63373_fr-FR

liliconcom

analyse probit - test d'ajustement (régression) et répétitions

J'essaie de déterminer l'ec50 (concentration à laquelle il y a 50% de croissance fongique radiale par rapport au contrôle) de certains fongicides que j'ai essayés in vitro (dans des boîtes de Pétri) par rapport à différents isolats. J'ai testé les mêmes 9 isolats différents avec différents fongicides en tant que croissance radiale du mycélium. Pour chaque fongicide, il y a 5, 6 ou 7 (selon le fongicide) concentrations testées et 3 répétitions pour chaque concentration. Pour chaque fongicide, toutes les boîtes de Pétri ont été mesurées le même jour.

La distribution probit - binomiale semble bien s'adapter aux données, du moins dans la plupart des cas.

Mes problèmes sont de savoir comment inclure des répétitions dans l'analyse et comment déterminer l'erreur standard.

Ci-joint des captures d'écran des données.

datadatadonnéesfit modelfit model modèle adaptéregression plotregression plot graphique de régressionec 50ec 50 50 EC

Re : analyse probit - test d'ajustement (régression) et répétitions

J'ai donc configuré l'analyse comme dans la figure ci-dessus (script rapide ci-dessous pour le configurer)

Fit Model(
 Y( :inhibition, :N ),
 By( :isolate ),
 Effects( :log ppm, :Replicate, :Replicate * :log ppm ),
 Personality( "Generalized Linear Model" ),
 GLM Distribution( "Binomial" ),
 Link Function( "Logit" ),
 Overdispersion Tests and Intervals( 0 ),
 Name( "Firth Bias-Adjusted Estimates" )(0),
 Run
)

Maintenez enfoncée la touche contrôle (touche de commande sous OSx) et tout en maintenant enfoncée cliquez sur le triangle rouge de niveau le plus élevé, dans le menu sélectionnez Prédiction inverse. Ensuite, pour chaque boîte de dialogue qui apparaît, entrez 0,5 pour la probabilité de prédire. Cela prend un certain temps car vous serez invité pour chaque niveau d'isolement.   

Une fois cela fait, faites un clic droit sur l'une des tables de prédiction inverse pour l'un des isolats et sélectionnez Créer une table de données combinées. Ce tableau est celui que j'ai fait la manipulation dans l'exemple ci-dessus afin que je puisse représenter graphiquement et analyser.

Objet : analyse probit - test d'ajustement (régression) et répétitions

J'ai utilisé l'option d'intervalle de prédiction inverse sous le triangle rouge après avoir ajusté le modèle, pour obtenir les points d'inflexion/ec50

Objet : analyse probit - test d'ajustement (régression) et répétitions

Merci. Pourriez-vous me dire comment vous avez calculé les moyennes ? Les avez-vous exportés vers un tableau et à partir de là, avez-vous préparé le graphique ? Je n'arrive pas à comprendre. Merci d'avance.

Objet : analyse probit - test d'ajustement (régression) et répétitions

Dans ce cas, le groupe de répliques sont ensemble. Ce n'est pas une mauvaise façon de procéder, car il correspond essentiellement à la moyenne des répliques, ce qui se traduit par un meilleur ajustement au modèle de réponse. Gardez à l'esprit que les répétitions ne sont pas des observations indépendantes (elles dépendent de l'unité expérimentale) et JMP suppose que chaque ligne est une observation indépendante. Si les données étaient empilées (une colonne pour chaque réplique et une ligne pour chaque isolat)

Vous pouvez également essayer d'ajuster chaque réplique séparément pour chaque isolat. comme ça:

Notez simplement que vous devez ajouter manuellement chaque prédiction inverse pour chaque isolat. (Remarque : super fastidieux, alors envoyez une suggestion de fonctionnalité à l'assistance sur jmp point com) Maintenez la touche CTRL enfoncée lorsque vous choisissez l'option de prédiction inverse, puis la boîte de dialogue de calcul de la probabilité de 0,5 s'affichera pour chaque isolat.

Dans ce cas, l'ajustement pour chaque répétition par isolat sera calculé. L'erreur n'est pas regroupée pour les répliques. Cela revient à faire un modèle mixte avec des estimations indépendantes de sigma.

 

Dans la figure ci-dessous, le niveau "moyen" est l'ajustement comme vous l'avez fait dans votre message, avec toutes les répliques ensemble. Notez la différence dans les intervalles de confiance.

remarque : JMP 14 a le rôle d'intervalle, donc c'est facile à faire.

 

Donc, le problème à traiter est que si le tableau est au format grand comme le fichier qui a été publié, les répliques dans les lignes sont traitées comme s'il s'agissait d'observations indépendantes. Je vais faire une hypothèse sûre qu'ils ne sont pas indépendants. Les répétitions dépendent de l'unité expérimentale. Alors, voici comment travailler avec cela. et sont Une autre approche consiste à diviser le tableau comme ceci :

current Datatable() << Split(
Split By( :Replicate ),
Split( :inhibition ),
Group( :isolate, :ppm ),
Sort by Column Property
);

Vous ne savez pas quelle est la meilleure solution pour traiter les répliques, soit la moyenne, soit la moyenne géométrique ?

Mais dans tous les cas, il est facile de voir que les intervalles de confiance pour la moyenne forcée (tableau au format grand avec des répliques indépendantes) sont beaucoup plus étroits que l'intervalle des moyennes du tableau fractionné. En effet, les degrés de liberté sont gonflés en traitant les répliques comme étant indépendantes.

Les données de ce graphique proviennent des CE50 des données ajustées de différentes manières, ce n'est pas un graphique de rapport par défaut.