Berechnen statistischer Toleranzintervalle in JMP
Jean-François Michiels 1 , Sarah Janssen 2 , Pierre Lebrun 3 .
1 Korrespondierender Autor, jean-francois.michiels@arlenda.com, Holland SA, Lüttich, Belgien (http://www.arlenda.com )
2 Janssen Biologics, Leiden, Niederlande
3 Holland SA, Lüttich, Belgien
Es gibt zwei Arten statistischer Toleranzintervalle. Das Beta-Erwartungstoleranzintervall ist ein statistisches Intervall, innerhalb dessen ein bestimmter Anteil (Beta) der Population voraussichtlich liegt. Das Beta-Inhalt-Gamma-Konfidenztoleranzintervall hingegen ist ein Intervall, innerhalb dessen ein Beta-Anteil der Population liegt, mit dem Konfidenzniveau Gamma. Diese Intervalle werden in der Pharmaindustrie häufig verwendet. Beispielsweise wird in Überbrückungsstudien ein Beta-Inhalt-Gamma-Konfidenztoleranzintervall anhand von Daten berechnet, die mit einem Referenzprozess gewonnen wurden, und ein Beta-Erwartungstoleranzintervall anhand von Daten, die mit einem modifizierten Prozess gewonnen wurden. Ist der letztere im ersten enthalten, hat die Modifikation keine Auswirkungen auf den Prozess. Abhängig von den statistischen Modellen können Toleranzintervalle mit exakten Formeln, asymptotischen Näherungen oder mithilfe von Simulationen berechnet werden. Für lineare Modelle mit festen Effekten (z. B. feste ANOVA 1, lineare Regression) lassen sich Toleranzintervalle bereits problemlos in JMP mithilfe der Verteilungsplattform oder der Plattform für angepasste Modelle berechnen. Es wurden Formeln für Modelle mit einem Zufallsfaktor entwickelt und veröffentlicht. Wissenschaftler benötigen jedoch weiterhin die Hilfe von Statistikern, um diese zu berechnen, da diese Formeln in benutzerfreundlicher Software wie JMP nicht implementiert sind. Mit Unterstützung von Janssen wurde ein JMP-Add-In entwickelt und von Arlenda validiert, das die Berechnung von Toleranzintervallen für Modelle mit einem Zufallsfaktor, wie beispielsweise ein einfaktorielles zufälliges ANOVA-Modell, ermöglicht. Dieses Add-In hilft Wissenschaftlern, diese Toleranzintervalle selbst zu berechnen, während sich Statistiker auf andere komplexe Analysen konzentrieren können.
