Hallo und Willkommen Zu unser Präsentation, Ansätze Zu Vergleiche mit JMP® 17. Mein Name Ist Markieren Bailey. Ich bin a Senior Analyse Software Tester, Und Mein zusammen- Moderator Heute Ist Jianfeng Ding, a Senior Forschung Statistiker Entwickler. Vor Wir erhalten hinein Die neu Merkmale, war gehen Zu nehmen a Moment Zu machen Sicher Das alle hat Die richtig Hintergrund Zu anerkennen diese neu Methoden.
Das hat Zu Tun mit mit statistisch Schlussfolgerung Wann war versuchen Zu vergleichen zwei Populationen. Das Ist a sehr gemeinsam Aufgabe, Und Die Vergleich normalerweise führt Zu a Entscheidung zwischen zwei Ideen um diese Populationen. Wenn Wir könnte beobachten Die Populationen In ihre Gesamtheit, Wir würde nicht brauchen Statistiken, Aber das ist nicht normalerweise Die Fall. Also, wir haben Zu arbeiten mit Proben aus Die Populationen. Statistisch Schlussfolgerung dürfen bieten manche Wirklich wertvoll Information um diese Proben.
In besondere, Ist Dort ausreichend Beweis Zu ablehnen eins Idee um Die zwei Bevölkerungen? Also a klar Stellungnahme von diese Ideen oder Hypothesen Ist essentiell Zu Herstellung Die richtig Auswahl für Die prüfen Und Auch für Die richtig Interpretation. Also lasst uns sprechen a wenig bisschen um Die Ideen oder Hypothesen Das Sind Teil von diese statistisch Tests. Der Alternative Und null Hypothesen, als sie sind bekannt, darstellen gegenseitig exklusiv Aussagen um diese Bevölkerungen, Und NEIN andere Hypothese Ist möglich.
Für Beispiel, eins Stellungnahme könnte Sei für Bevölkerung A Und Bevölkerung B Das ihre bedeutet Sind gleich. Der andere Idee Ist Das sie sind nicht gleich. Diese zwei Ideen oder Hypothesen Sind gegenseitig exklusiv Und NEIN andere Hypothese Ist möglich. Was ist Die Rolle von diese zwei Ideen? Der Alternative Hypothese Staaten Die Abschluss Das Wir würde wie Zu beanspruchen. Es stellt dar Die Populationen Und Es Wille erfordern ausreichend Beweis In Die Daten Zu Sturz Die andere Hypothese.
Der andere eins Ist angerufen Die null Hypothese. Es Staaten Die Gegner Abschluss Das muss Sei überwinden von stark Beweis. Es dient als a Referenz für Das Vergleich. Es ist vermutet Zu Sei WAHR. Jetzt, momentan, es gibt etwas von a Missverständnis In Hypothese Testen In Das Es nur denkt um Vergleich In eins Richtung. Das ist Weil historisch, Das Ist Die Weg Es War präsentiert In Ausbildung.
Das am meisten oft gelehrt prüfen Ist gebraucht Zu zeigen Das es gibt a Unterschied zwischen zwei Populationen. Der resultierende Mangel von Verständnis dürfen führen Zu a verwenden von diese Tests. Zu Sei klar, Die Auswahl von Die prüfen Ist nicht a Gegenstand von Was Daten Ist gesammelt oder Wie Die Daten Ist gesammelt. Es ist vollständig um Die angegeben Hypothesen für Die Zweck von dein Vergleich. Lasst uns sehen bei diese zwei Möglichkeiten. Lasst uns sagen Das Die Ziel von unser Vergleich Ist Zu zeigen a Unterschied.
Wir wollen Zu ausdrücklich Zustand diese Ideen Zu machen Sicher Die prüfen Ist klar. In Die Erste Beispiel, I wollen Zu zeigen Das a Temperatur ändern Ursachen a neu Ergebnis. Das Ist, Dort Ist a Unterschied. Heiraten wie Zu beanspruchen Das Die neu Ebene von Die Antwort Wille Ergebnis aus a ändern In Die Verfahren Temperatur. Vielleicht Wir erwarten a höher Ertrag oder heiraten wie Zu zeigen mehr Stabilität. A Design Experiment Ist gebraucht Zu zufällig Probe aus Die Bevölkerung für a niedrig- Temperatur Zustand Und aus a Bevölkerung von a hoch- Temperatur Zustand.
Der zwei Hypothesen für Das prüfen, Die null Hypothese Staaten Das Die Temperatur tut nicht beeinflussen Die Ergebnis. Erinnern, es ist unser Referenz Und Wir annehmen Es Zu Sei WAHR. Der Alternative Hypothese Ist unser Idee. Temperatur Auswirkungen Die Ergebnis, Aber Wir dürfen entscheiden Das nur Wenn Die Beweis Ist stark genug Zu ablehnen Die null Hypothese. Jetzt, lasst uns ändern Das. Lasst uns umkehren Das. Lasst uns sagen Das In Das Vergleich, I wollen Zu zeigen Gleichwertigkeit. In Die zweite Beispiel, I wollen Zu zeigen Das a Temperatur ändern tut nicht Ursache a ändern In Die Ergebnis.
Das Ist, Die Ergebnis, entweder Weg, Ist Äquivalent. Wir wollen Zu beanspruchen Das a geplant ändern In Die Verfahren Temperatur Wille verbessern Die Ertrag Aber nicht beeinflussen Die Ebene von ein Verunreinigung von Die Produkt. Wir Design Die Dasselbe Experiment, sammeln Die Dasselbe Proben, Aber Jetzt unser Hypothesen Sind umgeschaltet. Der null Hypothese Ist Das Die Temperatur Auswirkungen Die Ergebnis. Es ist unser neu Referenz, Wir Trotzdem annehmen Es Zu Sei WAHR, während Die Alternative Hypothese Staaten Das Die Temperatur tut nicht beeinflussen Die Ergebnis, Die Verunreinigung Ebene.
Aber Wir dürfen machen Das beanspruchen nur Wenn Die Beweis Ist stark genug Zu ablehnen Die null. Dasselbe gilt I prüfen für a Unterschied oder für Gleichwertigkeit? Der Schlüssel Ist Wie Du Zustand dein Hypothesen. Diese zwei Beispiele, I denken Du dürfen sehen, verwenden identisch Daten Aber anders Tests. Der Auswahl von Die prüfen Ist nicht um Die Daten. Es ist um Die beanspruchen Das Wir wollen Zu machen Und Wie Wir Zustand Das richtig In Die Hypothese. Erinnern Das statistisch Tests Sind unidirektional. Das Ist, Wir dürfen ablehnen a null oder nicht. Wenn Die prüfen Ist Zu ablehnen a null Hypothese mit a hoch Wahrscheinlichkeit Wann es ist FALSCH.
Jetzt, lasst uns erhalten Zu Die neu Merkmale In JMP® 17. Jianfeng Wille Jetzt gegenwärtig Die Gleichwertigkeit Tests und Wann sie ist fertig, Krank gegenwärtig Verfahren Vergleich.
Jetzt, Ich bin gehen Zu Aktie Mein Bildschirm. Hallo, Mein Name Ist Jianfeng Ding. Ich bin a Forschung Statistik Entwickler bei JMP® 17. In Das Video, Ich bin gehen Zu sprechen um Die Gleichwertigkeit, Nichtunterlegenheit, Und Überlegenheit Prüfen In JMP® 17. Der Basic Hypothese prüfen An Die links Ist a prüfen Das am meisten Qualität Fachleute Sind vertraut mit. Es Ist oft gebraucht Zu vergleichen zwei oder mehr Gruppen von Daten Zu bestimmen ob Sie Sind statistisch anders.
Der Parameter Theta dürfen Sei a bedeuten Antwort für kontinuierlich Ergebnis Und a Anteil Wann Die Ergebnis Variable Ist binär. Theta T stellt dar Antwort aus Behandlung Gruppe Und Theta null stellt dar Die Antwort aus a Kontrolle Gruppe. Dort Sind drei Typen von Die Basic Hypothese prüfen. Der Erste eins Ist zweiseitig prüfen Und Die ausruhen Sind eins- einseitig Tests. Wenn Du sehen bei Die zweiseitig prüfen An Die links, Die NEIN Hypothese Ist Das Die Behandlung bedeutet Sind Dasselbe Und Die Alternative Hypothese Ist Das Die Behandlung bedeutet Sind anders.
Manchmal Wir Wirklich brauchen Zu gründen Das Dinge Sind im Wesentlichen Die Dasselbe, Und Die Maschinen Zu Tun Das Ist angerufen ein Gleichwertigkeit prüfen. Ein Äquivalent prüfen Ist Zu zeigen Die Unterschied In Theta T, Theta null Ist innerhalb a vor- angegeben Marge Delta Und erlauben uns Zu abschließen Gleichwertigkeit mit a angegeben Vertrauen Ebene. Wenn Du sehen bei Die Gleichwertigkeit prüfen, Die NEIN Hypothese Ist Das Die Behandlung bedeutet Sind anders Und Die Alternative Hypothese Ist Das Die Behandlung bedeutet Sind innerhalb a behoben Delta von eins ein anderer.
Das Ist anders aus Die zwei- einseitig Hypothese prüfen An Die links. Ein anderer Alternative Testen Szenario Ist Die Nichtunterlegenheit prüfen welche Ziele Zu zeigen Das Ergebnisse Sind nicht im Wesentlichen schlechter. Dort Ist Auch a Testen Szenario angerufen Überlegenheit Testen Das Ist ähnlich Zu Nichtunterlegenheit Testen, außer Das Die Ziel Ist Zu zeigen Das Ergebnisse Sind im Wesentlichen besser. Dort Sind fünf anders Typen von Gleichwertigkeit Typ Tests. Abhängen An Die Situation. Wann sollen Wir verwenden Das prüfen? Wille Sei diskutiert nächste.
Diese Tests Sind sehr wichtig In Industrie, besonders In Die Biotechnologie Und Pharmazeutika Industrie. Hier Sind manche Beispiele. Wenn Die Ziel Ist Zu zeigen Das Die neu Behandlung tut nicht abweichen deutlich aus Die Standard von mehr als manche klein Marge, Dann Gleichwertigkeit prüfen sollen Sei gebraucht. Für Beispiel, a generisch Arzneimittel Das Ist weniger teuer Und Ursache wenige Seite Effekte als a beliebt Name- Marke Arzneimittel. Du würde wie Zu beweisen Es hat Dasselbe Wirksamkeit als Die Name- gebrandmarkt eins. Der typisch Ziel In Nichtunterlegenheit Testen Ist Zu abschließen Das a neu Behandlung Verfahren oder Produkt Ist nicht deutlich schlechter als Die Standard eins.
Für Beispiel, a neu Herstellung Prozess ist Schneller. Du würde machen Sicher Es schafft NEIN mehr Produkt Mängel als Die Standard Verfahren. A Überlegenheit prüfen versuchen Zu beweisen Das Die neu Behandlung Ist wesentlich besser als Die Standard eins. Für Beispiel, a neu Dünger hat gewesen entwickelt mit mehrere Verbesserungen. Der Forscher wollen Zu zeigen Das Die neu Dünger Ist besser als Die aktuell Dünger. Wie Zu Satz hoch Die Hypothese? Der Graph An Die links fasst zusammen fünf anders Typ von Gleichwertigkeit Typ Tests sehr schön.
Das Graph Ist erstellt von unser SAS/STAT® Kollegen, John Castelloe, Und Donna Watt. Du dürfen finden ihre Weiß Papier An Das An Die Netz. Auswahl welche prüfen abhängen An Die Situation. Für jede von Das Situation, Die Region Das Wir Sind versuchen Zu gründen mit Die prüfen Ist gezeigt In Blau. Für Gleichwertigkeit Analyse, Du dürfen Konstrukt ein Gleichwertigkeit Region mit obere gebunden Theta null Plus Delta Und untere gebunden Theta null Minus Delta. Du dürfen Benehmen ein Gleichwertigkeit prüfen von Überprüfung ob Die Vertrauen Intervall von Theta Lügen In vollständig In Die Blau Gleichwertigkeit Region.
Ebenfalls, Du dürfen Benehmen a Nichtunterlegenheit prüfen von Überprüfung ob Die Vertrauen Intervall von Theta Lügen vollständig über Die untere gebunden Wenn größer Theta Ist besser oder unten Die obere gebunden Wenn kleiner Theta Ist besser. Diese Tests Sind verfügbar In JMP® 17 Zoll eins Weg für Vergleichen Normal bedeutet Und In Kontingenz für Vergleichen Antwort Preise. Der grafisch Benutzer Schnittstelle von Gleichwertigkeit prüfen Start Dialoge macht Es einfach für Du Zu finden Die Typ von prüfen Das entsprechen Was Du Sind versuchen Zu gründen.
A Wald Handlung In Die Bericht zusammenfassen Die Vergleich sehr schön Und macht Es einfach für Du Zu interpretieren Die Ergebnisse. Nächste, Ich bin gehen Zu Tun a Demo um Äquivalent prüfen, Überlegenheit prüfen, Und Nichtunterlegenheit Tests. Ich bin gehen Zu verwenden a Daten Satz angerufen Die Arzneimittel Messung Das Ist In Die JMP Probe Daten Bibliothek. Zwölf anders Themen war gegeben drei anders Drogen A, B, Und C, Und kontinuierlich Messung war gemacht. I Erste gestartet Fit Y von X Und setzen Die Messung als Y Und Arzneimittel Typ als X Faktor.
Das Wille bringen Die eins- Weg Analyse. Unter Die Rot Dreieck Speisekarte, lasst uns Erste finden Äquivalent prüfen Und Dort Sind Die zwei Optionen, bedeutet, Und Standard Abweichungen. War gehen Zu Fokus An bedeutet für Das Beispiel. Das Wille bringen Die Gleichwertigkeit Start Dialog. In Das Abschnitt, Du dürfen wählen welche prüfen Du würde wie Zu Benehmen, Und Die Graph stellt dar Die Auswahl von Die ausgewählt prüfen. Für Überlegenheit Und Nichtunterlegenheit prüfen, Dort Sind zwei Szenarien.
Eins Ist groß Unterschied Ist besser. Ein anderer Ist klein Unterschied Ist besser. Wählen welche eins abhängen An Die Situation. Du brauchen Zu angeben Die Delta oder Die Marge für Die prüfen. Du Auch brauchen Zu angeben Die Vertrauen Ebene Alpha für Die prüfen. Du dürfen entweder wählen Die Parteien Varianz oder Unerreicht Varianz Zu laufen Die prüfen. Für Das Beispiel, Wir laufen Die Äquivalent prüfen Erste Und Wir angeben drei als a Unterschied. Wir Sind gehen Zu Tun Die Äquivalent prüfen für alle Die Paare. Klicken Okay Und Es Wille bringen Die Äquivalent prüfen Ergebnis.
An Die Spitze, Es Ist Die statistisch Detail für Die Gleichwertigkeit prüfen, Und Die unten es ist a Wald Handlung. Du beachten Dort Sind zwei Regionen. Der Blau Region Sind Die Gleichwertigkeit Region Und Die Rot Sind Die nicht- Gleichwertigkeit Region. Der Linien Hier darstellen Die Vertrauen Intervall von Die bedeuten Unterschied zwischen zwei Gruppen. Wenn Wir sehen bei Das Linie, Das Ist Die Vertrauen Intervall von Die bedeuten Unterschied zwischen Arzneimittel A Und C, Und Du sehen Das Linie Ist vollständig enthalten innen Das Blau Region. Wir sehen bei Die P Wert von Die Gleichwertigkeit prüfen Das beträgt 0,02 welche Ist kleiner als 0,05. Also bei Das 5 % Bedeutung Ebene, Wir dürfen erklären Das Arzneimittel A Und C Sind Äquivalent.
Aber Wann Du sehen bei Die Vertrauen Intervall von a bedeuten Unterschied zwischen Arzneimittel A Und B, Und Arzneimittel B Und C, Sie Sind gefüttert darüber hinaus Das Blau Region. Also wir abschließen bei Die 5 % Bedeutung Ebene Arzneimittel A Und B, Und Arzneimittel B Und C, Wir kann nicht abschließen Sie Sind Äquivalent. Nächste, Wenn Wir annehmen Arzneimittel C Ist a Standard Arzneimittel Und Du würde wie Zu finden aus Wenn Arzneimittel A Und B Sind besser als Arzneimittel C, Das machen uns wollen Zu Tun a Überlegenheit prüfen. Lassen Mich schließen Das Gliederung Notiz für Jetzt Und Wir Start Die Äquivalent prüfen wieder Und Wir klicken Bedeutet.
Das Zeit war gehen Zu laufen Überlegenheit prüfen. Wir klicken Die Überlegenheit prüfen Und Wir bevorzugen groß Unterschied Und Wir angeben 0,4 als unser Marge. Das Zeit Wir brauchen Zu Satz Arzneimittel C als unser Kontrolle Gruppe Und klicken OK. Das Wille bringen Die Überlegenheit prüfen. Aus Das Wald Handlung Du dürfen sehen Die Vertrauen Intervall von a bedeuten Unterschied zwischen Arzneimittel B Und C Ist vollständig enthalten innen Das Blau Region. Also Wir abschließen Das bei Die 5 % Vertrauen Ebene, Wir dürfen erklären Das Die B Ist Vorgesetzter Zu Arzneimittel C. Aber Wir kann nicht machen a Dasselbe Abschluss Zu Arzneimittel A Und C. Das schlussfolgert Mein Erste Beispiel.
Der nächste Beispiel Wille zeigen Wie Zu führen Sie eine Nichtunterlegenheit prüfen für Die relativ Risiko zwischen zwei Proportionen. Lassen Mich offen Die Daten Tisch. A randomisiert Versuch Ist Zu vergleichen Arzneimittel FIDAX als ein Alternative Zu Arzneimittel VENCO für Die Behandlung von Doppelpunkt Infektionen. Der zwei Drogen haben ähnlich Wirksamkeit Und Sicherheit. Zwei hundert zwanzig- eins aus von 225 Patienten behandelt mit FIDAX erreicht klinisch Q von Die Ende von Die Studie, verglichen Zu 223 aus von 257 Patienten behandelt mit VENCO.
Wir Start Fit Y von X wieder Und Wir Stecker In Q als Y Und Arzneimittel als X Faktor und Konto als a Frequenz Und klicken OK. Wille bringen Die Kontingenz Analyse. Aus Die Wahrscheinlichkeit Verhältnis Test, Pearson prüfen, Und Fischer genau prüfen, Sie alle angeben Das Dort Ist NEIN groß Unterschied zwischen diese zwei Drogen. Aber Wir würde wie Zu finden aus Wenn Arzneimittel FIDAX Ist nicht minderwertig Zu Arzneimittel VENCO. Wir gehen Zu Die hoch Rot Dreieck Und bringen Die Äquivalent prüfen. Dort Sind zwei Optionen. Eins Ist Die Risiko Unterschied Und eins Ist relativ Risiko. Für Das Beispiel, Wir wählen relativ Risiko.
Wieder, bringen Das Äquivalent prüfen Start Dialog. Für Das Beispiel, war gehen Zu laufen Nichtunterlegenheit prüfen. A gewinnen, Wir bevorzugen groß Verhältnisse. Wir angeben 0,9 als unser Marge Und Wir Pflege um Die Behandlung Wirkung. Also Wir sollen wählen Ja Und Dann Wir klicken OK. Also Das bringen Die Nichtunterlegenheit prüfen. Aus Die Wald Handlung, Wir dürfen sehen Die Vertrauen Intervall von Die relativ Risiko Ist vollständig enthalten In Das Blau Region, Und Die P Wert für Die Nichtunterlegenheit prüfen Ist sehr klein. Also Wir abschließen bei Die 5 % bedeutsam Ebene, Die Arzneimittel FIDAX Ist nicht minderwertig Zu Arzneimittel VENCO. Das schließt Mein sprechen Und I Wille geben zurück Zu Markieren. I brauchen Zu hör auf damit Aktie.
Dank Du, Jianfeng. Jetzt In Die zuletzt Teil von unser Präsentation, Ich bin gehen Zu sprechen um ein anderer Vergleich Wo Wir wollen Zu vergleichen Die Ergebnisse oder Messungen aus zwei anders Methoden von Messung manche Menge. Wir annehmen Das es gibt a Standard Verfahren Das bereits existiert. Es hat gewesen validiert. Wir dürfen verwenden Es Zu messen Die Ebene von manche Menge. Das könnte Sei Die Temperatur oder Die Potenz von a Arzneimittel. Aber für manche Grund, wir haben entwickelt a neu Verfahren für Die Dasselbe Ergebnis.
Wir muss vergleichen es ist Leistung Zu Die Standard Verfahren vor Wir verwenden Es. Das Ist a lang Stehen Ausgabe. Das Vergleich hat gewesen kodifiziert für a lang Zeit von zahlreiche Internationales Organisationen. Ich habe aufgeführt a wenige von ihnen An Das gleiten. Also Das Ist a sehr Also studierte Und ein gegründet Vergleich. In Das Fall, war gehen Zu vergleichen Zu Identität. War gehen Zu vergleichen diese zwei Methoden Wo ideal Die prüfen Verfahren würde geben uns Die Dasselbe Wert als Die Standard Verfahren. Also wir Handlung Die Daten mit a Streudiagramm. Wir haben Die prüfen Verfahren An Die Vertikale Achse Und Die Standard Verfahren Ergebnis An Die horizontal Achse. Wir dürfen sogar Handlung Die Identität Linie Wo Y gleich X für Referenz.
Ideal, Wir würde erhalten Die Ergebnis aus beide Methoden, Aber Das Gewohnheit passieren Weil von Messung Fehler In beide Methoden. Also verwenden Regression Analyse Zu bestimmen Die am besten fit für Das Linie Wo Wir haben Die prüfen Verfahren gegen Die Standard Verfahren. Dann Die geschätzt Parameter für unser Modell dürfen Sei verglichen Zu Die Identität Linie. Der null Hypothese, Wir Start mit Die Idee Das Sie Sind nicht Die Dasselbe. Also Die abfangen von Das Linie Ist nicht null oder Die Neigung Ist nicht eins oder möglicherweise beide. In andere Wörter, Die Ergebnisse Sind nicht Äquivalent.
Der Alternative, welche Wir würde wie Zu beanspruchen Ist Das Sie Sind Äquivalent. Also Dort Wir Zustand Das Die abfangen sollen Sei null Und Die Neigung sollen Sei eins. Zu machen Das Vergleich mit Regression, Wir haben Zu Postulat a Modell. In Das Fall, es ist a einfach linear Regression Modell. Wir haben a Konstante Begriff A, a proportional Begriff B mal X. War gehen Zu schätzen diese Parameter A Und B und verwenden unser Hypothesen Zu entscheiden. Wir Auch haben a Begriff Epsilon, Und Das stellt dar Die Messung Fehler, Die zufällig Variation. Verwenden linear Regression, Wir annehmen Das Die Y Und Die X Sind linear verwandt.
Wir annehmen Das Die statistisch Fehler Das Epsilon Sind In UND, nicht In X. Wir Auch annehmen Das diese Fehler Sind verteilt In a Weg Das Sind unabhängig von Die Antwort. In andere Wörter, Die statistisch Fehler Ist Die Dasselbe über Die gesamte Reichweite von Das Verfahren. Auch, Das NEIN Daten ausüben beliebig übermäßig beeinflussen An diese Schätzungen. Also, In Verfahren Vergleich, Wir normalerweise verletzen diese Annahmen. Erste von alle, Dort Ist Messung Fehler In Die Standard Verfahren als Also.
Auch, oft Die Fehler Sind nicht Konstante. Das Ist, Wir beobachten a Konstante Koeffizient von Variation Aber nicht a Konstante Standard Abweichung. Ausreißer Sind präsentieren, dass dürfen stark beeinflussen Die Schätzung. Andere Regression Methoden Sind erforderlich In solch a Fall. Der Deming Regression gleichzeitig minimiert Die am wenigsten Quadrat Fehler In beide Y Und X. Das ist geeignet für Das Fall. Der Vorbeigehen- Bablock Regression Ist a nichtparametrisch Verfahren das ist basierend An Die mittlere von alle möglich paarweise Pisten.
Es ist beständig Zu Ausreißer Und nicht konstant Fehler. Lasst uns sprechen um jede von diese knapp. Der Deming Regression Ist bereitgestellt In Die Bivariat Plattform durch Die Fit Senkrecht Befehl. Das hat gewesen verfügbar In JMP für viele Jahre. Der Deming Regression dürfen schätzen Die Fehler In Y Und X, annehmen Das Die Fehler In Y Und X Sind gleich, oder verwenden a gegeben Verhältnis von Y Zu X Fehler.
Vorbeigehen- Bablock Regression Ist neu. JMP® 17 eingeführt Das Verfahren In Die Bivariat Plattform durch Die Fit Pass-Bablock Befehl. Das Befehl Auch beinhaltet Schecks für Die Annahmen Das Die Messungen Sind hoch positiv korreliert Und ausstellen a linear Beziehung. Verfahren Vergleich oft beinhaltet a Vergleich von Unterschied. Der Unter- Altman Analyse vergleicht Die paarweise Unterschiede als Y Zu Die paarweise bedeutet als X Zu bewerten Voreingenommenheit zwischen Die zwei Werte.
Der Ergebnisse Sind präsentiert In a Streudiagramm von Y gegen X für dein Prüfung Und Auch Zu identifizieren beliebig Anomalien. Das tritt auf In Die Abgestimmt Paare Plattform. Die Abgestimmt Paare Plattform hat gewesen Teil von JMP für viele Jahre als Also, Aber Die Bland-Altman prüfen Ist a neu Zusatz. Der Bericht Auch Geschenke Die Hypothese prüfen. Jetzt Ausweis wie Zu zeigen diese zwei Methoden. Als I sagte, Deming Regression hat gewesen verfügbar für a lang Zeit, Aber für Vollständigkeit' willen, Ich bin gehen Zu zeigen Es Hier neben Die neu Methoden.
I wählen aus Die Analysieren Speisekarte, Fit Y von X. Ich bin gehen Zu vergleichen prüfen Methode 1 Zu Mein Standard Verfahren. Der Standard Verfahren geht In Die X Rolle Und Die neu prüfen Verfahren geht In Die Y Rolle. Du könnte auswerten mehr als eins prüfen Verfahren bei Die Dasselbe Zeit. Hier ist Mein Handlung. Anfänglich, I sehen a streuen Handlung. I erwarten diese zwei Zu zustimmen sehr Also. I erwarten Zu sehen Das Sie folgen Das Diagonale Weg, Das sie sind linear, Und Also weiter. Krank klicken Die Rot Dreieck nächste Zu Bivariat Und wählen Fit Senkrecht.
In Das Fall, I nicht Wirklich wissen Das Die Abweichungen Sind gleich oder I nicht haben beliebig vor Information Das I könnte angeben a Verhältnis. Also werde ich haben JMP schätzen Die Fehler In beide. Krank verwenden Die Erste Option Hier. Jetzt Wir haben Die tailliert Linie mit Deming Regression. Unten Das Wir haben Die Bericht. Der Bericht beinhaltet ein schätzen von Die abfangen. Wir dürfen sehen es ist klein Und schließen Zu null. Wir haben ein schätzen für Die Neigung.
Verwenden Die Vertrauen Intervall, Wir sehen Das Es beinhaltet eins, welche Wir würde erwarten Wenn Die prüfen Verfahren stimmt zu mit Die Standard. Das ist Deming Regression. Jetzt, war gehen Zu nehmen a sehen bei Die neu Methoden Pass-Bablock Regression In Klinge- Altman. Dasselbe Start, wählen Analysieren, Und Dann wählen Fit Y von X. Ich bin gehen Zu verwenden Die Abrufen Taste Hier. I wollen Zu vergleichen Methode 1 Zu Die Standard, Aber Ich bin gehen Zu verwenden a neu Regression Technik.
Krank klicken An Die Rot Dreieck Und wählen Fit Passspiel-Bablock. Es gibt Genau genommen zwei Linien Hier. Es gibt a Rot Linie Das stellt dar Die am besten- fit Linie mit Die Pass-Bablock Regression. Aber es gibt Auch, für unser Referenz, a Linie Das stellt dar Wo y gleich X. Es ist hart Zu sehen. Ich bin gehen Zu verwenden Die Lupe Werkzeug Zu vergrößern a wenige mal. Jetzt Du dürfen sehen Das Dort Sind, In Tatsache, zwei separate Linien. Eins Ist Die Identität Und eins Ist Die fit, Aber Sie überlappen ganz a bisschen. Diese Sind ganz ähnlich.
In Die numerisch Berichte, Erste I haben a prüfen für Die hoch positiv Korrelation. War mit Kendalls Ja, Und Wir dürfen sehen Das Es Ist hoch bedeutsam. Wir ablehnen Die Idee Das sie sind nicht stark korreliert. Nächste, Wir haben a prüfen von Linearität. Hier, Das prüfen geht davon aus Das sie sind linear und w ehe suchen für stark Beweis gegen Das. Aber Wir haben a sehr hoch P Wert Hier, Also Wir Tun nicht ablehnen Die Annahme Das sie sind linear. Endlich, Wir haben Die Parameter Schätzungen von mit Vorbeigehen -Bablock Regression, Wir haben Die Punkt schätzen, Wir haben Die Intervall schätzen.
Für Die abfangen, Das Intervall beinhaltet null, Also Wir kann nicht ablehnen ein abfangen von null. Wir haben Die Neigung Ist enthalten innerhalb ein Intervall Das beinhaltet eins. Ähnlich, Wir kippen ablehnen Das Die Neigung von Das Linie Ist gleich Zu eins. Lasst uns sagen heiraten Auch wie Zu vergleichen diese zwei Methoden von Unterschied. Zu Tun Das, I klicken An Die Rot Dreieck für Die Optionen von Die Fit Pass-Bablock Ergebnisse und Hier Wir sehen Die Befehl Bland-Altman Analyse. Es dauert alle Die Information Hier Und startet übereinstimmen Paare mit Die zusätzlich Information In Die Bland-Altman Analyse.
Der Handlung Ist zeigt uns An Die Y Achse Die paarweise Unterschied zwischen Die Verfahren eins Und Die Standard Verfahren, Und es ist geplottet gegen An Die horizontal Achse Ist Die bedeuten von diese zwei Werte. Der Bland-Altman Analyse Ist hilfreich Weil Es gibt uns ein Idee um Die Voreingenommenheit. Also Hier I haben ein schätzen von Die Voreingenommenheit Ist Negativ 0,113, Aber Wir dürfen sehen Das Die Intervall schätzen von Die Voreingenommenheit beinhaltet null, Also Wir kippen ablehnen Die Idee Das Die Voreingenommenheit Ist gleich Zu null Und Also An. Jetzt Wir haben In JMP® 17, a viel mehr vollständig Satz von Werkzeuge für Vergleichen anders prüfen Methoden. Das schließt unser Präsentation. Dank Du.
