Niveau: Mittelstufe
Chris Gotwalt, JMP-Direktor für statistische Forschung und Entwicklung, SAS
Philip Ramsey, Hauptdozent an der University of New Hampshire und Eigentümer der North Haven Group
Statistische Modellierung verfolgt zwei Ziele: Erklärung und Vorhersage. Erklärende Modelle liefern oft schlechte Vorhersagen (Shmueli, 2010). Analysen geplanter Experimente (DOE) sind oft erklärend, doch das experimentelle Ziel ist die Vorhersage. DOE ist eine bewährte Methode für die Produkt- und Prozessentwicklung, um zukünftige Leistungen vorherzusagen. Prädiktive Modellierung erfordert die Partitionierung der Daten in Trainings- und Validierungsdatensätze, wobei der Validierungsdatensatz zur Bewertung prädiktiver Modelle verwendet wird. Die meisten DOEs verfügen über nicht genügend Beobachtungen, um einen Validierungsdatensatz zu bilden, was eine direkte Bewertung der Vorhersageleistung ausschließt. Wir demonstrieren eine Technik der „balancierten Autovalidierung“, die zwei Kopien der Originaldaten verwendet: einen Trainingsdatensatz und einen Validierungsdatensatz. Die Datensätze unterscheiden sich in der Zeilengewichtung. Die Gewichte sind Dirichlet-verteilt und „balanciert“; Beobachtungen, die stärker zu den Trainingsdaten beitragen, tragen weniger zum Validierungsdatensatz bei (und umgekehrt). Der Ansatz erfordert lediglich das Kopieren der Daten und das Erstellen einer Formelspalte für die Gewichte. Die Technik ist allgemein anwendbar und ermöglicht die Anwendung prädiktiver Modellierungstechniken auf kleinere Datensätze, wie sie in Labor- und Fertigungsstudien üblich sind. Zur Demonstration werden zwei Fallstudien zur Prozessentwicklung in der Biopharmazie verwendet. Beide Fälle umfassen umfangreiche Validierungssätze in Kombination mit umfassenden Screening-Designs. JMP wird zur Demonstration der Analysen verwendet.
