Análisis probit: pruebas de ajuste (regresión) y réplicasEstoy tratando de determinar la ec50 (concentración a la cual hay un 50% de crecimiento de hongos radiales en comparación con el control) de ciertos fungicidas que he probado in vitro (en placas de Petri) frente a diferentes aislados. He probado los mismos 9 aislamientos diferentes con diferentes fungicidas como el crecimiento del micelio radial. Para cada fungicida hay 5, 6 o 7 (según el fungicida) concentraciones probadas y 3 réplicas para cada concentración. Para cada fungicida todas las placas de petri se midieron el mismo día.
La distribución probit - binomial parece ajustarse bien a los datos, al menos en la mayoría de los casos.
Mis problemas son cómo incluir réplicas en el análisis y cómo determinar el error estándar.
Se adjuntan capturas de pantalla de los datos.
data datos 
fit model modelo de ajuste 
regression plot gráfico de regresión 
ec 50 ec 50
Re: análisis probit - pruebas de ajuste (regresión) y réplicasAsí que configuro el análisis como en la figura anterior (secuencia de comandos rápida a continuación para configurarlo)
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
)
Mantenga presionada la tecla de control (tecla de comando en OSx) y mientras presiona, haga clic en el triángulo rojo del nivel más alto, desde el menú seleccione Predicción inversa. Luego, para cada cuadro de diálogo que aparezca, ingrese 0.5 para la probabilidad de predecir. Esto lleva un tiempo, ya que se le pedirá cada nivel de aislamiento.
Una vez hecho esto, haga clic con el botón derecho en una de las tablas de predicción inversa para uno de los aislamientos y seleccione Crear tabla de datos combinados. Esta tabla es la que hice la manipulación en el ejemplo anterior para poder graficar y analizar.
Re: análisis probit - pruebas de ajuste (regresión) y réplicasUsé la opción de intervalo de predicción inversa debajo del triángulo rojo después de ajustar el modelo, para obtener los puntos de inflexión / ec50s
Re: análisis probit - pruebas de ajuste (regresión) y réplicasGracias. ¿Podría decirme cómo calculó los promedios? ¿Los exportaste a una tabla y desde allí preparaste el gráfico? Parece que no puedo entenderlo. Gracias de antemano.
Re: análisis probit - pruebas de ajuste (regresión) y réplicasEn este caso el grupo de réplicas lo son juntos. No es una mala manera de hacerlo, porque se ajusta esencialmente a las réplicas medias, lo que da como resultado un mejor ajuste al patrón de respuesta. Tenga en cuenta que las réplicas no son observaciones independientes (que dependen de la unidad experimental), y JMP asume que cada fila es una observación independiente. Si los datos se apilaron (una columna para cada réplica y una fila para cada aislamiento)
También es posible que desee intentar ajustar cada réplica por separado para cada aislamiento. Me gusta esto:
Solo tenga en cuenta que debe agregar manualmente cada predicción inversa para cada aislamiento. (nota: super tedioso, así que envíe una sugerencia de función para admitir en jmp dot com) Mantenga presionada la tecla CTRL cuando elija la opción de Predicción inversa, luego aparecerá el cuadro de diálogo para calcular la probabilidad de 0.5 para cada aislamiento.
En este caso, se calculará el ajuste para cada réplica por aislamiento. El error no está agrupado para los replcates. Esto es como hacer un modelo mixto con estimaciones independientes de sigma.
En la siguiente figura, el nivel "promedio" es el ajuste que hiciste en tu publicación, con todas las repeticiones juntas. Note la diferencia en los intervalos de confianza.
nota: JMP 14 tiene el rol de intervalo, por lo que es fácil de hacer.
Por lo tanto, el problema que se debe resolver es que si la tabla está en un formato alto como el archivo que se publicó, las réplicas en las filas se tratan como si fueran observaciones independientes. Voy a hacer una suposición segura de que no son independientes. Las réplicas dependen de la unidad experimental. Así que aquí está cómo trabajar con eso. y son un enfoque alternativo es dividir la tabla de esta manera:
current Datatable() << Split(
Split By( :Replicate ),
Split( :inhibition ),
Group( :isolate, :ppm ),
Sort by Column Property
);
¿No está seguro de cuál es la mejor manera de tratar las réplicas, ya sea Promedio o Media geométrica?
Pero de cualquier manera, es fácil ver que los intervalos de confianza para la media forzada (tabla en formato alto con réplicas independientes) son mucho más estrechos que el intervalo de las medias de la tabla dividida. Esto se debe a que los grados de libertad se inflan al tratar a las repeticiones como independientes.
Los datos para este gráfico provienen de los EC50 de los datos ajustados de diferentes maneras, no es un gráfico de informe predeterminado.
