I soy Brezo Corriendo.
A pesar de Andrés carlos, y jeff Hofer , y Almiar Burdick, alguno compañeros de equipo de mío ,
hizo el mayoría de técnico trabajar aquí, Soy ir a ser el uno presentando hoy .
Soy ir a hablar acerca de cómo JMP y JMP guiones poder ser usado
en a muy particular específico solicitud en celúla terapias.
Soy ir a hablar a pequeño poco acerca de qué terapias genéticas y celulares son
y el muy específico instancia eso I querer hablar acerca de
es comparabilidad.
Soy ir a enfocar en proceso cambios.
Curiosamente suficiente, último año,
I dio a hablar , y él enfocado en celúla y gene terapias.
Ellos son muy novedoso terapéutica.
El primero uno era aprobado en el Unido Estados en 2017.
A pequeño poco diferente que mayoría de ,
qué I llamar el pequeño molécula y el grande molécula terapéutica
eso puedes tener escuchó de en el pasado.
Dejar a mí justo tocar base en qué es a celúla y gene terapia.
Primero cosa Soy ir a hacer es tocar base en qué a gene terapia es.
Qué estás esencialmente haciendo es estás reemplazando
a gene con a saludable uno,
o torneado apagado malo genes.
A lote de cánceres son causado por defectuoso genes.
Qué estás haciendo es estás insertando estos saludable genes atrás en a paciente
de cualquiera en vivo o en vitro.
Un en vitro haría ser más de a hueso médula trasplante.
Último año, I habló acerca de ,
el desafío con gene terapias es eso paciente -a -paciente variabilidad.
I enfocado en proceso desarrollo.
Entonces I habló acerca de celúla terapias.
En el celúla terapias , qué estás haciendo es usted reemplazando enfermedad células.
Estás cualquiera transfiriendo alguno clasificar de saludable celúla en a paciente,
o eran reemplazando desaparecido células en a paciente.
Dónde hacer estos células venir ¿de?
Ellos cualquiera venir de el paciente ellos mismos,
entonces tú haría tener a trato con eso paciente -a -paciente variabilidad,
o en mayoría casos, ellos venir de a saludable donante.
Ahora estás no relación comercial con este variabilidad de paciente a paciente,
pero estás relación comercial con donante -a -donante variabilidad.
Cuando sea I decir donante, Soy hablando acerca de a saludable donante.
I podría ser a saludable donante.
Entonces alguien demás podría ser a saludable donante también.
En ambos de aquellos casos
es tú tener a trato con eso paciente a paciente
o donante -a -donante variabilidad.
Qué interesante es último año , I dio el ejemplo en proceso desarrollo,
y él aspecto algo como este.
Él era el exacto mismo datos colocar eso I usado último año eso I dicho,
decir eso tú eran desarrollando a proceso dónde tú mirar tiempo, temperatura , y pH,
y estás medición su efecto en celúla viabilidad y por producto.
En eso caso es, I no puedo usar uno donante material,
I tenía a dividir eso arriba en cuatro diferente donantes.
I dicho, "Si tú corrió estos experimentos para proceso desarrollo,
y tú hizo no considerar eso allá era donante -a -donante variabilidad,
este es qué tú haría ver.
Qué tú haría decir es eran mirando para Valores p eso son abajo 0,05,
tú haría decir nada afecta celúla viabilidad
y nada afecta por producto.
Tú eran no capaz a detectar eso tú tenía cualquier significativo
o crítico proceso parámetros
para el muy razón eso tú hacer no considerar
eso allá podría ser a diferencia en donante.
Bien ahora, si tú hacer considerar aquellos como qué es llamado a fijado donante efecto,
el solo cosa eso I hizo es I trajo en donante.
Entonces tú ver eso NAND.
Este realmente se pega afuera qué significativamente afecta celúla viabilidad
y qué significativamente afecta por producto.
El entero hablar era en cómo hace eso donante a donante variabilidad
afectar estadístico inferencia y también proceso capacidad.
Soy ir a enfocar en eso estadístico inferencia.
Qué son tú intentando a hacer en proceso desarrollo
es estás intentando a determinar si cosas como el pH y temperatura, y tiempo
significativamente afectar su crítico igualdad atributos.
Decir eso I era a droga fabricante ,
y I tener colocar arriba a proceso desarrollo estudiar .
I enviar este proceso desarrollo estudiar .
I desear a determinar si temperatura afecta,
y Soy ir a llamar él celúla viabilidad.
I decir, "Ey cuando sea Soy mirando en eso , es I querer hacer seguro eso si algo
significativamente afecta mi calidad atributos,
I control eso en mi proceso.
Pero si él no, I soy no gasto dinero y tiempo y recursos controlador él."
Qué Soy preocupado con como a droga fabricante
es el Tipo i error tasa.
I hacer no desear a inflar a Tipo i error tasa.
A Tipo i error tasa haría decir,
"Ey , este es significativo cuando, en hecho, es no."
Qué hacer tú pensar eso regulador agencias haría ser más preocupado ¿con?
Tú controlador más ¿cosas?
Son tú no controlador cosas eso debería ser ¿revisado?
Eso es exactamente bien es ellos ser más preocupado
acerca de eso paciente riesgo, eso Tipo II error.
En proceso desarrollo es droga fabricantes
hacer no desear a inflar el Tipo i error.
Ellos también desear significativo fuerza. ¿Por qué?
Porque eso control S eso paciente riesgo.
El entero punto de a mí demostración eso último año
era a espectáculo el eficaz donante a donante variabilidad
en intentando a determinar su crítico proceso parámetros.
I llamar él estadístico inferencia.
Bien ahora que sucede si I cambiar mi ¿proceso?
I tenía a colega justo último semana , I era laboral con su.
Cuando sea eran hablando acerca de celúla y gene terapias, ella dicho,
y este es su cita, "Brezo , en celúla y gene terapias,
cosas son constantemente cambiando.
Tú podría tener cosas como analítico métodos cambiar.
Tú podría tener cosas como proceso cambiar."
Hoy, Soy ir a centrarse s en este proceso bien aquí.
Principalmente, Soy ir a enfocar en eso proceso cambiar.
I hacer querer punto afuera eso regulador agencias entender
eso tú tener a necesidad para mejorando su proceso.
Incluso si tú mejorar su proceso, son tú cambiando su proceso ?
Ellos reconocer el necesidad para eso, pero ellos también reconocer el necesidad
eso el terapéutica eso estás haciendo de eso proceso
debería ser similar en términos de producto calidad.
Estás usando estos en clínico ensayos.
Qué hace él significar a ser ¿similar?
Eso no decir eso ellos tener a ser exactamente el mismo,
eso ellos tener a ser similar o comparable.
En términos de a mí dicho eso algo es similar,
qué I querer hacer es I querer hacer seguro eso I tener alguno semejanza condición.
Eso es el entero punto de comparabilidad.
Para muy bajo riesgo atributos,
qué I poder hacer es I poder espectáculo eso proceso un y proceso B
es similar en lado -por -lado parcelas .
Para más más alto riesgo atributos,
qué I querer hacer es tal vez algo como a calidad rango.
En términos para calidad rangos,
I justo llevar eso referencia grupo, el viejo proceso,
y I construido alguno rango alrededor él
y asegurar eso todo de th mido calidad atributos
de el nuevo proceso caer dentro eso rango.
Para muy alto riesgo atributos,
qué I querer hacer es I querer hacer equivalente pruebas ce.
Este es qué Soy ir a concentrarse en hoy,
decir tú acerca de qué equivalencia pruebas es,
y cómo eso aceptable diferencia o eso semejanza condición es colocar.
Es llamado equivalencia pruebas, Dos a una cara prueba t.
A reiterar qué nosotros habló acerca de antes,
cuando sea Soy usando diseño de experimentos en proceso desarrollo,
qué I hacer es Soy cambiando alguno variable -como temperatura
de bajo a alto ,
y Soy medición el efecto en mi crítico igualdad atributos.
I soy asumiendo en el nulo hipótesis eso ellos son el mismo.
Qué I hacer es I colocar arriba a diseño a ver si ellos son diferente.
A Tipo i error en eso caso haría ser a mí dicho,
"Guau, ellos son diferente " cuando , en hecho, ellos son no.
Eso haría significar eso I haría control eso.
I haría gastar recursos controlador eso en el proceso.
Si Soy a droga fabricante,
I hacer no desear a control cosas eso I no necesidad a.
Soy preocupado acerca de eso Tipo i error tasa .
Si I era a regulador agencia,
I haría ser incluso más preocupado con el Tipo II.
hay No diferencia cuando, en hecho, allá es .
Tú debería ser controlador algo y estás no.
Si I era a regulador agencia,
Identificación ser más preocupado con el Tipo II error.
Ahora estamos yendo a voltear él.
Eran ir a hablar acerca de equivalencia pruebas.
Equivalencia pruebas es Soy no dicho eso ellos son el mismo.
I soy asumiendo eso allá es a diferencia.
Yo solo querer hacer seguro eso el diferencia no es también grande.
Eso también grande, Soy ir a llamar delta.
t aquí está a lote de diferente maneras a calcular eso delta.
Soy ir a llamar él d o eso delta bien allá,
a menudo llamado el equivalencia aceptación criterios.
me gustaría como a venir de sujeto asunto pericia,
pero el mayoría de veces, él llega de a mí tomando
alguno valor k veces eso histórico valor.
Eso es dividir en dos diferente pruebas .
En uno, estoy determinando si es menos que positivo d.
En el otro uno , I desear a espectáculo en el alterno hipótesis
eso esa diferencia es mayor que que a negativo d.
Soy yendo dos diferente lados.
Eso es qué llamado el izquierda -mano lado de el abajo,
o el arriba.
En términos de, si I era a droga fabricante, qué haría I desear a ¿hacer?
me gustaría desear a ser capaz a rechazar ambos de aquellos hipótesis.
I haría desear alto fuerza, bajo Tipo II error y alto fuerza.
t su es equivalente a tomando a 90% confianza número
alrededor el diferencia en medio en asegurando eso 90% confianza intervalo
cuando sea Soy mirando en el bajo y alto o dentro el balance de aquellos más bajo delta
en el superior delta.
Si estás mirando en este, tú debería pensar a tú mismo es,
"I desear el ancho de eso confianza intervalo a ser muy pequeño."
Qué son el diferente maneras eso I podría hacer el ancho
de eso confianza intervalo
para el diferencia entre aquellos dos medio muy ¿pequeño?
I podría disminuir mi estándar desviación.
Eso es a bien cosa.
I podría aumentar mi muestra tamaño.
Eso es a bien cosa.
I podría también aumentar mi alfa nivel.
Tal vez eso no lo haría ser entonces bien porque qué estás haciendo
es estás inflando su Tipo i error tasa.
En inflando su Tipo i error tasa, qué estás dicho es,
I soy indicando eso ellos son equivalente cuando de hecho no lo son.
El diferente maneras a control el ancho de eso confianza intervalo
es a más bajo s, aumentar en, o aumentar alfa.
Nosotros habló acerca de dos de aquellos ser bien y uno de aquellos no ser bien.
Él marcas sentido eso si Soy a droga fabricante,
I desear a maximizar el fuerza de el diseño.
Eso es el voltear. I desear a minimizar mi Tipo II error.
Regulador agencias desear asegurarse de tú hacer no inflar
eso Tipo i error tasa.
Eso Tipo i error tasa haría ser dicho su asumir equivalente
o estás indicando equivalencia cuando en efecto ellos son no.
En JMP, tú poder hacer estos equivalencia pruebas,
y I querer espectáculo tú un ejemplo de eso.
Para mi diario, primero cosa I querer hacer
es I querer espectáculo tú eso en términos de determinando
su Tipo i error tarifas y su Tipo II error tarifas
es JMP proporciona fuerza curvas
bajo Muestra Tamaño Explorador , Fuerza , Dos Muestra Independiente Equivalencia.
caleb Rey hizo un horrible excelente trabajo con este.
yo digo horrible excelente trabajo, pero él hizo a excelente trabajo con este.
vamos justo decir eso mi margen, mi equivalencia aceptación criterios,
es más o menos 2 estándar desviaciones.
Soy justo yendo a poner a 2 aquí,
y eso es justo 2 veces el estándar desviaciones eso Soy hablando acerca de.
Eso es todo eso Soy haciendo.
vamos justo decir eso en mi histórico proceso
es I tener 10 lotes,
y Soy ir a comparar él a a nuevo proceso eso tiene 5 lotes.
I desear a ver qué el fuerza es si ellos son exactamente el mismo,
pero hay No diferencia entre estos.
A pocos cosas eso I querer punto afuera aquí es JMP da aquellos fuerza cálculos.
El otro cosa eso él hace es él permite tú cambiar aquellos.
Qué ir a suceder si I hacer cosas como aumentar mi nuevo proceso,
el número de muestras en mi nuevo proceso día informe ,
mi fuerza es ir a ir arriba.
Qué haría suceder si I hacer cosas como,
"Ey, Brezo, I desear a disminuir eso margen de error
a, en cambio 2 estándar desviaciones , a decir tal vez 1.5 estándar desviaciones,
esencialmente , como Soy tomando aquellos límites
y Soy apretando a ellos arriba."
Qué I ver es mi fuerza es yendo a ir abajo.
Soy capaz a preguntar mí mismo todo aquellos típico preguntas
eso tú haría en equivalencia pruebas.
Este es algo demás eso I querer espectáculo tú eso es ir a venir arriba
es JMP tiene el capacidad a decir,
hacer I saber el verdadero estándar desviación o ¿no?
Si I saber el verdadero estándar desviación, eso es yendo a ser mejor.
Estás ir a ver eso su fuerza va arriba.
En efecto, qué sucede es mi fuerza va arriba.
Eso es generalmente no el caso.
I siempre llamar eso el utopía,
cual usos el casos si I hacer no saber qué eso verdadero estándar desviación es.
I siempre llamar este el óptimo, a auto de el utopía.
I siempre llamar el No, el realismo.
I haría ser descuidado
si I hizo no espectáculo tú el herramientas eso JMP hace tener
para demostración eso equivalencia
como si I tenía un histórico proceso dónde I tenía 10 lotes y I hecho 5 nuevo unos.
Primero cosa I querer hacer
es I querer mirar en este a través del generador de gráficos,
y I ver eso allá es No efecto entre aquellos dos.
I poder ver ambos de aquellos , y ellos ambos mirar como
ellos vino de el nuevo proceso, el azul versus el rojo.
Cómo acerca de si allá es un efecto ? Qué I hacer es I ver a cambio.
Justo como I presentado tú antes es eso es Dos Unilateral prueba t.
JMP tiene herramientas para eso.
Jin feng hizo a excelente trabajo con este. Mi bondad. I amar el puntuaciones trama.
Aquí está el diferencia en medio. Aquí está el más bajo , y aquí está el superior,
y eso es dentro el límites.
En eso caso, qué tienes hecho es tú rechazado ambos el nulo hipótesis
en favor de el alterno,
cual es el mismo como qué tú ver en el imagen.
Qué tú también ver aquí es eso si allá es un efecto,
es I soy no yendo a rechazar ambos el nulos.
Uno de aquellos es I soy yendo a fallar a rechazar y en efecto I hizo.
Qué tu lo harás ver es mi confianza intervalos fuera eso Perímetro.
I haría como a hablar acerca de a muy específico caso.
A muy específico caso en celúla terapia es llamado dividir aféresis diseño.
En a dividir aféresis diseño , este es a situación dónde
en celúla terapias es estás cambiando el proceso.
Qué tú hacer es estás usando donante materiales dividir
entre el dos diferente procesos.
Nosotros conservó conseguir preguntas encima y encima y encima de nuevo
de nuestro clientes acerca de,
"Poder I mirar en el muestra tamaño y fuerza cálculos
para estos par de diseños ?"
No puedo cubrir a ellos .
No puedes ver si ellos son dependiente al eso donante -a-donante ¿variabilidad?
vamos hablar acerca de a dividir aféresis diseño.
En a dividir aféresis diseño, primero cosa I querer hacer
es I desear a decir tú acerca de el regulador expectativa.
Este es incluso a reciente borrador guía documento de el FDA
en Julio de 2023, justo último mes.
En eso , ellos dicho eso tú necesidad a seleccionar a adecuado estadístico prueba
para análisis en diferencia entre emparejado datos
dónde aquellos donantes son emparejado arriba.
Eso es dónde el dividir aféresis diseño llega de.
Para cada soltero donante material eso tú tener,
tú dividir él en entre proceso un y proceso B.
Este es no dos independiente pruebas t.
Qué este es, es a emparejado diseño.
Eso es el primero cosa eso I buscado a hablar acerca de.
El segundo cosa es,
I buscado a hablar acerca de eso tú son muy a menudo en temprano escenario,
entonces tú hacer no tener a línea de donante materiales,
entonces tú tener muy bajo muestra tamaños.
Es duro a conseguir fuerza afuera de bajo muestra tamaños.
El tercero cosa eso Soy yendo a decir tú es ,
cómo hacer tú venir arriba con su ¿EAC?
Cómo hacer tú venir arriba con su semejanza condición ,
eso diferencia, eso aceptable ¿diferencia?
Qué tú hacer es tú usar histórico datos eso es hecho apagado de múltiple donantes.
Tú llevar el estándar desviación usado apagado de histórico datos.
Soy ir a llamar eso norte 1 o histórico.
Tú llevar alguno k número de estándar desviaciones de histórico datos .
Tú hacer a prueba , y estás usando el dividir aféresis diseño
a juez apagado de eso histórico datos.
Estos son dos ejemplos que quiero mostraros.
El primer ejemplo aquí
es dónde estás mirando en proceso un y proceso B.
Qué tú ver es tú hacer ver seis diferentes donantes aquí.
Qué tú ver en el uno en el izquierda es el mayoría variación es próximo
de donante a donante variabilidad,
no el diferencia entre proceso un y proceso B.
Tú tener alto donante -a -donante variabilidad.
Soy ir a llamar eso, proo.
En el caso en el bien, qué tú hacer es,
es el mayoría variación es próximo de el diferencia
entre proceso A y proceso B, no el donante a donante variabilidad.
El mayoría variación es próximo de el analítico o el proceso.
Qué eso dice tú es tú tener muy bajo ro.
tu tener bajo donante a donante variabilidad.
Soy ir a espectáculo tú a serie de guiones eso nosotros trabajó en.
Estos son típico preguntas eso vino de nuestro clientes.
En nuestro casos, nosotros hacer no saber qué el estándar desviación.
Cómo hace eso comparar a el ¿conocido?
Cómo acerca de aquellos Tipo i y Tipo II error tarifas?
Recordar, si Soy a droga fabricante, I desear a aumentar el fuerza.
Si Soy a regulador agencia,
I desear a hacer seguro eso tú hacer no inflar eso Tipo i error tasa.
Cómo son nosotros ir a hacer ¿este?
Este es de el europeo Medicamentos Agencia, 2001.
El mejor forma a hacer eso es con cosas
llamado esperado operando característica curvas.
Eso da tú fuerza en el eje y y a cambio en el principal.
I 'metro yendo a ir a través de a serie de guiones,
y estos serie de guiones ...
Es realmente un guión eso tener bien aquí,
eso es ir a permitir a mí a cambiar cosas como eso ro,
eso proporción de donante a donante variabilidad.
Eso k -valor, recordar, cómo hacer I colocar el aceptación ¿criterios?
Él es k veces eso estándar desviación.
El típico forma de haciendo este es eso k veces aquellos histórico lotes.
Este es el número de histórico lotes eso tú usar n1.
n2 es el número de lotes eso Soy ir a usar para eso emparejado diseño.
Cuando sea tú correr el guion, qué sucede es tú venir afuera ,
y él hace a serie de simulaciones.
En este caso, él hizo 5.000 simulaciones ,
y él calcula el fuerza para tú.
En aquellos 5.000 carreras, qué porcentaje de aquellos ¿aprobado?
Él aspecto algo como este. Él da tú a lote de diferente opciones.
Mi bondad . I poder mirar en diferente k -valores.
I poder mirar en a diferente número de n1, cual son llamado histórico lotes.
I poder también mirar en el diferente número de norte 2 o emparejado lotes.
Bien ahora yo querer hablar acerca de...
Cuando sea I hacer este, qué I poder hacer
soy yo poder seleccionar cual de estos diferente casos eso I desear a mirar en
ser capaz a respuesta típico preguntas.
Dejar a mí abierto arriba mi típico comparaciones aquí.
El primero uno I querer hablar acerca de es,
"Heath, ¿qué si I tener a estándar conocido ¿desviación?"
Mirar es algo como este.
Eso es qué el conocido estándar desviación aspecto como.
A pocos cosas eso I querer punto afuera
es este es el porcentaje de tiempo eso estás yendo a afirmar equivalencia.
Si ellos son exactamente el mismo eso tú dicho estás ir a afirmar equivalencia
a alto porcentaje de tiempo.
Si hay a enorme diferencia entre a ellos como a dos estándar desviación cambio
o a tres estándar desviación cambio , es estás no yendo a afirmar equivalencia.
Eso es a bien cosa.
El otro cosa eso I querer espectáculo tú aquí
es si estás mirando en este alfa de 0,05,
ser eso I colocar mi k -valor en 2 ,
k número de estándar desviaciones versus 10 histórico lotes,
el estándar desviación de 10 histórico lotes,
tú haría esperar eso alfa nivel haría ser 0,05,
el exacto alfa nivel eso I colocar en mi equivalencia prueba.
Bien ahora, el cosa eso I querer espectáculo tú
es este es para a proporción de donante -a -donante variabilidad de 90%.
Qué sucede si I cambiar ¿eso?
Qué sucede si I cambiar eso a 60%.
Qué sucede si I cambiar eso a 30% ?
hay No donante a donante variabilidad.
Qué tú ver es eso emparejado prueba, el fuerza curva aspecto realmente bueno
cuando sea I tener alto donante -a -donante variabilidad.
El otro cosa eso tú aviso con el conocido estándar desviación
es el alfa nivel a pesar de todo de operando característica curva
es siempre en 0,05.
vamos hablar acerca de alguno otro típico preguntas.
Uno típico pregunta es ,
cómo hace él comparar para el diferente niveles de roo?
Cómo hace mi típico forma de haciendo este ?
I hacer no saber qué el estándar desviación es.
Mi típico forma de haciendo este es en el azul.
El conocido estándar desviación es en el rojo.
Uno cosa eso I querer punto afuera
es I querer punto afuera este uno bien aquí.
Qué tú ver es el privilegiado acercarse,
el acercarse eso incluso regulador documentos tener dicho eso tú debería hacer,
el emparejado acercarse,
usando el estándar desviación
eso es calculado apagado de mi histórico lotes,
es I tener un inflado Tipo i error tasa.
Este debería ser 0,05 justo como él es aquí.
Eso era muy extraño a a nosotros, y nosotros miró en este.
Cuando nosotros miró en él, qué nosotros encontró es ,
él tiene todo a hacer con este bien aquí.
El razón por qué él tiene todo a hacer con este bien aquí,
como I dicho, cómo hacer I disminuir el ancho de eso confianza ¿intervalo?
El forma eso I disminuir el ancho de eso confianza intervalo
era cualquiera a disminuir s , o aumentar norte , o aumentar mi alfa nivel.
Entender este.
Este es por qué tú tener un inflado Tipo i error tasa
con este emparejado prueba
es aquellos deltas , cual estás usando a juez este apagado de, aquellos deltas
son usando el estándar desviación apagado de histórico datos
eso contiene donante a donante variabilidad.
Eso confianza intervalo bien allá
hace no contener donante a donante variabilidad.
¿Por qué? Porque tú hizo a par prueba .
Eso contiene solo analítico y proceso variabilidad.
Eso es donde es inflado error tipo I tasa llega de.
Usando este emparejado acercarse su entender
tú tener un inflado Tipo i error tasa.
Nosotros ver eso, y es incluso más predominante
cuando tú tener alto donante -a -donante variabilidad.
¿Por qué? Porque si tú tener bajo donante a donante variabilidad,
th en el proceso variabilidad
es el más grande parte de el diferencia componente eso tú tener.
vamos mirar en a pocos más preguntas eso tú tener.
A s I dicho, este uno guion respuestas estos diferente preguntas.
Este es respondiendo el pregunta ,
"Ey, Brezo, si I usar eso emparejado acercarse eso es recomendado,
poder I mirar en qué sucede como I aumentar muestra tamaño
de 3 a 4 a 5 a 6?"
Dos cosas eso I querer punto afuera aquí
es número uno , qué tú ver como I aumentar muestra tamaño,
es Soy ir a tener más alto fuerza.
I aún hacer no tener adecuado fuerza si hay No donante a donante variabilidad.
Eso medio eso I tener 0 donante a donante variabilidad.
I haría necesidad en el menos a muestra tamaño de 8 o 8 diferente donantes.
Si I hacer tener alto donante a donante variabilidad,
como 0,9, 90 % de eso variabilidad, cual tú ver es I hacer tener alto fuerza
para No diferencia entre el medio.
Qué I poder hacer es I poder hacer seguro a respuesta aquellos preguntas
con superpuesto operando personaje ocurre para diferente muestra tamaño.
I poder también respuesta eso pregunta si I era mirando en , y I decir, "Ey ,
He fijado mi diferente muestra tamaños,
pero ¿y si miramos? el diferente k -¿valores?"
Entender eso su aceptación criterios es k número de estándar desviaciones.
Qué ir a suceder es eso aceptación criterios
son esos qué I llamar ir correo son yendo a ensanchar como tú aumentar k.
Por lo tanto, estás ir a tener a mucho más alto capacidad
a aprobar equivalencia ,
y estás ir a tener mucho más alto fuerza.
Otro típico pregunta es este.
Qué si I querer cambiar ambos de aquellos ¿juntos?
Soy a grande admirador de Generador de gráficos .
Qué Grafico Constructor es qué estás mirando en aquí
no es solo son tú mirando en,
"Ey , brezo, I soy creciente muestra tamaño en azul, eso haría ser 3,
en rojo, eso haría ser 4,
en verde, eso haría ser a 5, y en púrpura, eso haría ser 6 ,
pero I también miró en él para diferente k -valores.
Qué haría su operando característica curvas mirar ¿como?"
¿Bien?
I querer volver a visitar este.
Justo como I dicho antes , I dicho, "Ey , I querer volver a visitar este
y espectáculo tú eso para..."
Cuando sea I tener a grande proporción de donante -a -donante variabilidad ,
I dicho, "Qué tú ver para 2 bien aquí, I haría esperar mi alfa nivel
eso mi proporción de tiempo eso I aprobar este prueba haría ser 0,05."
Pero qué tú ver es tú tener inflado Tipo i error tasa.
Cómo hace este ¿mirar?
Cuando sea Soy mirando en a rho
o a proporción de donante a donante variabilidad
eso es muy pequeño,
I hacer no tener mucho fuerza.
El pregunta era , qué si nosotros hizo este ¿en cambio?
Si nosotros tenía bajo donante a donante variabilidad,
si qué nosotros hizo es nosotros usado información de aquellos histórico lotes.
Si I tener No donante a donante variabilidad o muy bajo donante a donante variabilidad,
por qué no pude I justo hacer a independiente t -prueba,
dónde I comparar de proceso A o mi histórico proceso,
no justo el emparejado lotes,
pero I también considerar aquellos 10 histórico lotes
y no comparando a el significar de el nuevo ¿proceso?
Nosotros buscado a ver cómo eso comparado .
Haciendo él eso forma es la prueba independiente es en el rojo.
El emparejado forma es en el azul.
Qué tú ver es, si I tener pequeño a No donante a donante variabilidad
en mi celúla terapia dividir aféresis proceso ,
tú dicho eso el independiente prueba t
tiene mucho mejor perfil que el emparejado acercarse.
Sin embargo, si I tener alto donante a donante variabilidad,
eso emparejado acercarse en el azul
tiene a mucho mejor operando característica que el rojo.
Bien ahora, el pregunta es en cambio de justo automáticamente
haciendo eso dividir aféresis par diseño,
tal vez él haría ser mejor
a hacer a decisión basado al eso donante a donante variabilidad.
Cómo hace este comparar cada vez que estoy mirando en diferente k -¿valores?
I ver el exacto mismo cosa, el exacto mismo fenómenos que
con a bajo donante a donante variabilidad,
él marcas sentido a hacer el independiente t -prueba.
Con alto donante a donante variabilidad es I tener a mucho mejor
característica de funcionamiento curva
son más alto fuerza asociado con el emparejado acercarse.
Él no asunto si I miró en a k de 1.5 , o 2, o incluso 3.0.
A pesar de todo de el k -valor ,
I tener a mucho mejor operando característica curva
si I considerar eso donante -a -donante variabilidad.
Qué si I miró en diferente valores de aquellos histórico ¿lotes?
I miró en 3.
Nosotros miró en 4.
W. mi miró en 5 emparejado lotes. Nosotros miró en 6 emparejado lotes.
A pesar de todo, tú ver el mismo fenómenos.
Eran actualmente escribiendo a papel en este
a intentar a proponer
eso si tú tener bajo donante a donante variabilidad,
tal vez él hace no hacer sentido para tú a usar a dividir aféresis
o un par análisis acercarse.
Tal vez el acercarse es solo bien
cuando sea tú tener alto donante -a -donante variabilidad.
t estos son típico preguntas eso son preguntó en el dividir aféresis diseños.
Qué I querer hacer es I justo querer cubrir
t wo o tres más de estos
j nosotros a espectáculo tú a pocos oh El r cosas eso tú podría hacer.
Estos son diferente cosas eso nosotros eran mirando en .
Nosotros miró en, "Ey , cómo hace el operando característica curva,
cómo hace eso comparar si nosotros miró en en el azul
eso es usando nada pero el histórico lotes
a estimar el estándar desviación
versus si tú usar el emparejado y el histórico lotes,
cual es en el ¿rojo?"
Qué tú ver es hay no mucho diferencia entre estos dos,
especialmente si Soy usando más alto muestra tamaños como el norte 2.
W. mi también miró en,
"Ey, si I estimado eso estándar desviación
usando a pocos diferente maneras,
qué si I miró en estimando
eso estándar desviación usando el histórico lotes,
cual es en el azul, versus en el rojo
es usando el histórico lotes y el emparejado ¿lotes?
I comparar el independiente caso versus el emparejado caso.
Qué hacer I ¿ver? "
Como I dicho antes, tú ver eso exacto mismo fenómenos
con a bajo donante a donante variabilidad.
El mucho mejor forma de haciendo este haría ser un independiente t -prueba
en el más bajo bien -mano esquina.
Eso es dónde tú alto donante a donante variabilidad.
Él marcas sentido eso nosotros haría usar el emparejado acercarse.
Último uno eso I desear a espectáculo tú
es este es algo eso hemos estado laboral en.
Nosotros miró en el emparejado acercarse versus el independiente.
El emparejado acercarse es en el azul.
El independiente es en el rojo.
He dicho este encima y encima y encima de nuevo.
Eso él marcas sentido eso si I tener bajo donante a donante variabilidad,
el independiente caso en el azul aspecto mucho mejor.
Si I tener alto donante a donante variabilidad, el emparejado acercarse aspecto mejor.
Pero uno cosa eso nosotros hizo i Nosotros tomó a mirar y justo dicho,
"Qué si I tomó a mirar en el acercarse eso dio a mí el más corto
con eso confianza ¿intervalo?"
Eso es en el verde .
Qué tú ver es eso generalmente da tú el mejor acercarse
a pesar de todo de qué su rho es
o qué su proporción de donante -a -donante variabilidad es.
En clausura,
I haría como a justo punto afuera a pocos cosas.
Este guion eso nosotros tener respuestas, a lo largo de con el típico preguntas
eso nuestro clientes tener en operando característica curvas,
asociado con estos dividir aféresis diseños,
lo que hago desear a jalar lejos de aquí, aunque,
es si tú hacer tener a bajo proporción de variabilidad de donante a donante
es tu lo harás ver eso estos diseños son muy con poca potencia
para menos que 8 lotes, menos que 8 diferente donante material.
Nosotros vivir en a mundo en celúla terapias
dónde tú hacer no tener a lote de donante materiales,
entonces tú tener muy bajo tamaños.
Él haría ser mucho más eficiente si tú tenía bajo variabilidad de donante a donante
a usar el independiente caso.
Nosotros hacer tener el otro revisiones eso nosotros hecho en este
dónde si tú eran capaz a hacer múltiple lotes
para esos emparejado enfoques con el mismo donante,
o si estás capaz a llevar múltiple mediciones
a ser capaz a mirar en aquellos operando características curvas.
Agradecer tú.
