레벨: 중급
James Wisnowski, Adsurgo 수석 컨설턴트
Andrew Karl, Adsurgo 수석 컨설턴트
표준 가설 검정은 표준과의 차이 또는 모집단 간의 차이를 증명하기 위해 설정됩니다. 많은 응용 프로그램에서 목표는 실제로 실질적인 차이가 없음을 통계적으로 확실하게 입증하는 것입니다. 일반적인 예로는 모델 및 시뮬레이션 결과와 실제 이벤트 간의 성능 비교, 제네릭 의약품과 브랜드 의약품의 안전성 및 효능 비교, 다양한 치료법 간의 재료 공학적 특성 비교, 그리고 JMP 커뮤니티가 매일 직면하는 여러 다른 문제들이 있습니다. 여러 플랫폼에서 TOST(Two One-Sided Tests)를 사용하는 ' 동등성 검정(Test Equivalence )'이라는 매우 적절한 이름의 옵션을 제공하지만, 실제로는 유사성을 적절하게 특성화하기 위해 동일한 평균보다 더 많은 평균이 필요한 경우가 많습니다. JMP에서 평균, 분산 및 분포의 동등성을 확립하는 데 도움이 되는 기능을 소개하겠습니다. 이 발표의 초점은 모델 간의 동등성, 즉 출력 응답이 대략적으로 동일한 것뿐만 아니라 프로세스를 특성화하는 매개변수의 일관성에 있습니다. Hotelling의 T2 검정 통계량을 사용하여 회귀 모델에 대한 JMP의 사용자 정의 추정을 확장하고, 함수형 데이터 탐색기를 사용하여 복잡한 곡선을 분해하는 방법을 보여주고, 이어서 비교를 위한 표준 동등성 방법을 구현합니다.
