ブートストラッピング手法を用いた計画実験のモデル検証戦略とバイオ医薬品への応用（US 2018 218）レベル: 中級
クリス・ゴットウォルト、SAS JMP 統計研究開発ディレクター
フィリップ・ラムジー、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
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。説明モデルは往々にして予測精度が低くなります (Shmueli, 2010)。計画的実験分析 (DOE) は多くの場合説明的ですが、実験目標は予測です。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における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します。ほとんどの DOE では、検証セットを形成するのに十分な観測値がなく、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 (トレーニング セットと検証セット) を作成する「バランス自動検証」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に従って「バランスが取れている」ため、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への寄与が少なくなります (逆もまた同様)。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。この手法は汎用性が高く、研究室や製造工程で一般的に用い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。バイオ医薬品プロセス開発における2つのケーススタディを用いて実証します。どちらのケースも、大規模なバリデーションセットと決定的スクリーニング設計を組み合わせています。JMPを用いて分析を実証します。
