Comment importer correctement des points de données qui ont leur propre incertitude et effectuer ensuite un test statistique?Normalement, on traite vos points de données comme s'ils étaient exacts (ce qui est un peu faux à mon avis honnête). Mais si j'ai une étape supplémentaire de mesures multiples par échantillon, cela créerait une incertitude d'estimation de la valeur mesurée associée à cet échantillon. en fait, beaucoup de quantités sont générées via un processus d'estimation qui a une incertitude associée.
En plus de cela, j'ai différents traitements expérimentaux et chaque traitement a plusieurs répétitions / échantillons (il y a donc un autre niveau d'incertitude). Mon objectif final est de comparer les moyennes de traitement par des tests statistiques. Si je veux tenir compte de l'incertitude dans l'estimation de mes points de données individuels, ainsi que de l'incertitude de la variabilité des répliques de traitement, comment dois-je procéder dès le début (à partir de l'importation de données)? Cela ne me dérange pas de calculer manuellement le SE total propagé et de le saisir dans une colonne, mais je ne sais pas comment incorporer ces informations dans une analyse.
Je n'ai rien trouvé d'utile sur Internet, pas seulement sur JMP. Votre aide est très appréciée.
Re: Comment importer correctement des points de données qui ont leur propre incertitude et effectuer ensuite un test statistique?JMP et d'autres logiciels statistiques matures traitent ce problème en modélisant les observations individuelles. En d'autres termes, nous n'analysons pas un résumé des observations (par exemple, la réponse moyenne) et essayons d'inclure une estimation distincte de l'incertitude (par exemple, l'écart type ou l'erreur standard), mais incluons plutôt les observations individuelles originales (par exemple, les répétitions) . La nature exacte de la «comptabilité» de cette incertitude dépend des «unités expérimentales» et de la technique de modélisation choisie, mais en général cela peut être fait.
Ainsi, dans un cas simple d '«analyse unidirectionnelle de la variance», les réponses individuelles sont entrées dans le rôle Y et les niveaux de traitement sont entrés dans le rôle X. Les sommes des carrés estiment la variabilité du traitement «à l'intérieur» et «entre» à comparer en utilisant le F ratio avec des tests d'hypothèse ou de multiples procédures de comparaison. (Cette ANOVA unidirectionnelle n'est pas la seule analyse possible mais juste pour servir d'exemple.)
Re: Comment importer correctement des points de données qui ont leur propre incertitude et effectuer ensuite un test statistique?Veuillez consulter JMP> Aide> Bibliothèque de documents JMP. Les deux livres, "Analyse essentielle" et "Ajustement des modèles linéaires" devraient fournir une bonne source d'informations avec des explications et des exemples. Tous les exemples sont installés avec JMP.
Re: Comment importer correctement des points de données qui ont leur propre incertitude et effectuer ensuite un test statistique? @markbailey Merci pour votre réponse. Je sais que dans mon cas (sous-échantillonnage) mentionné ci-dessus, il peut être analysé avec un modèle imbriqué. Cependant, cela devient inadapté car le processus d'estimation s'écarte de la simple moyenne des valeurs des sous-échantillons (que je dois traiter). Je ne parle pas d'utiliser des valeurs individuelles exactes comme variables de réponse, ce qui est bien sûr facile à faire.
Comme vous l'avez dit, un premier exercice de modélisation des points de données mesurés d'origine doit être effectué, mais cet exercice de modélisation n'a produit qu'un résumé statistique, c'est-à-dire qu'il ne sauvegarde pas les estimations et son incertitude associée en tant que variable, tout ce que vous pouvez faire est de les tabuler. (Et le modèle requis pourrait être très spécifique à une niche et à un mécanisme qui prend autre chose qu'une approche de modélisation statistique fournie par des logiciels statistiques). Maintenant, voici la question: je veux maintenant faire une deuxième analyse statistique basée sur les estimations générées par l'exercice de modélisation précédent, que j'ai trouvé difficile de trouver une approche facile.
