レベル：初級
【発表者】
Laura Higgins, JMP Global Technical Enablement Engineer, JMP, SAS Institute Inc.
【発表概要】
JMP 16の「実験計画」プラットフォームには、検出限界を列プロパティに組み込む新機能があり、JMP Proの「一般化回帰」によるモデリング中に自動的に適用されます。これらの新機能のデモを行い、検出限界がデータ分析に与える影響について説明します。
ごく少量の物質を探す場合、使用している技術によっては限界があります。物質が存在していても検出されないことを検出下限と言いますが、感染症の始まりを特定したり、少量の不純物を正しく識別したりするなど重要な場面で少量の物質を検出する際に、非常に重要な意味を持ちます。
データ分析において検出限界を無視すると、平均値や信頼区間などの基本的な統計に偏りが生じ、誤解を招くなどの深刻な影響があります。また、検出限界に関する誤った仮定のもとでデータモデリングを行うと、誤ったモデルになってしまいます。そして、この検出限界は、医薬品や化学薬品の製造、分析化学、診断テストの設計などの産業用途に影響を与えます。
※このサイトでビデオを再生して画面右下の「CC」をクリックして「English」を選びますと英語の字幕が表示されます。
本発表の発表資料やデータのダウンロードや、日本語トランスクリプトと共に視聴されたい方は、こちらをクリックしてください。
Discovery Summit Americas 2021 Presentationの各発表のページに移動します。
（SAS Profileへのログインを求められますので予めご了承ください。）