本次演讲将探讨 JMP Profiler 的实际应用，重点介绍其改进的预测区间功能。我们将通过 Cencora-PharmaLex 的详细案例研究，展示预测区间如何通过量化模型预测的不确定性，为决策提供更稳健的框架。这一新增功能有助于做出更明智的决策，尤其是在风险管理和精准预测至关重要的关键场景中。通过该案例研究，我们将着重阐述预测区间在提升数据驱动决策可靠性方面的附加价值，最终助力制药和生命科学项目取得更佳成果。
我们还评估了JMP模拟器的现有功能，该模拟器尚未整合预测分布以支持基于风险的决策。通过示例和公式来弥补这一不足，我们旨在指出未来JMP版本中进一步改进的机会，最终为制药和生命科学项目带来更好的结果。
大家好，我叫海莉。我想简单介绍一下我的背景。我拥有生物统计学博士学位，目前在PharmaLex Cencora担任统计和数据科学经理。我的工作涉及临床和非临床研究的统计分析，旨在为决策提供可靠的洞察。我广泛使用JMP进行数据分析，为各种项目提供支持。我的目标是运用先进的统计方法来提高研究的质量和效率。
本次演讲将探讨如何利用 JMP 分析器中的预测区间来改进决策，我将展示 Cencora PharmaLex 的一个案例研究。这张海报展示了 JMP 分析器工具如何利用预测区间来提升决策质量。预测区间有助于管理不确定性，使结果更加清晰。这在准确性和风险管理至关重要的关键情况下尤为重要。添加预测区间可以提高决策的可靠性，并使模型更加精确。
本次演讲分为两部分。第一部分我将介绍模拟过程，第二部分我将介绍Cencora PharmaLex公司的案例研究。Cencora PharmaLex是制药和生命科学行业领先的专业服务提供商。在本案例研究中，我们将重点关注该公司如何利用工作分析工具来优化客户的决策流程。通过引入预测区间，Cencora PharmaLex能够量化模型预测中的不确定性，从而做出更明智、更可靠的决策。
首先，我想谈谈模拟部分。本研究评估了包含五个连续因子的实验设计（DOE）中的预测区间，测试了不同模型和情景的准确性和可靠性。实验设计包含一个不完全模型，该模型包含五个连续因子和选定的交互作用。
我们定义了三种方案，首先是仅有12轮的低设计方案，然后是30轮的高设计方案，每种方案重复100次。我们使用特定模型模拟响应，并在因子空间中的关键点（此处应填入-1、0.5和0）进行评估。我们使用JMP分析了线性效应模型和随机效应模型，并与基于R语言的LM和Stan模型进行比较，以评估其性能。
如您所见，这是预测值的第一个结果。随机效应模型显示了 JMP 和 Stan 在预测值方面的差异，尤其是在设计较为简单的情况下。然而，在线性模型中，我们没有看到两个软件的预测值有任何差异。增加模块数和运行次数通常会提高两个模型的预测值，正如您在线性模型和混合模型的两个图表中所看到的。
现在，如果我们只想讨论预测区间的上限和下限，正如您在这里通过 JMP 和 R 中的 LM 函数看到的线性模型，区别在于上下预测区间在 JMP 或 R 中的 LM 函数中都没有出现，这证实了两种结果的可靠性。
然而，在最后几个模块中，我们采用了混合模型，并且运行结果通常会导致分析器中预测区间变宽。正如您所见，JMP 和 Stan 的两张图表对比表明，预测的不确定性更大。随着数据点和变异性的增加，模型能够捕捉到更广泛的可能结果，从而降低预测的确定性；而更大的设计则能提高模型的泛化能力。
它们还突显了系统内部交互的复杂性和可预测性。这种效应在高变异性场景中尤为明显，此时预测分析器预测的潜在值范围更广，而非精确估计。正如您在低设计对比中看到的，预测值的范围更广。
我想提醒您注意一点。JMP 的结果总体上偏乐观，这意味着成功的概率可能过高。JMP 不使用 t 分布，而是使用正态分布来代替 t 分布来计算预测区间。
学生们通过自由度来考虑数据有限性，并使用均方根误差 (RMSE) σ（听不清 00:06:24）作为预测误差，而不是使用完整的公式，从而考虑了实验设计 (DOE) 的位置。当观测值数量远大于参数数量时，如果自由度足够高，我可以说，JMP 中的线性混合模型的预测区间也比 R 中的 Stan 更宽。请注意。当自由度较低时，我们应该注意 JMP 预测区间可能过于乐观。
在这里，我们想探讨一下Cencora PharmaLex项目的一个案例研究，即我们如何利用预测区间向客户展示项目的准确性和可靠性。分析器会根据各因素的水平显示响应变量的预测线。这里我们设计了八个不同的变量，这些变量均在实验设计（DOE）阶段完成。
预测区间代表真实响应值预期落入特定水平的范围。例如，这里我们考虑 95% 的概率。我们可以轻松地更改红色垂直线，并显示其中的差异。我们会告诉客户：“请注意预测值和预测区间宽度的差异，区间越窄，预测结果越准确。区间越窄表示预测越精确，区间越宽表示不确定性越大。” 您可以看到，在这两张图中，我们更改了数值，可以移动红色垂直线，并向客户展示其中的差异。
最后，我们可以得出结论：预测区间通过展示一系列可能的结果并量化不确定性，从而改进决策。它们有助于评估风险、提高准确性并支持更优的选择。尤其是在临床和生命科学领域，对于某些客户而言，在关键情况下，预测区间的价值更体现在风险管理以及制药和生命科学等领域。非常感谢邀请我。以下是我的演讲内容。
