Analisi Probit e Fit TestSto utilizzando il componente aggiuntivo dello script Simple Probit Analysis per determinare LD50, LD90 e LD95.
Questo script è in grado di correggersi con quello di Abbott o come lo si configura?Attualmente ho corretto personalmente i dati applicando la correzione di Abbott ai dati grezzi per adeguarli alla mortalità.
Dopo aver eseguito il componente aggiuntivo Probit, come posso determinare la bontà dell'adattamento?Non ci sono risultati Chi quadrato.Esiste un altro modo in cui posso eseguire questa analisi per ottenere i miei valori LD, oltre a ottenere il Chi quadrato?
Ri: Analisi Probit e Fit TestEscludere le risposte elevate lo è non accettabile da un punto di vista modellistico o statistico. Lo stai suggerendo tu escludere dati validi superare a difetto di base dello studio . (Capisco che non potevi prevedere la potenza di questo agente, ma ciò non elimina il difetto nei dati.) Sono necessari più dati, tra dose = 0 e dose = 1,64, non meno dati, per risolvere questo problema.
Escludere i campioni ad alte dosi potrebbe essere accettabile nella tua situazione, ma non potrei giustificarlo. Il fatto che tu (forse) ottenga un modello "migliore" in questo modo non è una convalida. Semplicemente non è possibile determinare la LD50 da questo campione di dati dose-risposta se non per dire che la LD50 si verifica tra 0 e 1,64.
Ri: Analisi Probit e Fit TestQuindi è accettabile a questo punto escludere le risposte elevate per ottenere un modello "adattato", che posso utilizzare per stimare una dose prevista o un intervallo di dosi da testare come follow-up? Non ci aspettavamo una risposta elevata alle dosi molto basse, motivo per cui non dispongo di dati intermedi. In questo momento, devo essere in grado di determinare una sorta di raccomandazione per questi agenti, che può essere seguita da uno studio secondario per confermare.Ri: Analisi Probit e Fit TestNon posso parlare delle discrepanze che citi, ma mettono in discussione i dati.
Il problema con l'adattamento è che i dati presentano il problema della "separazione". Ad un livello (dose = 0), si ha la risposta bassa e a tutti gli altri livelli (dose > 0), si ha la risposta alta. La transizione dalla risposta bassa a quella alta è impossibile da determinare. Prova a trovare LD50 da solo con questi dati e capirai il problema. (Si verifica a 0,1? A 0,5? A 1,5?)
È necessario eseguire un altro test dose-risposta in cui la dose varia da 0 a 1,64 per adattare il modello probit e stimare LD50.
Ri: Analisi Probit e Fit Test(Scusate, mi hanno tirato 1000 direzioni oggi. 
)
È un agente diverso. Ho testato un totale di 6 agenti diversi. Mi viene chiesto di dare consigli ogni 10 minuti, se possibile, e 15 minuti al massimo. Ho un paio di set di dati simili a questo, dove c'è una mortalità molto elevata a dosi superiori a 1,64 o 10%.
Perché il modello non funziona in queste situazioni con elevata mortalità alle dosi più elevate?
Penso che la maggior parte abbia a che fare con i dati, dato che ho avuto degli strani effetti su un paio di agenti. Ho avuto la situazione in cui una dose più bassa ha funzionato in modo più efficace di una dose più alta. Il modello non funziona neanche in quella situazione. Un paio a 100 erano meno efficaci delle dosi più basse a causa dell'evaporazione, ma i modelli funzionano bene se escludo quelle dosi.
In un altro set, tutti i miei controlli sperimentano 0 moralità (specie diverse rispetto al controllo precedente). Anche questi sembrano causare discrepanze.Ri: Analisi Probit e Fit TestNon hai risposto a nessuna delle mie domande.
Questo esempio deve essere un agente diverso dall'esempio testato a 15 minuti. Non ha senso che lo stesso agente sia molto più letale con soli cinque minuti di esposizione in più.
È necessario utilizzare un intervallo di diluizione/dose diverso (diluizione più alta, dose più bassa) per osservare la transizione. La dose più alta dovrebbe essere 1,64. Dovresti includere lo zero nel test e nell'analisi dei dati. Questi nuovi dati sono l'unico modo per adattare il modello probit per questo agente in questo momento.
Ri: Analisi Probit e Fit TestEcco uno dei set di dati in particolare con cui sto riscontrando problemi.Se nascondo/escludo gli 0, il modello si adatterà.
Ri: Analisi Probit e Fit Test- È un problema di dati?
- Hai valori anomali o errori nei dati?
- Hai escluso accidentalmente righe che dovrebbero essere incluse?
- E' un problema di modello?
- Stai utilizzando le colonne di risposta corrette?
- Si sta utilizzando la colonna del predittore corretta?
- È mancanza di adattamento?
- È un problema di ipotesi di modello?
- Gli errori sono distribuiti come previsto?
- Gli errori sono costanti sull'intero intervallo del predittore?
Ri: Analisi Probit e Fit TestCosa faccio se alcuni modelli non calzano bene? 
Ri: Analisi Probit e Fit TestGrazie!Sono rimasto inciampato quando hai detto di non includere il tasso di mortalità, quindi stavo ricontrollando se dovevo usare il conteggio delle morti o dei vivi come risposta.Spero di non avere più grossi problemi!
Apprezzo davvero l'aiuto!
Ri: Analisi Probit e Fit TestSi prega di leggere la mia risposta con un'analisi completa che termina con la domanda: "Quindi ora siamo d'accordo, no?" Ti mostra come impostare i tuoi dati in una tabella dati JMP. Mostra inoltre come assegnare le colonne di dati ai ruoli di analisi nella finestra di dialogo di avvio Adatta modello e modificare le altre impostazioni per una corretta analisi Probit. Non ho applicato alcuna trasformazione ai livelli di dose: non è necessario.
Ri: Analisi Probit e Fit TestAllora uso il numero di morti come risposta?Il mio "Inizio" è il numero di conteggi vivi che ho prima dell'applicazione del trattamento.La colonna dei 15 minuti riguarda i decessi.È corretto o devo utilizzare i conteggi in tempo reale come risposta?
Devo applicare LOG al menu a discesa Dose con Trasformazione oppure l'analisi va bene senza di essa?
Ri: Analisi Probit e Fit TestSì, includi il gruppo di controllo con dose = 0.
Inserisci entrambi i conteggi per ciascuna dose, quindi non utilizzi il tasso di mortalità e non applichi la correzione di Abbott.
È necessario eseguire un'analisi Probit separata per ciascun intervallo di tempo. Ho eseguito l'analisi Probit corretta per i dati dose-risposta raccolti già dopo 15 minuti (mostrata sopra - la risposta con l'analisi corretta termina con la mia domanda per te: "Quindi siamo d'accordo adesso, no?"). Fatemi sapere se avete domande.
Eseguire questa analisi per i dati raccolti dopo gli altri intervalli. Fammi sapere se hai difficoltà a ripetere questo lavoro.
Non dovresti aspettarti che le stime siano le stesse per ciascun gruppo (orario di ritiro). Dovresti eseguire l'analisi correttamente e non confrontare i risultati con quelli di altre varianti che non sono corrette.
Ri: Analisi Probit e Fit TestInoltre, devo includere i controlli/0? Che sarebbero quindi 5 dosi, 4 ripetizioni ciascuna.Ri: Analisi Probit e Fit TestNessun problema, per me è stata una bella esperienza formativa.
Ho 4 righe perché ho eseguito 4 repliche per ciascuna dose. Ho avuto 4 dosi, 4 ripetizioni ciascuna. Ho monitorato ciascun trattamento a intervalli di 1 minuto, 5 minuti, 10 minuti e 15 minuti.Ri: Analisi Probit e Fit TestMi scuso (anche se non è colpa mia) per le risposte che non sono state corrette. Non aiuta la confusione che già esiste.
Ho una domanda prima di concludere questa discussione: perché hai quattro osservazioni (righe) per ciascuna dose? Cosa rappresenta ciascuna riga?
Ancora, dimenticare Distribuzione della vita. I tuoi colleghi hanno ragione, hai bisogno di un'analisi probit. Sto lavorando ora per assicurarmi che la tabella dati sia impostata correttamente e che l'analisi sia definita correttamente in Fit Model per un'analisi probit. Voglio utilizzare il tuo precedente esempio di dati dopo aver spiegato perché ci sono quattro righe per ogni dose:
Ri: Analisi Probit e Fit TestL'avevo capito. Il componente aggiuntivo Probit necessita di dati in tempo reale e calcola autonomamente il conteggio dei morti. Generalize Linear prende il conteggio dei morti.
Quindi, se eseguo il GLM, includo le mie dosi controlli/0?Ri: Analisi Probit e Fit TestAbbiamo già stabilito che lo fai non Avere tutta la vita O tempo per l'evento dati. Hai un caso di dose-risposta dati. Hai raccolto osservazioni a 15 minuti, quindi il tempo è fisso. Voi contato il numero di decessi e il numero totale di soggetti ad ogni dose . Questo caso è gestito da GLM come ti ho mostrato. Si prega di ignorare l'esempio basato sulla durata della vita che utilizzava la distribuzione della vita. I metodi di analisi della sopravvivenza lo fanno non applicare qui. Dovresti utilizzare un'analisi Probit quando hai iniziato.
Ri: Analisi Probit e Fit Test
Ecco il confronto degli stessi dati nel probit add in rispetto al gen. probit lineare.Se ripristino la dose logaritmica prevista, non corrisponde agli stessi risultati nel modello lineare generale.
Ri: Analisi Probit e Fit TestNon sono sicuro che funzionerà. Sto ricevendo resistenza da parte degli altri intorno a me nel condurre l'analisi in questo modo. Vogliono il probit.
Ri: Analisi Probit e Fit Test
Ecco come l'ho configurato e i miei dati:
Ri: Analisi Probit e Fit Test
Quindi ho usato i miei dati grezzi e non modificati senza i miei controlli e ho ideato questo.
Lo interpreto come: LD90 per la dose al 100% è 4,33 minuti?Come posso determinare l'adattamento di questo dato che non esiste il Chi quadrato?(Mi viene chiesto di dimostrare la bontà dell'adattamento al modello che utilizzo.)
Considero la mortalità un “fallimento”?
Ri: Analisi Probit e Fit TestOk, penso di aver capito adesso. Avevo ragione all'inizio e lo è non un'analisi di sopravvivenza (durata della vita). Torniamo al mio esempio GLM ma ora utilizzerò i tuoi dati. Ecco i tuoi dati in una tabella dati JMP:
Imposta la finestra di dialogo di avvio Adatta modello come prima:
Clic Correre e quindi ottieni questi risultati:
Fare clic sul triangolo rosso accanto a Adattamento del modello lineare generalizzato e seleziona Previsione inversa . Tipo 0,5 (e tutti gli altri che desideri) per Probabilità (morto) e fare clic OK .
Quindi ora siamo d'accordo, no?
Ri: Analisi Probit e Fit TestIl tuo ultimo commento sui test dei tassi di mortalità col tempo cambia tutto, credo. Il mio esempio non è rilevante. Il mio esempio è un caso in cui viene assegnato un numero di campioni o soggetti (20). ogni livello del fattore (5). Ogni livello è un campione indipendente (5x20). Il numero totale di campioni o soggetti è la somma dei campioni a ciascun livello (100). Credo che si inizi con un numero fisso di soggetti (ad esempio 60 in totale), il livello di agente viene introdotto a un livello fisso e si monitora lo stesso gruppo (soggetti) nel tempo. SÌ?
Supponendo che io abbia ragione, allora vuoi usare misure ripetute In analisi di sopravvivenza .
I metodi e le piattaforme di JMP sono stati sviluppati per l'analisi dell'affidabilità, ma è la stessa cosa. Tieni solo presente che le parole e le etichette sono destinate agli ingegneri dell'affidabilità e non ai biologi, se capisci cosa intendo.
Imposta i tuoi dati in modo che appaiano come in questo esempio:
In questo esempio, ho un totale di 60 soggetti che seguo dall'inizio di un programma di 6 mesi. Ho bisogno di due colonne per rappresentare la risposta (vita) perché non sto monitorando i soggetti in modo continuo ma a intervalli mensili. Questo processo porta a censura degli intervalli . Non osservo la vita esatta ma osservo invece che avviene durante un intervallo.
- La prima riga rappresenta l'inizio del test. In questa simulazione, 2 soggetti sono morti all'inizio.
- La seconda riga rappresenta il numero di soggetti deceduti tra l'inizio e la fine del primo mese (3).
- La terza riga rappresenta il numero di soggetti deceduti nel secondo mese (3) e così via.
- L'ultima riga rappresenta il numero di soggetti che lo hanno fatto non morire entro la fine dello studio (20).
Ho aggiunto un'altra colonna, Stato, per indicare lo stato delle osservazioni ma non è necessaria per l'analisi. Eseguire l'analisi seguendo questi passaggi:
- Selezionare Analizzare > Affidabilità e sopravvivenza > Distribuzione della vita .
- Selezionare Inizio E Fine e fare clic Y, Tempo all'evento .
- Selezionare Contare e fare clic Freq .
La finestra di dialogo di avvio dovrebbe assomigliare a questa:
(Nota che il ruolo di analisi Censura è per i dati censurati giusti. Non è necessario quando vengono utilizzate due colonne di risposta per la censura dell'intervallo.)
Clic OK .
L'analisi iniziale si basa sulle stime non parametriche del probabilità di fallimento dal limite del prodotto di Kaplan-Meier. (Puoi fare clic sul triangolo rosso in alto per cambiarlo da una trama di fallimento a una trama di sopravvivenza.) Puoi utilizzare le caselle di controllo e i pulsanti di opzione sul lato sinistro per ridimensionare la trama E adattare un modello di distribuzione , rispettivamente, ai dati. Adattiamo una distribuzione normale. Controllo IL Normale casella di controllo e clic IL Normale pulsante di opzione:
Dopo aver selezionato un modello, utilizzare il profilo Statistiche per ottenere i risultati desiderati. Ad esempio, il tuo LD50 è disponibile qui come quantile corrispondente ad una probabilità di guasto = 0,5, quindi stimare LD50 con il Quantile Profiler:
Il LD50 in questo esempio è 3,688803 mesi (da 3,22981 mesi a 4,1478 mesi con una confidenza del 95%).
Ri: Analisi Probit e Fit TestEcco un esempio dei dati:
| Dose (% Conc.) | Inizia (#live) | Mortalità @ 15 min. (#morto) |
| 100,00 | 13 | 13 |
| 100,00 | 10 | 10 |
| 100,00 | 11 | 11 |
| 100,00 | 13 | 13 |
| 25.00 | 10 | 9 |
| 25.00 | 23 | 17 |
| 25.00 | 15 | 9 |
| 25.00 | 9 | 6 |
| 10.00 | 14 | 3 |
| 10.00 | 10 | 1 |
| 10.00 | 10 | 4 |
| 10.00 | 16 | 7 |
| 1.64 | 11 | 1 |
| 1.64 | 12 | 3 |
| 1.64 | 13 | 4 |
| 1.64 | 24 | 4 |
Sto cercando di ottenere risultati LD50/LD90/LD95 per raccomandazioni sul dosaggio. Ho queste informazioni per le applicazioni da 5, 10 e 15 minuti.
Questi sono i dati per il mio controllo:
| Dose (% Conc.) | Inizia (#live) | Mortalità (#morti) |
| 0 | 10 | 1 |
| 0 | 11 | 6 |
| 0 | 10 | 3 |
| 0 | 15 | 4 |
Ri: Analisi Probit e Fit TestSono confuso quanto te.
Avresti dovuto due conta per la tua risposta ogni livello del predittore: un conteggio è il numero che è morto e l'altro conteggio è il numero che avrebbe potuto morire. Avresti dovuto uno predittore. Di solito è concentrazione o concentrazione logaritmica. È vero? Oppure è ora? Stai cercando di stimare il tempo trascorso dall'LD50 a una concentrazione fissa?
Si prega di utilizzare il formato dati mostrato nell'esempio che ho condiviso e non tassi o proporzioni. I conteggi sono necessari per l'inferenza. Un tasso di 0,1 potrebbe risultare da un caso di 1/10 o da un caso di 100/1000. Il tasso è lo stesso in entrambi i casi ma la dimensione del campione è molto diversa.
Ancora una volta, se inserisci i dati come ho mostrato e imposti il GLM come ho mostrato, puoi dimenticare la correzione delle tariffe di Abbott. Dovresti inserire entrambi i conteggi per tempo=0.
Ri: Analisi Probit e Fit TestQuindi, se utilizzo l'analisi GLM, includo i miei 0/dati di controllo e i miei dati grezzi iniziali? E così facendo, è corretto modificare da "0" a "0,005" per la trasformazione del registro? Sto testando i tassi di mortalità in presenza di un agente in vari momenti.
Ri: Analisi Probit e Fit TestSi applica la correzione di Abbott tassi di mortalità (cioè proporzioni) per tenere conto di mortalità naturale in assenza dell'agente da testare. GLM sta modellando una distribuzione binomiale con un predittore lineare. Il modello GLM prevede un'intercetta a tale scopo (mortalità di base). Quindi non è necessario applicare questa correzione e così facendo, di fatto, si modificherà l’output. Quindi non farlo se stai utilizzando GLM per la tua analisi.
Ri: Analisi Probit e Fit TestHo allegato i modelli lineari sbagliati con i dati grezzi. Ecco quelli corretti:
Gen. Lin. Raw Data 1Gen. Lin. Raw Data 1 Il generale Lin. Dati grezzi 1
Gen. Lin. Raw Data 2Gen. Lin. Raw Data 2 gen. Lin. Dati grezzi 2
Ri: Analisi Probit e Fit Test
Abbott's Gen. Lin.pg 2Abbott's Gen. Lin.pg 2Gen. Lin di Abbott.pg 2
Abbott's Gen. Lin. pg 1Abbott's Gen. Lin. pg 1 Il generale Lin di Abbott. pagina 1
Abbott's ProbitAbbott's Probit Probit di Abbott
Raw Data with 0s Gen. Lin. 1Raw Data with 0s Gen. Lin. 1 Dati grezzi con 0 Gen. Lin. 1
Raw Data with 0s Gen. Lin.2Raw Data with 0s Gen. Lin.2 Dati grezzi con 0 Gen. Lin.2
Probit Raw Data with 0s 1Probit Raw Data with 0s 1 Probit Dati grezzi con 0 1
Probit Raw Data with 0s 2Probit Raw Data with 0s 2 Probit Dati grezzi con 0 2
Ecco i due diversi risultati che ottengo con i diversi set di dati. Se utilizzo gli 0 e i miei dati grezzi, sia il modello probit che il modello probit lineare generale sembrano corrispondere. Tuttavia, se correggo i miei dati con la correzione di Abbott e tralascio gli 0, i due modelli non corrispondono.
Ri: Analisi Probit e Fit TestVa bene,
Sembra che se includo i miei 0 (controllo per la mortalità) nel modello, sia il modello probit lineare generale che il componente aggiuntivo probit corrispondono alle raccomandazioni LD. Se utilizzo i dati corretti di Abbott, vi è una discrepanza tra i due.
Dovrei eseguire il modello con gli 0 e i dati grezzi (nessuna correzione di Abbott), o è più corretto regolare i dati grezzi con quelli di Abbott prima di inserirli nel probit ed escludere gli 0?
Ri: Analisi Probit e Fit TestQuesto esempio è tratto dal nostro corso di formazione, Software JMP: analisi delle risposte discrete .
Stiamo testando le guarnizioni per verificare eventuali guasti a livelli di pressione crescenti. Ecco la tabella dati con il layout preferito:
Nota che lo facciamo non immettere il tasso di fallimento (Non riuscito/Testato) per la risposta.
Selezionare Analizzare > Modello adatto . Selezionare Pressione e fare clic Aggiungere . Selezionare Fallito e fare clic Y . Selezionare Totale e fare clic Y . (Nota che (1) è necessario inserire una colonna con il conteggio degli obiettivi e un'altra colonna con il conteggio delle opportunità e (2) deve essere inserita esattamente in quest'ordine.) Fare clic su Minimi quadrati standard e seleziona Modello lineare generalizzato . Selezionare Binomiale per il modello distributivo. Selezionare Probit per la funzione Collegamento. La finestra di dialogo di avvio dovrebbe essere simile a:
Clic Correre .
Di seguito è possibile visualizzare la risposta non lineare e la diagnostica della regressione:
Ri: Analisi Probit e Fit TestNo.
Ho tentato di eseguire il modello in Lineare generalizzato con Probit, tuttavia, i miei valori LD non corrispondono a ciò che mi fornisce il componente aggiuntivo Probit, quindi non sono sicuro di cosa stia succedendo. Ho letto i modelli Fitting Linear, ma ciò su cui sto cercando di eseguire l'analisi non è lineare, cosa con cui onestamente non ho alcuna esperienza in JMP.
Ri: Analisi Probit e Fit TestHai contattato l'autore del componente aggiuntivo o hai letto prima la descrizione e le istruzioni?
JMP dispone di diverse piattaforme integrate in grado di stimare tali quantità e fornire statistiche sulla bontà di adattamento. Questi contatti dovrebbero aiutarti a iniziare.
- Adatta curva può adattarsi a funzioni non lineari comuni.
- Non lineare è più generale e può adattarsi a modelli personalizzati.
- Modelli lineari generalizzati può eseguire un'analisi probit.
Hai cercato probit ancora dentro Aiuto O Aiuto > Libri > Adattamento di modelli lineari ?
