scorso uno Quello IO Volere A spettacolo Voi
È Questo È qualcosa Quello noi abbiamo stato lavorando SU.
Noi guardò A IL accoppiato approccio contro IL indipendente.
IL accoppiato approccio È In IL blu.
IL indipendente È In IL rosso.
Io ho disse Questo Sopra E Sopra E Sopra Ancora.
Quello Esso fa senso Quello Se IO Avere Basso donatore a donatore variabilità,
IL indipendente caso In IL blu sembra tanto Meglio.
Se IO Avere alto donatore a donatore variabilità, IL accoppiato approccio sembra Meglio.
Ma uno cosa Quello Noi fatto io siamo noi preso UN Aspetto E Appena disse,
"Che cosa Se IO preso UN Aspetto A IL approccio Quello ha dato Me IL più breve
con Quello fiducia intervallo?"
Quello è In IL verde .
Che cosa Voi Vedere È Quello Generalmente dà Voi IL migliore approccio
indipendentemente Di Che cosa tuo Rho È
O Che cosa tuo proporzione Di donatore -A -donatore variabilità È.
In chiusura,
IO volevo Piace A Appena punto fuori UN pochi cose.
Questo sceneggiatura Quello Noi Avere risposte, lungo con IL tipico domande
Quello Nostro clienti Avere SU operativo caratteristica curve,
associato con questi diviso aferesi disegni,
quello che faccio Volere A tiro lontano da Qui, Anche se,
È Se Voi Fare Avere UN Basso proporzione Di variabilità da donatore a donatore
È lo farai Vedere Quello questi disegni Sono molto sottodimensionato
per meno di 8 molti, meno di 8 diverso donatore Materiale.
Noi vivere In UN mondo In cellula terapie
Dove Voi Fare non Avere UN quantità Di donatore materiali,
COSÌ Voi Avere molto Basso dimensioni.
Esso volevo Essere tanto Di più efficiente Se Voi avevo Basso variabilità da donatore a donatore
A utilizzo IL indipendente caso.
Noi Fare Avere l'altro revisioni Quello Noi fatto SU Questo
Dove Se Voi erano capace A Fare multiplo molti
per coloro accoppiato approcci con IL Stesso donatore,
O Se tu sei capace A Prendere multiplo misurazioni
A Essere capace A Aspetto A quelli operativo caratteristiche curve.
Grazie Voi.
