ブートストラップ技術を用いた実験計画のモデル検証戦略とバイオ医薬品への応用 (EU2018 201)レベル: 中級
フィリップ・ラムゼイ、ニューハンプシャー大学主任講師、ノースヘブングループオーナー
クリス・ゴットウォルト、SAS JMP 統計研究開発ディレクター
統計モデリングには、説明と予測という 2 つの異なる目標があります。説明モデルは、多くの場合、予測が不十分です (Shmueli、2010)。計画された実験の分析 (DOE) は多くの場合、説明的ですが、実験の目標は予測です。DOE は、将来のパフォーマンスを予測する製品およびプロセス開発のベスト プラクティスです。予測モデリングでは、データをトレーニング セットと検証セットに分割し、検証セットを使用して予測モデルを評価する必要があります。ほとんどの DOE では、検証セットを形成するための観測値が不十分であるため、予測パフォーマンスを直接評価できません。ここでは、元のデータを使用してそのデータの 2 つのコピー (1 つはトレーニング セット、もう 1 つは検証セット) を作成する「バランスの取れた自動検証」手法を示します。セットは行の重み付けが異なります。重みはディリクレ分布で「バランスが取れています。トレーニング データに大きく寄与する観測値は、検証セットにはあまり寄与しません (逆も同様)。このアプローチでは、データをコピーして重みの数式列を作成するだけです。この手法は汎用的であり、研究室や製造研究でよく見られる小規模なデータ セットに予測モデリング手法を適用できます。デモンストレーションには、バイオ医薬品プロセス開発の 2 つのケース スタディが使用されています。どちらのケースも、大規模な検証セットと決定的なスクリーニング デザインが組み合わされています。分析のデモンストレーションには JMP が使用されます。
