Ci sono numerose possibilità per analizzare ciò che hai descritto: da 1 a 100 test con 5 condizioni su ciascun test in cui ogni risultato è una "distribuzione". L'analisi appropriata dipende da come sono stati raccolti i dati.
- Ad esempio, supponiamo che ogni test rappresenti un lotto, lo stesso materiale di origine o lo stesso intervallo di tempo e su ciascuno siano state eseguite le condizioni A, B, C, D e Baseline.In questo caso, Test/Batch deve essere trattato come fattore di blocco (JMP Oneway con Test come blocco) o come modello di risposta multivariata.
- La "distribuzione" di ogni test e condizione modulerà anche quale analisi eseguire.
Il mio suggerimento è di trovare qualcuno all'interno della tua organizzazione o università (o vicino all'università) per ottenere consigli di consulenza statistica.
Non ho idea di come siano stati raccolti i tuoi dati, quindi la tabella di dati di esempio allegata con grafici incorporati ha lo scopo di mostrarti possibilità visive e analitiche utilizzando JMP. La tabella JMP contiene dati simulati per 100 test, ciascuno eseguito con condizioni A, B, C, D e baseline e la "distribuzione" è di 20 misurazioni che rappresentano effetti casuali (rispetto a effetti fissi: ad esempio, misurazioni effettuate su posizioni fisse di un oggetto; o prese in una specifica sequenza di intervalli di tempo, come un test di efficacia della droga in cui le misurazioni sono raccolte a 0, 1 ora, 5 ore, ecc.).La variazione test-test della simulazione è ampia; è stato aggiunto uno spostamento dopo l'esecuzione 75 per rendere l'effetto ancora più visibile.
La tabella allegata contiene 3 script incorporati:
- Grafico di variabilità del valore - Un grafico del raggruppamento dei dati grezzi per Test, Condizione. Sul lato destro dell'asse X, fai clic su Test e trascinalo su Condizione.
- Trame riassuntive - Crea la tabella Test Summary che calcola la "distribuzione" media e stdev di ogni Test/Condizione, quindi traccia i grafici di variabilità confrontando le "distribuzioni" medie e il raggruppamento std dev per Test, Condizione quindi Condizione, Test; quattro trame in tutto (vedere le due condizioni, grafici di prova di seguito).
- Confronto di Dunnett con il test come fattore di blocco - Questo script utilizza la tabella Riepilogo test e un'ANOVA a una via, utilizzando Test as a Block.Ciò rimuove il fattore test-test ed esegue un confronto unidirezionale delle differenze di blocco.
Nota: ho costruito la simulazione in modo che Baseline e D abbiano gli stessi mezzi (C non è troppo lontano) e Baseline e C abbiano lo stesso std dev.
Tieni presente che, se i tuoi esperimenti non sono stati eseguiti in questo modo, probabilmente la n. 3 non è la migliore analisi, tuttavia, i grafici come la n. 1 e la n.
Mean & Std Dev grouped by Condition, TestMean & Std Dev grouped by Condition, TestMedia e Dev. Std raggruppati per Condizione, Test
Comincio sempre con i grafici per assicurarmi che sia un confronto equo. Da aggiungere a @dale_lehman Suggerisco di tracciare i dati per sequenza (tempo) o altri fattori che potrebbero essere salienti per queste distribuzioni, ad esempio se si guarda al prezzo delle case, alla posizione o alle caratteristiche (numero di stanze) ecc.
Suggerirei di iniziare con un approccio più generale.Dovresti sovrapporre le distribuzioni e confrontarle visivamente.La media e lo spread sono misure riassuntive e possono corrispondere o meno alle caratteristiche più salienti delle distribuzioni.A seconda dell'aspetto delle distribuzioni, potresti essere in grado di utilizzare concetti come il dominio stocastico che confronta le forme delle distribuzioni in modo più generale piuttosto che utilizzare solo i primi due momenti delle distribuzioni.Le distribuzioni cumulative sono un altro modo per visualizzare i confronti che potrebbero fornire informazioni utili.
Molti test di ipotesi comuni (ad esempio, t-test, ANOVA unidirezionale) sono test parametrici di una differenza nella media della popolazione. La piattaforma Oneway (seleziona Analizza > Stima Y per X) esegue entrambi questi test. È possibile utilizzare un metodo di confronto multiplo come il test di Dunnett quando si dispone di una popolazione di controllo se si decide che esiste una differenza significativa con l'ANOVA.
Questa piattaforma fornisce anche test parametrici dello spread. Fare clic sul triangolo rosso accanto a Oneway e selezionare Varianza non uguale. Sfortunatamente, non esistono metodi di confronto multipli per lo spread.
Vedere Aiuto > Libri > Analisi di base e poi il capitolo specifico su Senso unico piattaforma.
