La plateforme JMP 16 DOE permet désormais d'intégrer des limites de détection aux attributs de colonne, qui peuvent être appliquées automatiquement lors de la modélisation avec la plateforme de régression généralisée JMP Pro. Dans cette présentation, Laura démontrera cette nouvelle fonctionnalité et abordera l'impact des limites de détection sur l'analyse des données.
Lorsque nous recherchons de très petites quantités d'une substance, nous sommes souvent limités par la technologie utilisée. Il peut y avoir quelque chose que nous ne pouvons tout simplement pas détecter. C'est ce qu'on appelle la limite de détection, qui constitue un guide fiable pour détecter de faibles concentrations d'une substance dans des situations critiques, comme déterminer l'apparition d'une infection au fil du temps ou identifier correctement une petite quantité d'impureté. Ignorer la limite de détection dans l'analyse des données peut avoir de graves conséquences, car des statistiques de base telles que les moyennes et les intervalles de confiance peuvent devenir biaisées et trompeuses. Modéliser les données à partir d'hypothèses erronées basées sur la limite de détection peut également conduire à des modèles erronés. Les limites de détection sont utilisées dans un large éventail d'applications industrielles telles que l'industrie pharmaceutique, la fabrication de produits chimiques, la chimie analytique et la conception de tests diagnostiques.
