Kemény Sándor Doktoráns Konferencia 2007.

Slides:



Advertisements
Hasonló előadás
4. előadás Összehasonlítás standardizálással és indexszámítással.
Advertisements

MAGYAR SZABVÁNYÜGYI TESTÜLET
Hipotézis-ellenőrzés (Statisztikai próbák)
I. előadás.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Egy faktor szerinti ANOVA
Összetett kísérleti tervek és kiértékelésük
Összetett kísérleti tervek és kiértékelésük: Háromszempontos variancia analízis modellek.
Kontrollkártyák a gyógyszeriparban
Csoportosítás megadása: Δx – csoport szélesség
Lineáris és nemlineáris regressziók, logisztikus regresszió
Hálózati Biológia A sejt funkcionális működésének megértése.
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Minőségirányítás a felsőoktatásban
1 A magyar gazdaság helyzete, perspektívái 2008 tavaszán Dr. Papanek Gábor Előadás Egerben május 7.-én.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
III. előadás.
A középérték mérőszámai
A földhasználat és a területi versenyképesség főbb közgazdasági összefüggései Előadó: Kollár Kitti doktorjelölt, tanszéki mérnök Komárno november.
Varianciaanalízis 12. gyakorlat.
Statisztikai alapok Egy kis matematika nem csak fizikához…
Microsoft Excel Függvények VIII.
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet,
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Kvantitatív módszerek
Az Alakfelismerés és gépi tanulás ELEMEI
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.
Térkép. Mi az adat? Minden információ, amit tárolni kell. Minden információ, amit tárolni kell.  szám  szöveg  dátum  hang  kép, stb.
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Az F-próba szignifikáns
A hiba-előjel alapú FxLMS algoritmus analízise Orosz György Konzulensek: Péceli Gábor, Sujbert László Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
III. A termelés és értékesítés alakulásának elemzése
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
OECD GUIDELINE FOR THE TESTING OF CHEMICALS Soil Microorganisms: Carbon Transformation Test OECD ÚTMUTATÓ VEGYI ANYAGOK TESZTELÉSÉRE Talaj Mikroorganizmusok:
Gazdaságstatisztika 19. előadás Hipotézisvizsgálatok
Méréstechnika.
Többtényezős ANOVA.
t A kétoldalú statisztikai próba alapfogalmai
A MÉRÉSI HIBA TERJEDÉSE
Hipotézisvizsgálat v az adatforrás működési “mechanizmusát” egy véletlen eloszlás jellemzi v az adatok ismeretében megfogalmazódnak bizonyos hipotézisek.
Paleobiológiai módszerek és modellek 4. hét
Többszempontos ANOVA (I
I. előadás.
Statisztikai alapfogalmak
Vargha András KRE és ELTE, Pszichológiai Intézet
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Az eredő szakasz GE(s) átmeneti függvénye alapján
Bevezetés a méréskiértékelésbe (BMETE80ME19)

Az egyhurkos szabályozási kör statikus jellemzői
Információs társadalom Elektronikus napló. Bevezetés Az elektronikus napló Az elektronikus napló lehetővé teszi az iskola mindennapjai során felmerülő.
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.
Szitálás. A művelet jellege: mechanikai művelet A művelet célja: * frakcionálás (művelet eredményének ellenőrzése, a művelet szabályozása) * szemcseméret.
1 Statisztikai folyamatszabályozás D R. TÓTH ZSUZSANNA ESZTER M ENEDZSMENT ÉS VÁLLALATGAZDASÁGTAN TANSZÉK ÜZLETI TUDOMÁNYOK INTÉZET GAZDASÁG - ÉS TÁRSADALOMTUDOMÁNYI.
A számítógépes elemzés alapjai
A MINISZTERELNÖKSÉG ELLENŐRZÉSI TAPASZTALATAI MÁTÉ GERGŐ (KFF)
Becsléselmélet - Konzultáció
Kereszt vagy beágyazott? Rögzített vagy véletlen?
Dr. Varga Beatrix egyetemi docens
A évi kompetenciamérés FIT-jelentéseinek új elemei
2. A Student-eloszlás Kemometria 2016/ A Student-eloszlás
1.3. Hipotézisvizsgálat, statisztikai próbák
3. Varianciaanalízis (ANOVA)
Előadás másolata:

Kemény Sándor Doktoráns Konferencia 2007. Gyógyszerkészítmények átlagos és egyedi hatóanyag-tartalmának statisztikai vizsgálata Bánfai Balázs Ganzler Katalin Kemény Sándor Doktoráns Konferencia 2007.

Bevezetés Két fontos hatóanyag-tartalmi vizsgálat: átlagos hatóanyag-tartalom (assay): sarzs átlagos tartalma mennyire esik közel a névlegeshez egyedi hatóanyag-tartalom (content uniformity): egyes tabletták közötti különbség  sarzs inhomogenitása

Átlagos hatóanyag-tartalom Vizsgálatok kivitelezése: átlagos hatóanyag-tartalom: több tablettát homogenizálva mérik hány tabletta? hány analízis? Előírások: az átlag a névleges értéktől ±5%-al térhet el

Egyedi hatóanyag-tartalom Vizsgálatok kivitelezése: egyedi hatóanyag-tartalom: általában 10 tablettát mérnek, az egyes tablettákat külön-külön Előírások (Ph.Eur. 5.2, USP 30): a névleges hatóanyag-tartalom 85-115%-os tartományában legyen a tabletták nagy része a toleranciaintervallumra épül acceptance value (AV) számítása:

Problémák a) az egyedi és átlagos hatóanyagtartalom-vizsgálat eredményei nincsenek összhangban az egyedi hatóanyag-tartalom is tartalmaz megkötést az átlagra még elfogadható, ha a szórás kicsi, de az átlag nagyon eltolódik ha az átlag eltolódása a névleges értéktől kicsi, akkor nagy inhomogenitás is elfogadhatóvá válik

Problémák a) az egyedi és átlagos hatóanyagtartalom-vizsgálat eredményei nincsenek összhangban az egyedi hatóanyag-tartalom is tartalmaz megkötést az átlagra még elfogadható, ha a szórás kicsi, de az átlag nagyon eltolódik ha az átlag eltolódása a névleges értéktől kicsi, akkor nagy inhomogenitás is elfogadhatóvá válik

Problémák a) az egyedi és átlagos hatóanyagtartalom-vizsgálat eredményei nincsenek összhangban az egyedi hatóanyag-tartalom is tartalmaz megkötést az átlagra még elfogadható, ha a szórás kicsi, de az átlag nagyon eltolódik ha az átlag eltolódása a névleges értéktől kicsi, akkor nagy inhomogenitás is elfogadhatóvá válik

Problémák b) az egyedi hatóanyag-tartalom vizsgálatánál nem választják el a ingadozásforrásokat a szórás két forrásból ered (inhomogenitás, analitikai hiba) extrém esetben az analitikai módszer hibája miatt utasítjuk el a tétel homogenitását c) k együttható értéke nem megfelelő (túl kicsi), még az egyszerűsített modellben is

Toleranciaintervallumok A hagyományos toleranciaintervallum csak egy ingadozásforrást tartalmaz A két ingadozásforrás az egy véletlen faktor szerinti varianciaanalízis-modellel kezelhető: Az együtthatók kiszámítása bonyolult, számításigényes

Számítások eredménye Pl.: egyedi hatóanyag-tartalom mérés szórása 3% intervallum szélessége: hatályos szabályozás: ±7.2% korrekt modell (ANOVA): ±13.3 (anal=0) és ± 7.0% (anal=2.5%) között megengedett eltolódás a névleges értéktől: hatályos szabályozás: 7.8%. korrekt modell (ANOVA): 1.7% (anal=0) és 8.0% (anal=2.5%) között

Számítások eredménye Az átlagos és egyedi hatóanyag-tartalom vizsgálata nem független egymástól A jelenlegi szabályozás az átlagra nézve megfelelően szigorú, de az egyedi hatóanyagtartalom-vizsgálat nagy inhomogenitást enged meg

Megoldási javaslatok (a) Holisztikus megközelítés (b) Ortogonális jellemzők (c) Taguchi-féle négyzetes veszteségfüggvény

Megoldási javaslatok (a) Holisztikus megközelítés: a toleranciaintervallumra alapuló összevont index jellemzi a terméket tartalmazza az átlag eltolódását és a szórást is, az átlagos tartalom külön vizsgálata felesleges a toleranciaintervallumok számítása statisztikailag megalapozott módszerrel történjék

Megoldási javaslatok (b) Ortogonális jellemzők: az átlagos hatóanyag-tartalom és az inhomogenitás külön vizsgálata, külön kritériummal a fejlesztésnél előnyös lehet, látható, hogy hol a hiba

Megoldási javaslatok (c) Taguchi-féle négyzetes veszteségfüggvény: a holisztikus megközelítéshez hasonlóan egy indexszel jellemezzük a terméket

Eredmények A megfelelő terméket mindegyik módszerrel elfogadjuk A meglehetősen rossz tulajdonságokkal rendelkező terméket a jelenlegi szabályozással elfogadjuk, a módosított előírások mindegyikével megfelelő döntést hozunk (elutasítjuk) A két határeset között levő terméknél különböző döntést hozhatunk a javasolt megoldásokkal: a holisztikus módszer a legszigorúbb (ez statisztikailag indokolt), a másik két módszer megengedőbb

Összefoglalás A hatályos szabályozás nem kellően megalapozott Az átlagos és egyedi hatóanyag-tartalom mérések és kritériumok nem függetlenek, a követelmények kialakításánál ezt figyelembe kellene venni A toleranciaintervallumok számításánál a statisztikailag korrekt (egy véletlen faktor szerinti ANOVA) eljárás használata indokolt (nagy számításigény, de táblázatos formában használható)

Köszönöm a figyelmet!