Niveau : Intermédiaire
James Wisnowski, consultant principal, Adsurgo
Andrew Karl, consultant principal, Adsurgo
Les tests d'hypothèses standard sont mis en place pour démontrer les différences par rapport à une norme ou entre des populations. Dans de nombreuses applications, l'objectif est de démontrer avec une confiance statistique qu'il n'existe en réalité aucune différence pratique. Parmi les exemples courants, on peut citer la performance entre les résultats de modèles et de simulations par rapport aux événements réels, la sécurité et l'efficacité des médicaments génériques par rapport aux médicaments de marque, les propriétés d'ingénierie des matériaux entre différents traitements, et bien d'autres problèmes auxquels la communauté JMP est confrontée au quotidien. Bien que plusieurs plateformes proposent l'option bien nommée « Test d'équivalence » qui utilise les tests bilatéraux unilatéraux (TOST), en pratique, des moyennes supérieures à l'égalité sont souvent nécessaires pour caractériser correctement la similarité. En guise d'introduction, nous démontrerons les capacités de JMP à établir l'équivalence des moyennes, des variances et des distributions. L'exposé portera sur l'égalité entre les modèles, c'est-à-dire non seulement l'égalité des réponses de sortie, mais aussi la cohérence des paramètres caractérisant le processus. Nous étendrons l'estimation personnalisée dans JMP pour les modèles de régression avec la statistique du test T2 de Hotelling et montrerons comment l'Explorateur de données fonctionnelles peut être utilisé pour décomposer des courbes complexes, puis nous mettrons en œuvre des méthodes d'équivalence standard à des fins de comparaison.
