Power-Simulator-Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Hallo zusammen,
Unsere interne Praxis zur Durchführung von Präzisionsstudien zu einem Assay erstellt mehrere CVs für verschiedene Varianzkomponenten (z. B. Tag-zu-Tag, Wiegen-zu-Wiegen usw.). Aus diesem Grund stellt sich die Frage: „Können wir diese CVs verwenden, um die statistische Aussagekraft in zukünftigen experimentellen Designs zu bestimmen?“ kommt oft vor.
Die Antwort:
Allerdings ist es nicht einfach. Marianne (MTOF) hat einen Arbeitsablauf entwickelt, um ein experimentelles Design aufzunehmen, das Design mit den CVs des Assays zu integrieren und die Durchführung des Experiments 1.000 Mal zu simulieren. Daraus ermitteln wir, wie oft jeder feste Effekt als statistisch signifikant eingestuft wurde, um die Stärke für diesen Effekt zu berechnen.
Leider ist die manuelle Durchführung dieses Vorgangs ziemlich zeitintensiv (und es kann sehr leicht zu Fehlern kommen). Daher habe ich daran gearbeitet, es zu automatisieren.
Das Add-In, das ich angehängt habe, ist noch ein Prototyp, aber MTOF und ich haben damit herumgespielt und glauben, dass es zum Testen bereit sein sollte.
Also, wie funktioniert es?
Nehmen wir an, ich führe eine Präzisionsstudie zu einem neuen Assay durch. In diesem Test stellen wir fest, dass es einen Tages-CV von 4 %, einen Sampling-to-Sampling-CV von 3 % und einen Messung-zu-Messung-CV von 2 % gibt.
Nach einiger Zeit wird eine zweite Maschine angeschafft. Wir möchten eine schnelle, kleine Studie entwerfen, um zu sehen, ob die Originalmaschine und die neue Maschine ähnliche Ergebnisse liefern.
Wir erstellen den folgenden einfachen experimentellen Entwurf und möchten wissen, ob er „gut genug“ ist:
(„Testen Sie an einem Tag zwei Probenahmen mit 2 Messungen pro Probenahme auf jeder Maschine“)
Nun fangen wir an:
- Starten Sie das Add-In
- Es erscheint ein Fenster mit allen aktuell geöffneten Datentabellen:
- Wenn das gewünschte Versuchsdesign derzeit geöffnet ist, wählen Sie es aus dem Menü aus und klicken Sie auf OK.
- Wenn die Datei nicht geöffnet ist, wählen Sie „Neue Datei importieren“ und klicken Sie dann auf „OK“. Verwenden Sie den Explorer, um die gewünschte Datei auszuwählen.
- Die Hauptoberfläche wird geöffnet, sodass Sie das zu verwendende Modell definieren können:
-
- Für die oben gezeigte Demotabelle ist der einzige feste Effekt „Maschine“, daher werde ich ihn dem Modell hinzufügen
-
- Meine Zufallseffekte sind Tag, Abtastung und Messung. Zuerst füge ich den Day- und Sampling-Effekt hinzu:
-
- Aufgrund der Art und Weise, wie meine Tabelle eingerichtet wurde, müssen sowohl für Day als auch für Sampling die Verschachtelung korrekt eingestellt sein:
-
- Verwenden Sie nun die Schaltfläche „Auswahl als zufällig umschalten“, um Tag und Sampling auf zufällige Effekte einzustellen:
-
- In der Seitenleiste „Zufallseffekt-CVs definieren“ werden zwei Felder angezeigt, in denen Sie die CVs für diese Zufallseffekte festlegen können. Ich gebe 4 % für den Tag und 3 % für die Probenahme ein:
- Jetzt müssen wir uns auch um den Lebenslauf „Messung-zu-Messung“ kümmern, und diese Spalte wurde nicht zur Eingabedatentabelle hinzugefügt. Da es sich bei der Messung um den Zufallseffekt auf der niedrigsten Ebene handelt, würde er mit dem Residuum verwechselt werden. Wir können also „Neue Restspalte erstellen“ verwenden, um eine Spalte für Messfehler zu erstellen und ihren CV auf 2 % festzulegen:
-
- Wählen Sie als Nächstes aus, welche Spalte die Antwortspalte („Ergebnis“) sein soll, und klicken Sie dann auf „OK“.
-
- Basierend auf der Eingabedatentabelle wird eine neue Datentabelle erstellt und „_PowerSim#“ wird am Ende des Dateinamens ergänzt. Somit entsteht für Ihre Originaldatei kein Schaden.
- Ein „Run Simulation“-Skript wird in die neue Datei eingebettet. Klicken Sie auf das Symbol, um eine Auswertung zu starten.
-
- Wählen Sie zunächst den festen Effekt aus, bei dem Sie einen Unterschied feststellen möchten. Für dieses Design haben wir nur eine Wahl (Maschine):
-
- In der Seitenleiste „Zu erkennender Unterschied“ wird ein Feld angezeigt. Standardmäßig wird alles auf 100 eingestellt, was dem Mittelwert entspricht.
- Nehmen wir an, ich möchte wissen, ob mein experimenteller Entwurf in der Lage ist, einen Pegelunterschied von 5 % zwischen Mensch und Maschine zu erkennen. Um dies zu erreichen, ändere ich den Wert für die neue Maschine auf 105:
-
- Standardmäßig ist der kritische Alphawert auf 5 % eingestellt. Bei Bedarf kann dies im Feld „Kritischer Wert“ geändert werden. Ich bin mit 5 % zufrieden, also klicke ich auf „OK“.
- Jetzt warten wir darauf, dass alle Modelle ausgeführt werden. In Zukunft werden wir versuchen, diesen Schritt zu beschleunigen, aber im Moment dauert die Ausführung etwa eine Minute.
- Wenn es fertig ist, erscheint ein Pop-up mit den Ergebnissen:
-
- Daraus ergibt sich, dass die Fähigkeit zur Erkennung eines Antwortunterschieds von 5 % bei einem Alpha von 0,05 aufgrund des Effekts „Maschine“ 23,6 % beträgt. Also kein tolles Design. Sie können zurückgehen und die zu erkennende Differenz und/oder den verwendeten Alpha-Wert anpassen, aber es ist wahrscheinlich besser, ein robusteres Design zu erstellen.
- Das war ein ziemlich einfaches Beispiel. Selbstverständlich können auch komplexere Modelle und Untersuchungen eingesetzt werden:
-
Es gibt bestimmte Funktionen, die nicht implementiert sind (verschachtelte feste Effekte, andere Interaktionen als Nominal*Kontinuierlich) und Arbeiten, die durchgeführt werden können, um möglicherweise die Geschwindigkeit zu erhöhen (z. B. Umstellung auf ein iteratives System, anstatt alle Daten in der Datentabelle im Voraus zu drucken). ).
Bitte lassen Sie Marianne und mich wissen, wenn Sie Fragen haben.
EDIT: Hinweise zu Version 3 sind zu finden Hier
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Ich habe Version 3 dieses Add-Ins an den ersten Beitrag angehängt.
Über die typischen Fehlerbehebungen hinaus gibt es zwei bemerkenswerte Änderungen in der Funktionalität.
Erstens dupliziert das Tool den experimentellen Entwurf nicht mehr tausendmal (was dazu führt, dass das Datenblatt 1000×[Entwurfszeilen] Zeilen groß ist). Dies war beim Fehlertest hilfreich, aber wir sind zu einer iterativen Methode übergegangen, bei der statt 1000 Modellen auf einmal ausgeführt wird, nun ein Modell ausgeführt wird, das Ergebnis protokolliert wird, die zufälligen Beitragsspalten neu konfiguriert werden und dann das nächste Modell ausgeführt wird.
Dies trägt zwar nicht wirklich zur Beschleunigung des Prozesses bei, verhindert aber die Hänger/Einfrierungen, die auftreten, wenn sehr große experimentelle Designs verwendet werden.
Zweitens verfügt das Tool nun über eine Option zum Definieren einer „Fehlerbehandlung“:
Die Behandlung „Normaler Fehler“ verwendet denselben normalverteilten Fehler wie die vorherigen Versionen. Die Auswahl von „Mikrobieller Plattenfehler“ macht die Dinge etwas anders: (1) Die Fehlerbeitragsspalten haben eine Lognormalverteilung statt einer Normalverteilung, (2) die Antwort wird Log10-transformiert (es ist also nicht nötig, „Log-Transformationsantwort“ auszuwählen). (3) Die Varianz muss als Standardabweichung statt als CV definiert werden und (4) der Benutzer muss die Antwortebene angeben, wenn er eine neue Simulation durchführt:
Diese Funktionalität wurde eingeführt, um mikrobielle Plattendaten besser zu berücksichtigen. Die Methodik hinter dieser Methodik befindet sich noch in der aktiven Entwicklung und die Implementierung des Tools wurde überprüft, aber noch nicht vollständig validiert. Daher sind alle Ergebnisse dieser Fehlerbehandlung mit Vorsicht zu genießen. Wenn Sie Bedenken haben, empfehle ich, weiterhin „Normaler Fehler“ zusammen mit einer protokolltransformierten Antwort für Plattendaten wie zuvor zu verwenden.
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)>Ein Dozent hatte uns sogar erzählt, dass das randomisierte Blockdesign für Experimente ursprünglich speziell für die Pflanzenwissenschaft konzipiert wurde, um die vielen Probleme mit unterschiedlichen Niveaus der Bodenqualität, Wasserverfügbarkeit usw. in Feldversuchen (die „Blöcke“) zu bewältigen. waren buchstäblich physische quadratische Miniplots der Feldfrüchte). Ich bin mir jedoch nicht sicher, wie viel Wahrheit darin steckt
Woher kommen Ihrer Meinung nach Begriffe wie „Split Plot“? 
Fisher entwarf Experimente für agronomische Feldversuche und entwickelte die ANOVA. Und wir ermutigen unsere Kooperationspartner auf jeden Fall, die zufälligen Blockdesigns entlang „ähnlicher“ Feldstücke anzuordnen.Also würde ich Ihrem weisen Lehrer glauben.
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Aber das sind immer noch nur allgemeine Überlegungen – wenn Sie wissen möchten, welches Setup am kosteneffizientesten ist und die beste Leistung liefert, dann nutzen Sie die detaillierte Berechnungsbeschreibung oder das Add-in von Adams
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)@jsdejmp
Das Hinzufügen weiterer Replikate auf der höheren Ebene ist tatsächlich auch effektiver, wenn Sie die Anzahl der Replikate auf der niedrigeren Ebene nicht gleich beibehalten, sondern wie in Ihrem Beispiel die gleiche Gesamtzahl beibehalten (solange das Setup wie zuvor erwähnt verschachtelt ist). .
Ich kann mit Sicherheit sagen, dass 10x5 unabhängig von den Lebensläufen besser ist als 5x10! Wenn es verschachtelt ist und Sie die Gesamtzahl 10x5 zählen, erhalten Sie 10 Versuche und 50 Plots, während 5x10 10 Versuche und 50 Plots ergibt. Daher wird die Variation von Parzelle zu Parzelle in beiden Fällen um den Faktor 50 reduziert, während die Variation von Versuch zu Versuch um den Faktor 10 oder den Faktor 5 reduziert wird.
Wenn es nicht verschachtelt ist, das heißt, der Versuch wird fünfmal am selben Ort durchgeführt, sodass Sie dieselben 10 Diagramme immer wieder verwenden, dann ist die Situation anders, aber ich kann mir nicht vorstellen, dass Sie das Feld so ausführen Versuche?
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Ah, das macht mehr Sinn – ich vermute, er hat das Richtige gesagt und ich habe mich nur falsch erinnert
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)@ABI
Ich glaube, Ihr Dozent hat sich auf das Split-Plot-Design bezogen, das für landwirtschaftliche Feldversuche entwickelt wurde, und daher auch den Namen.
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Gerne helfe ich auf jede erdenkliche Weise.
Beachten Sie, dass wir für Plattendaten eine logarithmische Transformation verwenden, da der Fehler niemals normalverteilt ist und die Transformation erforderlich ist, um eine Normalverteilung anzunähern.
Abgesehen davon spüre ich auf jeden Fall Ihren Kummer in Bezug auf Feldversuchsthemen. Meine Bachelor- und Masterarbeit drehte sich ausschließlich um Pflanzengenomik, also habe ich diesen Kampf gekämpft (warten Sie einfach, bis Sie jemand bittet, die Ergebnisse von Gewächshausversuchen mit den Ergebnissen von Feldversuchen zu kombinieren – sagen Sie einfach Nein!). Ein Dozent hatte uns sogar erzählt, dass das randomisierte Blockdesign für Experimente ursprünglich speziell für die Pflanzenwissenschaft konzipiert wurde, um die vielen Probleme mit unterschiedlicher Bodenqualität, Wasserverfügbarkeit usw. in Feldversuchen zu bewältigen (die „Blöcke“ waren …). (im wahrsten Sinne des Wortes physische quadratische Miniplots der Feldfrüchte). Ich bin mir allerdings nicht sicher, wie viel Wahrheit daran dran ist
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)@ABI Vielen Dank für diese gut zusammengestellte Erklärung und Anleitung, wie Sie bei der Gestaltung Ihrer Experimente vorgehen. Ich glaube definitiv, dass ich dieses System auf unseren experimentellen Ansatz anwenden kann. Wir haben daran gearbeitet, gute Schätzungen für unsere Lebensläufe zu erhalten, aber wie Sie sagten, müssen wir wirklich zuerst verstehen, wie unsere verschiedenen Zufallseffekte interagieren. Ich denke, wir müssen zusätzliche Modellierungen durchführen, um einige dieser Informationen zu erfassen.
(Übrigens vielen Dank für die Erwähnung, warum eine Protokolltransformation bei der Erfassung von Lebensläufen hilfreich ist; ich habe gerade mit MSQM in einer QC-SOP darüber gesprochen und war mir nicht sicher, warum das so ist.)
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Hallo @MTOF ,
Antwort zu Nr. 1: Das Hinzufügen von mehr auf der höheren Ebene ist nur dann effektiver, wenn wir die Anzahl der Replikate auf der niedrigeren beibehalten. Unter Berücksichtigung einer Budgetbeschränkung liegt die Frage eher bei „Sollen wir 5 Versuche x 10 Wiederholungen oder 10 Versuche x 5 Wiederholungen machen?“. Zu dieser praktischen Frage kommt noch eine abstraktere und heftig diskutierte Frage hinzu: Stellt ein einzelner Versuch ein ganzes Experiment dar oder nur einen einzelnen Datenpunkt?Da niemand zeichnen sollte beliebig Behandlungsschlussfolgerungen aus einem einzelnen Versuch, doch es ist offensichtlich, dass für dieses eine Experiment erhebliche Design- und Betriebskosten anfallen, und seine Daten sollten angemessenes Gewicht haben. (Der Kaninchenbau geht noch tiefer, da unterschiedliche Nutzpflanzen unterschiedliche Feldempfindlichkeiten und daher unterschiedliche CVs und damit eine unterschiedliche optimale Anzahl von Versuchen und Wiederholungen haben; und wir sind derzeit auch daran interessiert, ob verschiedene Subunternehmer, die die Versuche durchführen, möglicherweise auch unterschiedliche Niveaus haben Fähigkeit, ein Feld zu verwalten und Reaktionen zu messen. Ganz zu schweigen vom Wetter und den jährlichen Schwankungen am selben Standort. Es ist leicht, eine Haltung der Hingabe zu entwickeln, wenn Mutter Natur unsere harte Arbeit leicht zunichte macht.)
Antwort auf Nr. 2: Vielen Dank, dass Sie dies näher erläutert haben.Ich war mir nicht sicher, ob ich es so angehen könnte.
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Hallo Jameel
Eine Ergänzung zu Adams Antwort auf Ihre Frage: „Gibt es eine schnelle Möglichkeit, herauszufinden, welcher Aspekt eines Designs mehr Muster benötigt?“:
1. Das Hinzufügen von Replikaten auf einer „höheren“ Ebene ist immer effektiver als das Hinzufügen auf einer niedrigeren Ebene (aber normalerweise auch teurer).
Dies liegt daran, dass Replikate auf der oberen Ebene auch Replikate auf allen unteren Ebenen ergeben. Zumindest mit einem hierarchischen/verschachtelten Aufbau, für den wir dieses Tool entwickelt haben und von dem ich annehme, dass Sie ihn auch in Feldversuchen haben. Wenn wir zum Beispiel derzeit 2 Tage x 2 Wägungen x 3 Platten haben (insgesamt 2 Tage, 4 Wägungen und 12 Platten), ergibt die Addition von 1 Tag eine Gesamtsumme von 3 Tagen, 6 Wägungen und 18 Platten.
2. Die Beziehung zwischen den Lebensläufen zeigt Ihnen, wo es am „nötigsten“ ist, Replikate hinzuzufügen.
Wenn Ihr Lebenslauf von Versuch zu Versuch viel größer ist als der Lebenslauf innerhalb der Versuche, müssen weitere Versuche hinzugefügt werden (das Hinzufügen weiterer Replikate innerhalb jedes Versuchs trägt nur sehr wenig bei). Wenn der Lebenslauf von Versuch zu Versuch viel kleiner ist als der Lebenslauf innerhalb des Versuchs, wäre es immer noch effektiv, weitere Versuche hinzuzufügen, da Sie auch mehr Replikate erhalten würden (Grundstücke oder Pflanzen oder was auch immer Ihr Replikat ist), aber wahrscheinlich Es ist viel günstiger und genauso effektiv, Replikate innerhalb des Versuchs hinzuzufügen.
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Hallo Jameel,
Ja, Sie können dies tun (vielleicht sogar ohne dieses spezielle Tool).Wenn Sie über Zufallseffekt-Varianzkomponenten für einen Assay verfügen (von JMP oder anders), können diese Komponentenwerte den CV eines bestimmten Assay-Qualitäts-Setups abschätzen.
Wie die CV-Komponenten (dh Effekte) miteinander interagieren, ist wahrscheinlich wichtiger als ihr prozentualer Wert. Für Ihr Beispiel sind mehr Standorte wahrscheinlich wichtiger als mehr Mitarbeiter. Tatsächlich könnte es möglich sein, dass es sich bei den standortinternen Darstellungen überhaupt nicht um echte Replikationen handelt und dass sie eher Probenwiederholungen als tatsächlich replizierten Messungen ähneln (und daher weniger nützlich sind – aber ohne mehr über Ihr Experiment zu wissen, Ich kann dazu nicht wirklich etwas sagen.
Lassen Sie uns ein Beispiel durchgehen, mit dem ich mich häufig beschäftige: Mikroplattentests.Angenommen, wir haben drei CV-Komponenten: die zufälligen Auswirkungen der Schwankungen von Tag zu Tag, Schwankungen von Wägung zu Wägung und Schwankungen von Beschichtung zu Beschichtung.
In unserem Assay-Design haben wir diese drei CV-Komponenten mit der folgenden Verschachtelung:
- Tag und Zufall
- Wiegen[Tag]&Zufällig
- Platte[Tag, Wiegen]&Zufällig
Somit erhält jeder Tag des Plattierens X Mengen an Wiegungen (Unterproben) und jede Wiegung erhält Y Mengen an Tellern.
Nachdem Sie eine Studie zur Bestimmung der Präzision durchgeführt haben, erhalten Sie als Nächstes die Varianzkomponentenwerte aus der REML-Tabelle und ihre entsprechenden CVs (d. h. wenn die Antwort logarithmisch transformiert wurde, ist der CV der Varianzkomponente gleich der „Quadratvarianzkomponente“). Feld in der REML-Tabelle. Wenn es nicht transformiert wird, entspricht es der quadratischen Varianzkomponente aus der REML-Tabelle/dem Mittelwert der Antwort aus der Tabelle „Summary of Fit“.
Nehmen wir also an, wir haben einen Tages-CV von 5 % (Variablenkomponente von 0,0025), einen Wiege-zu-Wiege-CV von 10 % (Variablenkompensation von 0,01) und einen Plating-zu-Plattierungs-VK von 8 % (var-Komponente von 0,0064).
Wenn wir alle drei Komponenten addieren, erhalten wir einen Gesamtvarianzkomponentenwert von 0,0189, was einem CV von 13,7 % (sqrt[0,0189]) entspricht, wenn nur ein Tag, eine Wägung und ein Teller hergestellt werden.
Aufgrund der oben beschriebenen Verschachtelungsstrategie würde die Berechnung eines vorhergesagten Populations-CV für einen Qualitätsaufbau in diesem Assay der folgenden Berechnung folgen:
Dann ist es in Excel einfach, daraus eine Formel zu machen und auszufüllen, um verschiedene Kombinationen auszuprobieren, oder in JMP, indem man eine Formelspalte erstellt.
Beispiel:
Oben haben wir drei Designs, die jeweils nur insgesamt 5 Teller haben. Sie können sehen, dass ein Aufbau mit 5 Tagen × 1 Wägung × 1 Platte zu einem viel niedrigeren CV führt als ein Aufbau mit 1 Tag × 1 Wägung × 5 Platten, obwohl die Tagesvariation den niedrigsten Komponenten-VK aufweist.
Und dann können Sie mit anderen Designs herumspielen, um herauszufinden, was realistischerweise am besten ist:
Hier sind also drei Designs mit jeweils 20 Platten und ziemlich ähnlichen CV-Werten.Anschließend wird darüber gesprochen, welcher Aufbau am praktikabelsten/kostengünstigsten ist. Sie können auch das Solver-Tool in Excel mit einigen Regeln verwenden, die Ihnen helfen, wenn Sie viel raten und prüfen müssen.
Unabhängig davon können Sie als Ergebnis beurteilen, ob mehr Standorte oder mehr Mitarbeiter innerhalb eines Standorts wertvoll sind und um wie viel ungefähr (d. h. wie groß ist die Änderung des Lebenslaufs zwischen dem Hinzufügen eines weiteren Standorts oder dem Hinzufügen von zehn weiteren Mitarbeitern zu jedem Standort). vorhandener Standort?).
Nun wurde dieses spezielle Tool entwickelt, weil Mikroplattentests immer ungenau sind und viele Mikrostudien das gewünschte Ziel haben, festzustellen, dass „es keinen Unterschied zwischen X und Y gibt“ (d. h. Es gibt keinen Unterschied zwischen Agar Typ X und Agar Typ Y ). Wenn das Experiment jedoch nicht ausreichend aussagekräftig ist, um tatsächlich einen statistisch signifikanten Unterschied zu finden, könnten wir am Ende zu dem Schluss kommen, dass eine Änderung an einem Assay ( Wechsel der Agartypen ) hat keine Auswirkung, wenn dies tatsächlich der Fall ist. Was eine sehr schlechte Sache ist.
Wenn falsch-negative Ergebnisse bei Ihrem Experiment jedoch kein so großes Problem darstellen, benötigen Sie dieses spezielle Tool möglicherweise nicht. Wenn Sie glauben, dass Sie es benötigen, lassen Sie es mich wissen – es muss optimiert werden, damit JMP nicht bei sehr großen Datensätzen hängen bleibt. Wenn Sie also mit einem großen Datensatz arbeiten, werde ich diesem Typ Priorität einräumen der Optimierung zuerst
-Adam
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)@ABI , @MTOF Gibt es anhand der Werte, die Sie in Ihren Beispielen und dem Tool angeben, eine schnelle Möglichkeit, herauszufinden, für welchen Aspekt eines Entwurfs weitere Beispiele erforderlich sind? Würde beispielsweise im ersten Beispiel das Hinzufügen weiterer Messungen über mehrere Tage die Leistung stärker verbessern als das Hinzufügen von Messungen innerhalb eines Tages (da der CV 4 % gegenüber 3 % beträgt)? Bedeutet der Effekt mit höherem CV, dass dort mehr Messungen geladen werden sollten?
Für agronomische Feldversuche, bei denen wir möglicherweise 10 Versuche mit 5 Wiederholungen jeder Behandlung innerhalb des Versuchs haben, können wir die Gesamtleistung anhand des Gesamtfehlers aus einem Datensatz berechnen.Bei einer Leistungsanalyse im JMP-Stil werden zusätzliche Daten – unabhängig davon, woher sie kommen, von mehreren Standorten oder von mehr Mitarbeitern – gleich behandelt. Die Realität sieht jedoch so aus, dass es Unterschiede in der Variabilität zwischen Standorten und innerhalb der Standorte (Repräsentanten) gibt.Wir können mehr Standorte ($$) oder mehr Vertreter innerhalb eines Standorts ($) haben. Ich persönlich bevorzuge mehr Standorte, weil mehr Vertreter in einem Bereich uns nur größeres Vertrauen in diesem einen Bereich geben würden; Durch mehr Standorte können wir „sicherer“ sein, dass beobachtete Behandlungsunterschiede von keinem Ort übermäßig gewichtet werden. Können Ihre Tools mir bei der Lösung dieses Problems helfen?
Ich stelle mir vor, intelligentere Algorithmen für das experimentelle Design zu entwickeln, die Standort-zu-Standort und die Varianz innerhalb des Standorts abwägen und sie innerhalb eines bestimmten Budgets optimieren.Zum Beispiel: „Wir haben $
Betreff: Power Simulator Tool (Bestimmen der Power für einen Assay mit vorhandenen Präzisionsstudien-CVs)Hallo zusammen,
Ich habe einen Fehler behoben, der beim Laden in sehr großen experimentellen Designs zu einem Absturz führte, und ihn an den ersten Beitrag angehängt. Bitte beachten Sie, dass die derzeit verwendete Methodik noch nicht auf Geschwindigkeit optimiert ist und die Ausführung der 1000 Simulationen bei großen Designs sehr lange dauern wird (manchmal sogar zum Hängen/Einfrieren von JMP, wenn sie groß genug sind). Ich habe einige Ideen, wie wir das Tool beschleunigen können, aber MTOF und ich haben einige Ideen, wie wir die Anwendbarkeit der für unsere Zufallseffekte verwendeten Verteilungen verbessern können, sowie eine allgemeine Überarbeitung der Art und Weise, wie Novozymes mit plattenbasierten Daten umgeht (was ist der Hauptgrund für die Existenz dieses Tools). Daher werden Funktionsverbesserungen in naher Zukunft Vorrang vor Geschwindigkeit haben.
Danke!
