こんにちは、
線形近似から計算する100個の未知数があります。ここに示す「逆予測」の指示に従いました。
https://www.jmp.com/support/help/14/inverse-prediction-2.shtml#149268
それはうまくいきましたが、この方法を使用すると、一度に(手動で)入力できるのは8つの未知数だけです。これを行う別の方法はありますか(Prismにあるように)?または、それを実行できるスクリプトはありますか?プリズム法: https://www.graphpad.com/support/faq/prism-3-calculating-unknown-concentrations-using-a-standard-curve/
ありがとう!
メーガン
スクリプトが最適なソリューションを提供すると思います。標準と未知のデータテーブルは同じデータテーブルですか、それとも個別のデータテーブルですか?さらに良いことに、標準と未知の両方を備えた典型的なデータセットの例を提供できますか?
ハイマーク、
このメモにサンプルデータを添付しました。標準データと未知データは同じデータテーブルにあります。
この例では、2つのポイント10と150が重複する標準曲線があります。空白のままにしたUnknowns [ここではgDNA pg / uL]を補間したいと思います。
メーガン
このスクリプトは、各チップIDに対して個別に逆予測を実行します。
Names Default to Here( 1 );
dt = Current Data Table();
Column( 2 ) << Data Type( "Numeric" ) << Modeling Type( "Continuous" );
Column( 3 ) << Data Type( "Numeric" ) << Modeling Type( "Continuous" );
dt << New Column( "Lower 95%", "Numeric", "Continuous" )
<< New Column( "Upper 95%", "Numeric", "Continuous" );
Summarize( chip = By( :Chip ID ) );
n groups = N Items( chip );
For( c = 1, c <= n groups, c++,
data = dt << Get Rows Where( :Chip ID == chip[c] );
dt << Select Where( :Chip ID != chip[c] ) << Exclude;
fls = dt << Fit Model(
Y( :Median Electrode ),
Effects( :Name( "gDNA pg/uL" ) ),
Personality( "Standard Least Squares" ),
Emphasis( "Minimal Report" ),
Run
);
unknown = :Median Electrode[data[3]::data[N Row(data)-2]];
Eval(
Substitute(
Expr(
fls << Inverse Prediction(
Term Value( Name( "gDNA pg/uL" )(.) ),
Response( rrr )
)
),
Expr( rrr ),
unknown
)
);
inv pred report = Report( fls )["Inverse Prediction"];
inv pred = inv pred report[NumberColBox(2)] << Get As Matrix;
lower = inv pred report[NumberColBox(3)] << Get As Matrix;
upper = inv pred report[NumberColBox(4)] << Get As Matrix;
fls << Close Window;
For( i = 1, i < N Row( data ) - 3, i++,
Column( 2 )[data[i+2]] = inv pred[i];
Column( 4 )[data[i+2]] = lower[i];
Column( 5 )[data[i+2]] = upper[i];
);
dt << Exclude << Clear Select;
);
注:最後に空の行を削除しない限り、失敗します。標準の1つに、既知の濃度の値10がありません。
このスクリプトの素晴らしさをもう一度言いたかっただけです。新しいJMPユーザーとして、私は本当にあなたの努力に感謝しています。