Der R-Datenrahmen

Verifizierung und Validierung (V&V) sind zwei unterschiedliche Prozesse. Die Verifizierung stellt sicher, dass ein Produkt die spezifizierten Anforderungen erfüllt ("Bauen Sie es richtig?"). Die Validierung stellt sicher, dass das Produkt den tatsächlichen Bedürfnissen und der beabsichtigten Verwendung des Benutzers entspricht ("Bauen Sie das richtige Produkt?"). Es handelt sich um sich ergänzende Aktivitäten im Rahmen des Qualitätsmanagements, die oft nacheinander oder parallel durchgeführt werden, um sowohl die Korrektheit als auch die Nützlichkeit zu gewährleisten.

Die Wiederholbarkeitsgrenze, [latex]r[/latex], ist ein kritischer Wert, der von der Wiederholbarkeitsstandardabweichung ([latex]s_r[/latex]) abgeleitet ist. Sie stellt die maximal zu erwartende absolute Differenz zwischen zwei einzelnen Prüfergebnissen dar, die unter Wiederholbarkeitsbedingungen mit einer Wahrscheinlichkeit von 95% erzielt werden. Sie wird üblicherweise berechnet als [latex]r = 2,8 \mal s_r[/latex]. Wenn die Differenz [latex]r[/latex] übersteigt, gelten die Ergebnisse als verdächtig.

Die Finite-Volumen-Methode (FVM) ist ein gängiges numerisches Verfahren in der CFD zur Lösung partieller Differentialgleichungen. Dabei wird der Definitionsbereich in ein Netz von Kontrollvolumina diskretisiert und die zugrundeliegenden Gleichungen in ihrer Integralform auf jedes Volumen angewendet. Durch die Umwandlung von Volumenintegralen in Oberflächenintegrale mithilfe des Divergenztheorems konzentriert sich die Methode auf die Berechnung des Flusses konservierter Eigenschaften über Zellflächen.

Unter formaler Verifikation versteht man den Einsatz mathematischer Methoden, um die Korrektheit des Entwurfs eines Systems in Bezug auf eine formale Spezifikation zu beweisen oder zu widerlegen. Im Gegensatz zum Testen, das nur das Vorhandensein von Fehlern für bestimmte Eingaben nachweisen kann, kann die formale Verifikation das Fehlen von Fehlern für alle möglichen Eingaben beweisen. Sie umfasst die Erstellung eines formalen Modells des Systems und die Anwendung von Techniken wie Model Checking oder Theorem Proving.

Signal detection is the process of identifying potential causal relationships between a drug and an adverse event from large datasets, typically spontaneous reporting systems. It uses statistical methods, known as disproportionality analysis, to find drug-event combinations reported more frequently than expected. A common measure is the Reporting Odds Ratio (ROR), a value greater than one suggesting a potential signal that requires further investigation.