Hay numerosas posibilidades para analizar lo que describiste: 1 a 100 pruebas con 5 condiciones en cada prueba donde cada resultado es una "distribución". El análisis apropiado depende de cómo se recopilaron los datos.
- Por ejemplo, suponga que cada prueba representa un lote, el mismo material de origen o el mismo período de tiempo y se ejecutaron las condiciones A, B, C, D y la línea de base en cada una.En este caso, Test/Batch debe tratarse como un factor de bloqueo (JMP Oneway con Test como bloque) o como un modelo de respuesta multivariable.
- La "distribución" de cada prueba y condición también modulará qué análisis realizar.
Mi sugerencia es encontrar a alguien dentro de su organización o universidad (o cerca de la universidad) para obtener algunos consejos de consultoría estadística.
No tengo idea de cómo se recopilaron sus datos, por lo que la tabla de datos de ejemplo adjunta con gráficos integrados pretende mostrarle posibilidades visuales y analíticas usando JMP. La tabla JMP contiene datos simulados para 100 pruebas, cada ejecución con condiciones A, B, C, D y de referencia, y la "distribución" es de 20 mediciones que representan efectos aleatorios (frente a efectos fijos: como mediciones tomadas en ubicaciones fijas de un objeto; o tomado en una secuencia específica de intervalos de tiempo, como una prueba de eficacia de drogas donde las mediciones se recopilan a las 0, 1 h, 5 h, etc.).La variación prueba-prueba de la simulación es grande; se agregó un cambio después de la ejecución 75 para que el efecto sea aún más visible.
La tabla adjunta contiene 3 scripts incrustados:
- Tabla de Variabilidad del Valor - Un gráfico de la agrupación de datos sin procesar por Prueba, Condición. En el lado derecho del eje X, haga clic en Prueba y arrástrelo a Condición.
- Gráficos de resumen - Crea la tabla Resumen de prueba que calcula la media de "distribución" y la desviación estándar de cada prueba/condición, luego traza gráficos de variabilidad que comparan las medias de "distribución" y la desviación estándar agrupando por Prueba, Condición y luego Condición, Prueba; cuatro parcelas en total (consulte las dos parcelas de Condición, Prueba a continuación).
- Comparación de Dunnett con la prueba como factor de bloque - Esta secuencia de comandos utiliza la tabla de resumen de la prueba y un ANOVA de una vía, utilizando la prueba como un bloque.Esto elimina el factor de prueba a prueba y realiza una comparación unidireccional de las diferencias de bloque.
Tenga en cuenta que construí la simulación para que Baseline y D tengan los mismos medios (C no está demasiado lejos), y Baseline y C tienen la misma desviación estándar.
Tenga en cuenta que si sus experimentos no se realizaron de esta manera, es probable que el n.° 3 no sea el mejor análisis; sin embargo, los gráficos como el n.° 1 y el n.° 2 deberían proporcionarle una idea de los resultados experimentales.
Mean & Std Dev grouped by Condition, TestMean & Std Dev grouped by Condition, TestMedia y desviación estándar agrupados por condición, prueba
Siempre empiezo con gráficos para asegurarme de que sea una comparación justa. Para añadir a @dale_lehman 's, sugiero graficar los datos por secuencia (tiempo) u otros factores que puedan ser importantes para estas distribuciones, por ejemplo, si mira el precio de las viviendas, busca por ubicación o características (n.º de habitaciones), etc.
Sugeriría comenzar con un enfoque más general.Debe superponer las distribuciones y compararlas visualmente.La media y la dispersión son medidas resumidas y pueden coincidir o no con las características más destacadas de las distribuciones.Dependiendo de cómo se vean las distribuciones, es posible que pueda usar conceptos como el dominio estocástico que compara las formas de las distribuciones de manera más general que solo usar los dos primeros momentos de las distribuciones.Las distribuciones acumulativas son otra forma de ver las comparaciones que pueden generar información útil.
Muchas pruebas de hipótesis comunes (p. ej., pruebas t, ANOVA unidireccional) son pruebas paramétricas de una diferencia en la media de la población. La plataforma Oneway (seleccione Analizar > Ajustar Y por X) realiza ambas pruebas. Puede usar un método de comparación múltiple como la prueba de Dunnett cuando tiene una población de control si decide que hay una diferencia significativa con el ANOVA.
Esta plataforma también proporciona pruebas paramétricas de la propagación. Haga clic en el triángulo rojo junto a Unidireccional y seleccione Varianza desigual. Desafortunadamente, no existen métodos de comparación múltiple para la propagación.
Ver Ayudar > Libros > Análisis básico y luego el capítulo específicamente sobre De una sola mano plataforma.
