Análisis Probit y pruebas de ajusteEstoy usando el complemento de secuencia de comandos Simple Probit Analysis para determinar LD50, LD90 y LD95.
¿Este script es capaz de corregirse con el de Abbott o cómo se configura?Actualmente, yo mismo corregí los datos aplicando la corrección de Abbott a los datos sin procesar para ajustarlos según la mortalidad.
Después de ejecutar el complemento Probit, ¿cómo determino la bondad de ajuste?No hay resultados de Chi cuadrado.¿Existe otra forma de ejecutar este análisis para obtener mis valores de LD, además de obtener el Chi cuadrado?
Re: Análisis Probit y pruebas de ajusteExcluir las respuestas altas es no aceptable desde el punto de vista de modelización o estadística. Estás sugiriendo que excluir datos válidos para superar un defecto básico con el estudio . (Entiendo que no se pudo prever la potencia de este agente, pero eso no elimina el error en los datos). Se necesitan más datos, entre dosis = 0 y dosis = 1,64, no menos datos, para resolver este problema.
Excluir las muestras de dosis altas podría ser aceptable en su situación, pero no podría justificarlo. El hecho de que (posiblemente) obtenga un modelo "mejor" de esta manera no es una validación. Simplemente no se puede determinar la LD50 a partir de esta muestra de datos dosis-respuesta, excepto decir que la LD50 se produce entre 0 y 1,64.
Re: Análisis Probit y pruebas de ajusteEntonces, ¿es aceptable en este punto excluir las respuestas altas para obtener un modelo "ajustado", que pueda usar para estimar una dosis prevista o un rango de dosis para probar como seguimiento? No esperábamos una respuesta alta con dosis muy bajas, por lo que no tengo datos intermedios. En este momento, necesito poder determinar alguna recomendación para estos agentes, a la que pueda seguir un estudio secundario para confirmarlo.Re: Análisis Probit y pruebas de ajusteNo puedo hablar de las discrepancias que usted cita, pero ponen en duda los datos.
El problema con el ajuste es que los datos presentan el problema de "separación". En un nivel (dosis = 0), se tiene la respuesta baja y en todos los demás niveles (dosis > 0), se tiene la respuesta alta. La transición de una respuesta baja a una alta es imposible de determinar. Intente encontrar el LD50 usted mismo con estos datos y comprenderá el problema. (¿Ocurre en 0,1? ¿A 0,5? ¿A 1,5?)
Debe realizar otra prueba de dosis-respuesta donde la dosis oscila entre 0 y 1,64 para poder ajustarse al modelo probit y estimar la LD50.
Re: Análisis Probit y pruebas de ajuste(Lo siento, hoy me están llevando en 1000 direcciones. 
)
Es un agente diferente. Probé un total de 6 agentes diferentes. Me piden que dé recomendaciones en 10 minutos si es posible y en 15 minutos como máximo. Tengo un par de conjuntos de datos similares a este, donde hay una mortalidad muy alta con dosis superiores a 1,64 o 10%.
¿Por qué el modelo no funciona en estas situaciones con alta mortalidad con dosis más altas?
Creo que la mayor parte tiene que ver con los datos, ya que tuve algunos efectos extraños en un par de agentes. He tenido la situación en la que una dosis más baja funcionó más eficazmente que una dosis más alta. El modelo tampoco funciona en esa situación. Un par de 100 fueron menos efectivos que dosis más bajas debido a la evaporación, pero los modelos funcionan bien si excluyo esas dosis.
En otro conjunto, todos mis controles experimentan 0 moralidades (especies diferentes a las del control anterior). Estos también parecen estar causando discrepancias.Re: Análisis Probit y pruebas de ajusteNo respondiste ninguna de mis preguntas.
Este ejemplo debe ser un agente diferente al ejemplo que probó a los 15 minutos. No tiene sentido que el mismo agente sea mucho más letal con sólo cinco minutos más de exposición.
Debe utilizar un rango de dilución/dosis diferente (dilución más alta, dosis más baja) para observar la transición. La dosis más alta debe ser 1,64. Debes incluir el cero en la prueba y en el análisis de datos. Estos nuevos datos son la única forma de ajustar el modelo probit para este agente en este momento.
Re: Análisis Probit y pruebas de ajusteEste es uno de los conjuntos de datos en particular con el que tengo problemas.Si oculto/excluyo los 0, el modelo encajará.
Re: Análisis Probit y pruebas de ajuste- ¿Es un problema de datos?
- ¿Tiene valores atípicos o errores de datos?
- ¿Excluyó accidentalmente filas que deberían incluirse?
- ¿Es un problema de modelo?
- ¿Estás utilizando las columnas de respuesta correctas?
- ¿Está utilizando la columna predictora correcta?
- ¿Es falta de ajuste?
- ¿Es un problema de suposición de modelo?
- ¿Los errores se distribuyen como se esperaba?
- ¿Los errores son constantes en todo el rango del predictor?
Re: Análisis Probit y pruebas de ajuste¿Qué hago cuando alguno de los modelos no me queda bien? 
Re: Análisis Probit y pruebas de ajuste¡Gracias!Me equivoqué cuando dijiste que no incluyera la tasa de mortalidad, así que estaba verificando dos veces si se suponía que debía usar muertes o recuentos de vidas como respuesta.¡Ojalá no tenga más problemas importantes!
¡Realmente aprecio la ayuda!
Re: Análisis Probit y pruebas de ajusteVea mi respuesta con un análisis completo que termina con la pregunta: "Entonces ahora estamos de acuerdo, ¿no?". Le muestra cómo configurar sus datos en una tabla de datos JMP. También le muestra cómo asignar las columnas de datos a las funciones de análisis en el cuadro de diálogo de inicio Ajustar modelo y cambiar las otras configuraciones para un análisis Probit adecuado. No apliqué ninguna transformación a los niveles de dosis; es innecesario.
Re: Análisis Probit y pruebas de ajuste¿Utilizo entonces el número de muertes como respuesta?Mi "Inicio" es cuántos recuentos vivos tengo antes de que se aplique el tratamiento.La columna de 15 minutos son muertes.¿Es esto correcto o necesito usar recuentos en vivo como respuesta?
¿Necesito aplicar LOG a la Dosis con el menú desplegable Transformar, o este análisis está bien sin él?
Re: Análisis Probit y pruebas de ajusteSí, incluyes el grupo control con dosis = 0.
Ingresa ambos recuentos para cada dosis, por lo que no utiliza la tasa de mortalidad y no aplica la corrección de Abbott.
Debe realizar un análisis Probit por separado para cada intervalo de tiempo. Realicé el análisis Probit correcto para los datos de dosis-respuesta recopilados después de 15 minutos (como se muestra arriba: la respuesta con el análisis correcto termina con mi pregunta para usted: "Entonces ahora estamos de acuerdo, ¿no?"). Hazme saber si tienes alguna pregunta.
Realice este análisis para los datos recopilados después de los otros intervalos. Déjame saber si tienes problemas para repetir este trabajo.
No se debe esperar que las estimaciones sean las mismas para cada grupo (tiempo de recolección). Debes realizar el análisis correctamente y no comparar los resultados con los de otras variaciones que no sean correctos.
Re: Análisis Probit y pruebas de ajusteAdemás, ¿necesito incluir los Controles/0? Que entonces serían 5 dosis, 4 repeticiones cada una.Re: Análisis Probit y pruebas de ajusteNo hay problema, es una buena experiencia de aprendizaje para mí.
Tengo 4 filas porque realicé 4 réplicas en cada dosis. Recibí 4 dosis, 4 repeticiones cada una. Supervisé cada tratamiento a intervalos de 1 min, 5 min, 10 min y 15 min.Re: Análisis Probit y pruebas de ajustePido disculpas (aunque no es mi culpa) por las respuestas desordenadas. No ayuda a la confusión que ya existe.
Tengo una pregunta antes de que podamos concluir esta discusión: ¿por qué tiene cuatro observaciones (filas) para cada dosis? ¿Qué representa cada fila?
De nuevo, olvidar Distribución de la vida. Tus colegas tienen razón, necesitas un análisis probit. Estoy trabajando ahora para asegurarme de que su tabla de datos esté configurada correctamente y que el análisis esté definido correctamente en Fit Model para un análisis probit. Quiero usar tu ejemplo anterior de datos después de que expliques por qué hay cuatro filas para cada dosis:
Re: Análisis Probit y pruebas de ajusteMe lo imaginé. El complemento Probit necesita datos en vivo y calcula el recuento de muertos por sí mismo. Generalize Linear toma el recuento de muertos.
Entonces, si ejecuto el GLM, ¿incluyo mis controles/0 dosis?Re: Análisis Probit y pruebas de ajusteYa determinamos que sí. no tener toda la vida o hora del evento datos. Tienes un caso de dosis-respuesta datos. Recogiste observaciones a los 15 minutos, por lo que el tiempo es fijo. Tú contado el número de muertes y el número total de sujetos en cada dosis . Este caso lo maneja GLM como les mostré. Ignore el ejemplo basado en el tiempo de vida que utilizó la distribución de vida. Los métodos de análisis de supervivencia no no aplicar aquí. Debería utilizar un análisis Probit como empezó.
Re: Análisis Probit y pruebas de ajuste
Aquí está la comparación de los mismos datos en el complemento probit frente al gen. probit lineal.Si revierto la dosis logarítmica predicha, no coincide con los mismos resultados en el modelo lineal general.
Re: Análisis Probit y pruebas de ajusteNo estoy seguro de que eso vaya a funcionar. Los demás a mi alrededor se resisten a realizar el análisis de esa manera. Quieren el probit.
Re: Análisis Probit y pruebas de ajuste
Así es como lo configuro y mis datos:
Re: Análisis Probit y pruebas de ajuste
Así que utilicé mis datos sin procesar y sin ajustar sin mis controles y se me ocurrió esto.
¿Interpreto esto como: LD90 para una dosis del 100% es 4,33 minutos?¿Cómo puedo determinar el ajuste de esto ya que no existe Chi cuadrado?(Me piden que muestre la bondad de ajuste del modelo que uso).
¿Cuento la mortalidad como un "fracaso"?
Re: Análisis Probit y pruebas de ajusteVale, creo que ahora lo entiendo. Estaba en lo cierto al principio y es no un análisis de supervivencia (tiempo de vida). Volvemos a mi ejemplo de GLM pero ahora usaré sus datos. Aquí están sus datos en una tabla de datos JMP:
Configure el cuadro de diálogo de inicio Ajustar modelo como antes:
Hacer clic Correr y luego obtienes estos resultados:
Haga clic en el triángulo rojo al lado de Ajuste del modelo lineal generalizado y seleccione Predicción inversa . Tipo 0,5 (y cualquier otro que quieras) para Probabilidad (murió) y haga clic DE ACUERDO .
Entonces ahora estamos de acuerdo, ¿no?
Re: Análisis Probit y pruebas de ajusteSu último comentario sobre las pruebas de las tasas de mortalidad. con el tiempo Lo cambia todo, creo. Mi ejemplo no es relevante. Mi ejemplo es un caso en el que se asigna una cantidad de muestras o sujetos (20) a cada nivel de factor (5). Cada nivel es una muestra independiente (5x20). El número total de muestras o sujetos es la suma de las muestras de cada nivel (100). Creo que se comienza con un número fijo de sujetos (por ejemplo, 60 en total), el nivel de agente se introduce en un nivel fijo y se monitorea el mismo grupo (sujetos) a lo largo del tiempo. ¿Sí?
Suponiendo que estoy en lo cierto, entonces quieres usar medidas repetidas en análisis de supervivencia .
Los métodos y plataformas de JMP se desarrollaron para el análisis de confiabilidad, pero es lo mismo. Sólo tenga en cuenta que las palabras y etiquetas son para ingenieros de confiabilidad y no para biólogos, si sabe a qué me refiero.
Configure sus datos para que se parezcan a este ejemplo:
En este ejemplo, tengo un total de 60 sujetos que superviso desde el inicio de un programa de 6 meses. Necesito dos columnas para representar la respuesta (vida) porque no estoy monitoreando a los sujetos continuamente sino a intervalos mensuales. Este proceso conduce a censura de intervalo . No observo la vida exacta sino que observo que ocurre durante un intervalo.
- La primera fila representa el inicio de la prueba. En esta simulación, 2 sujetos murieron al inicio.
- La segunda fila representa el número de sujetos que murieron entre el inicio y el final del primer mes (3).
- La tercera fila representa el número de sujetos que murieron en el segundo mes (3), y así sucesivamente.
- La última fila representa el número de sujetos que hicieron no morir al final del estudio (20).
Agregué otra columna, Estado, para indicar el estado de las observaciones pero no es necesaria para el análisis. Realice el análisis siguiendo estos pasos:
- Seleccionar Analizar > Fiabilidad y supervivencia > Distribución de vida .
- Seleccionar Comienzo y Finalizando y haga clic Y, tiempo hasta el evento .
- Seleccionar Contar y haga clic frecuencia .
El cuadro de diálogo de inicio debería verse así:
(Tenga en cuenta que la función de análisis del censor es para datos censurados correctamente. No es necesario cuando se utilizan dos columnas de respuesta para la censura de intervalos).
Hacer clic DE ACUERDO .
El análisis inicial se basa en las estimaciones no paramétricas de la probabilidad de falla del límite de productos de Kaplan-Meier. (Puede hacer clic en el triángulo rojo en la parte superior para cambiarlo de un gráfico de fracaso a un gráfico de supervivencia). Utilice las casillas de verificación y los botones de opción en el lado izquierdo para escalar la trama y ajustarse a un modelo de distribución , respectivamente, a los datos. Ajustemos una distribución normal. Controlar el Normal casilla de verificación y hacer clic el Normal boton de radio:
Después de seleccionar un modelo, utilice el esquema de Estadísticas para obtener los resultados deseados. Por ejemplo, su LD50 está disponible aquí como cuantil correspondiente a una probabilidad de falla = 0,5, entonces estime LD50 con el Quantile Profiler:
El LD50 en este ejemplo es 3,688803 meses (3,22981 meses a 4,1478 meses con un 95% de confianza).
Re: Análisis Probit y pruebas de ajusteA continuación se muestra un ejemplo de los datos:
| Dosis (% Conc.) | Inicio (#en vivo) | Mortalidad @ 15 min. (#muerto) |
| 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 | dieciséis | 7 |
| 1,64 | 11 | 1 |
| 1,64 | 12 | 3 |
| 1,64 | 13 | 4 |
| 1,64 | 24 | 4 |
Estoy intentando obtener resultados de LD50/LD90/LD95 para recomendaciones de dosis. Tengo esta información para aplicaciones de 5, 10 y 15 minutos.
Estos son los datos para mi control:
| Dosis (% Conc.) | Inicio (#en vivo) | Mortalidad (#muertos) |
| 0 | 10 | 1 |
| 0 | 11 | 6 |
| 0 | 10 | 3 |
| 0 | 15 | 4 |
Re: Análisis Probit y pruebas de ajusteEstoy tan confundido como tú.
Deberías dos cuenta para tu respuesta cada Nivel del predictor: un conteo es el número que murió y el otro conteo es el número que podría haber muerto. Deberías uno vaticinador. Suele ser concentración o concentración logarítmica. ¿Es eso cierto? ¿O es hora? ¿Está intentando estimar el tiempo de LD50 a una concentración fija?
Utilice el formato de datos que se muestra en el ejemplo que compartí y no tasas o proporciones. Los conteos son necesarios para la inferencia. Una tasa de 0,1 podría resultar de un caso de 1/10 o de un caso de 100/1000. La tasa es la misma en ambos casos pero el tamaño de la muestra es muy diferente.
Una vez más, si ingresa los datos como mostré y configura el GLM como mostré, puede olvidarse de la corrección de tarifas de Abbott. Debes ingresar ambos conteos para el tiempo = 0.
Re: Análisis Probit y pruebas de ajusteEntonces, si utilizo el análisis GLM, ¿incluyo mis datos de control/0 y mis datos sin procesar iniciales? Y al hacerlo, ¿es correcto ajustar un "0" a "0,005" para la transformación logarítmica? Estoy probando tasas de mortalidad en presencia de un agente en varios momentos.
Re: Análisis Probit y pruebas de ajusteLa corrección de Abbott se aplica a tasas de mortalidad (es decir, proporciones) para tener en cuenta la mortalidad natural en ausencia del agente se hará la prueba. GLM está modelando una distribución binomial con un predictor lineal. El modelo GLM tiene un intercepto para ese propósito (mortalidad inicial). Por lo tanto, no es necesario aplicar esta corrección y, al hacerlo, de hecho, cambiará la salida. Así que no lo hagas si estás utilizando GLM para tu análisis.
Re: Análisis Probit y pruebas de ajusteAdjunté los modelos lineales incorrectos con datos sin procesar. Aquí están los correctos:
Gen. Lin. Raw Data 1Gen. Lin. Raw Data 1 General Lin. Datos sin procesar 1
Gen. Lin. Raw Data 2Gen. Lin. Raw Data 2 Gen. Lin. Datos sin procesar 2
Re: Análisis Probit y pruebas de ajuste
Abbott's Gen. Lin.pg 2Abbott's Gen. Lin.pg 2General Lin de Abbott.pg 2
Abbott's Gen. Lin. pg 1Abbott's Gen. Lin. pg 1 El general Lin de Abbott. página 1
Abbott's ProbitAbbott's Probit Probit de Abbott
Raw Data with 0s Gen. Lin. 1Raw Data with 0s Gen. Lin. 1 Datos sin procesar con 0s Gen. Lin. 1
Raw Data with 0s Gen. Lin.2Raw Data with 0s Gen. Lin.2 Datos sin procesar con 0s Gen. Lin.2
Probit Raw Data with 0s 1Probit Raw Data with 0s 1 Probit de datos sin procesar con 0 1
Probit Raw Data with 0s 2Probit Raw Data with 0s 2 Probit de datos sin procesar con 0s 2
Estos son los dos resultados diferentes que obtengo con los diferentes conjuntos de datos. Si uso los 0 y mis datos sin procesar, tanto el modelo probit como el modelo probit lineal general parecen coincidir. Sin embargo, si corrijo mis datos con la corrección de Abbott y omito los 0, entonces los dos modelos no coinciden.
Re: Análisis Probit y pruebas de ajusteBueno,
Parece que si incluyo mis 0 (Control de mortalidad) en el modelo, tanto el modelo probit lineal general como el complemento probit coinciden con las recomendaciones de LD. Si utilizo datos corregidos de Abbott, entonces hay discrepancia entre los dos.
¿Debo ejecutar el modelo con los 0 y los datos sin procesar (sin ajuste de Abbott), o es más correcto ajustar los datos sin procesar con los de Abbott antes de ingresarlos en el probit y descartar los 0?
Re: Análisis Probit y pruebas de ajusteEste ejemplo es de nuestro curso de formación, Software JMP: análisis de respuestas discretas .
Estamos probando sellos para detectar fallas a niveles de presión crecientes. Aquí está la tabla de datos con el diseño preferido:
Tenga en cuenta que lo hacemos no ingrese la tasa de falla (fallida / probada) para la respuesta.
Seleccionar Analizar > Modelo de ajuste . Seleccionar Presión y haga clic Agregar . Seleccionar Fallido y haga clic Y . Seleccionar Total y haga clic Y . (Tenga en cuenta que (1) debe ingresar una columna con el recuento de objetivos y otra columna con el recuento de oportunidades y (2) deben ingresarse exactamente en ese orden). Haga clic en Mínimos cuadrados estándar y seleccione Modelo lineal generalizado . Seleccionar Binomio para el modelo de Distribución. Seleccionar probit para la función Enlace. Su cuadro de diálogo de inicio debería verse así:
Hacer clic Correr .
Puede ver la respuesta no lineal y los diagnósticos de regresión a continuación:
Re: Análisis Probit y pruebas de ajusteYo no he.
He estado intentando ejecutar el modelo en Lineal generalizado con Probit, sin embargo, mis valores de LD no coinciden con lo que me proporciona el complemento Probit, por lo que no estoy seguro de lo que está pasando. He leído los modelos de Ajuste lineal, pero lo que estoy intentando ejecutar es un análisis no lineal, algo con lo que, sinceramente, no tengo ninguna experiencia en JMP.
Re: Análisis Probit y pruebas de ajuste¿Se comunicó con el autor del complemento o leyó primero la descripción y las instrucciones?
JMP tiene varias plataformas integradas que pueden estimar dichas cantidades y proporcionar estadísticas de bondad de ajuste. Estas pistas deberían ayudarte a empezar.
- Ajustar curva puede ajustarse a funciones no lineales comunes.
- No lineal Es más general y puede adaptarse a modelos personalizados.
- Modelos lineales generalizados puede realizar un análisis probit.
¿Buscaste? probit todavía en Ayuda o Ayuda > Libros > Ajuste de modelos lineales ?
