使用 Bootstrapping 技術設計實驗的模型驗證策略及其在生物製藥中的應用 (EU2018 201)級別：中級
Philip Ramsey，新罕布什爾大學首席講師；諾斯黑文集團所有者
Chris Gotwalt，SAS JMP 統計研究與開發總監
統計建模有兩個不同的目標：解釋和預測。 解釋性模型的預測效果通常很差（Shmueli，2010）。 設計實驗 (DOE) 的分析通常是解釋性的，但實驗目標是預測。 DOE 是產品和工藝開發的一種最佳實踐，可以預測未來的性能。 預測建模需要將數據劃分為訓練集和驗證集，其中驗證集用於評估預測模型。 大多數能源部沒有足夠的觀察結果來形成驗證集，從而無法直接評估預測性能。 我們演示了一種“平衡自動驗證”技術，使用原始數據創建該數據的兩個副本，一個是訓練集，另一個是驗證集。 這些集合的行權重不同。 權重是狄利克雷分佈且“平衡”的；對訓練數據貢獻較大的觀察結果對驗證集的貢獻較小（反之亦然）。 該方法只需要復制數據並創建權重公式列。 該技術是通用的，允許將預測建模技術應用於實驗室和製造研究中常見的較小數據集。 使用兩個生物製藥工藝開發案例研究進行演示。 這兩種情況都有大量的驗證集和明確的篩選設計相結合。 JMP 用於演示分析。
預測建模回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用對於那些努力解決小樣本問題的醫學研究人員來說，這項技術似乎改變了遊戲規則。我可以參考同行評審期刊上發表的文章的引用嗎？非常感謝這份禮物。
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用是的，不要忽視功能數據瀏覽器。 實際上，在 14.2 中，FDA（每一個雙關語都是有意的）和自動驗證可能會很好地協同工作，因為人們可以直接連接功能 PC 和實驗因素。
非常高興您發現自動驗證有用且有趣。
菲爾
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用謝謝菲爾，
我對它非常感興趣——它分散了我嘗試功能數據瀏覽器的注意力——我下一步想嘗試一下。 運行模型模擬需要花費大量時間 - 但我認為對於我正在做的事情並幫助我們確定進一步實驗的重要因素來說這是非常值得的！
謝謝你！
帕蒂
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用嗨帕蒂，
很高興聽到您對自動驗證方法很感興趣。 該方法非常通用，可以輕鬆應用於觀測或 DOE 數據，我鼓勵您嘗試。 無論是觀察法還是實驗設計法，該方法的執行方式都完全相同。 我還將其應用於小型觀測數據集，並在發現哪些效應最重要方面獲得了非常有用的結果。
菲爾拉姆齊
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用謝謝 Phil 和 Chris - 這對我的 DOE 數據來說很有趣。 有什麼理由不對 DOE 數據加上歷史數據執行此操作？ 樣本集仍然很小，如果在 DOE 平台中進行分析，將無法做出良好的設計 - 我可以復制我擁有的數據集並遵循所有步驟嗎？或者有什麼理由不這樣做 - 謝謝帕蒂
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用謝謝菲爾。 我現在已經下載了 JMP14，現在包含了零比例選項:)
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用你好，
是的，簡單的解決方案是使用 NZero 函數（次數為 0）
然後你可以計算零或非零的比例。如果你看
在案例研究中，你會看到我使用 NZero 函數
創建各種加權方案。
菲爾拉姆齊
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用這是一個非常有趣的演示。 感謝您分享文件。 我正在嘗試在我的一個 DOE 上重現這一點。
然而我被幻燈片的第 10 步卡住了：計算非零比例。 該選項對我不可用（見下圖）？ 有誰知道為什麼會出現這種情況？ 我正在使用 JMP Pro 14EA。
我通過使用 N Zero 並進行額外計算以獲得非零比例來解決這個問題。 效果很好謝謝！！
