Schermata degli effetti importanti derivanti da più variabili nominali con 1 risposta continua, utilizzando dati storiciCiao,
Sono nuovo in JMP e sto imparando l'analisi statistica. Vorrei alcune indicazioni su ciò che sto cercando di ottenere.
Diciamo che sto lavorando sull'espressione di una proteina utilizzando un batterio.
Ho una risposta: Resa (mg/mL)
Ho più elementi (nominali) che regolano l'espressione nei batteri:
- Tipo di promotori di espressione: PromA, PromB, PromC, PromD, ... ecc. (ho più di 20 scelte)
- Tipo di terminatore: Termine1, Termine2, Termine3, Termine4, Termine5
- Tipo di batteri: BactX, BactY, BactZ.
Ho espresso la proteina utilizzando molte delle possibili combinazioni di promotori, terminatori e batteri e ho misurato la resa per ciascuna prova. La maggior parte delle combinazioni sono state testate più volte (da 3 a 50 repliche per combinazione)
Ho già molti dati e vorrei esaminare gli effetti e le relazioni importanti tra le variabili per spiegare come massimizzare i rendimenti. Non ho utilizzato la funzionalità DOE per creare l'esperimento, si tratta di dati storici.
Qualche suggerimento su come dovrei procedere? Sarò felice di guardare video o leggere i tuoi suggerimenti.
Grazie !
Ricerche sui consumatori e sul mercatoProgettazione di esperimentiRi: Screening per effetti importanti da più variabili nominali con 1 risposta continua, utilizzando dati storiciUn altro consiglio... Prima di un esame statistico dei dati, assicurarsi che i dati soddisfino una soglia di significatività pratica. La variazione nella misurazione è sufficiente per giustificare ulteriori analisi? In tal caso, GUARDA prima i dati. Utilizza il costruttore di grafici per cercare modelli nei dati e possibili associazioni con le variabili indipendenti. Esamina anche la coerenza delle ripetizioni prima di riassumerle (prova semplici grafici di intervallo).Ri: Screening per effetti importanti da più variabili nominali con 1 risposta continua, utilizzando dati storiciCIAO @HadleyMyers ,
Questo è ESATTAMENTE ciò che sto cercando di ottenere. Sono un po' deluso di non poter utilizzare JMP Pro, ma sicuramente aiuta vedere come elaborano i dati. Grazie !
Ri: Screening per effetti importanti da più variabili nominali con 1 risposta continua, utilizzando dati storiciCiao Statman,
1. Ci sono molte variabili incontrollate perché lavoriamo con sistemi viventi. La misura effettiva è molto precisa ma l'espressione può variare da lotto a lotto.
2. Si tratta di punti dati indipendenti provenienti da ripetizioni condotte separatamente settimana dopo settimana
3. Ho riepilogato i dati e attualmente sto lavorando sulla resa media per ciascuna combinazione. Esaminerò ulteriormente questo aspetto prima di affrontare ciascun punto dati.
4. Ho pochissima esperienza con l'analisi statistica e non capisco veramente i diversi modelli, quindi ho molto da imparare, inizierò con quei link che hai condiviso. Da quello che ho visto, capisco che avrebbe senso iniziare da lì!
5. Buon consiglio, vorrò sicuramente utilizzare DOE per replicare/confermare i risultati.
Grazie !
Ri: Screening per effetti importanti da più variabili nominali con 1 risposta continua, utilizzando dati storiciCIAO,
Il video Qui descrive una situazione molto simile alla tua.Utilizza la piattaforma Model Screening di JMP Pro 16, ma anche se non disponi ancora di JMP Pro, questo potrebbe aiutarti a iniziare l'analisi.
Ri: Screening per effetti importanti da più variabili nominali con 1 risposta continua, utilizzando dati storiciBenvenuto nella comunità @Marie-Eva ! Solo alcuni pensieri:
1. Quanto hai fiducia nel sistema di misurazione?
2. I risultati multipli per combinazioni simili si ripetono o si replicano (sono punti dati indipendenti o no)?
3. Potrei prima esaminare questi dati e poi eventualmente riassumerli per esaminare gli effetti della combinazione di fattori.
4. Di solito con i set di dati storici inizio con la regressione (minimi quadrati standard o logistica):
https://www.jmp.com/support/help/en/16.0/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/generalized-regression-models.shtml#
https://www.jmp.com/support/help/en/16.0/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/overview-of-the-nominal-and-ordinal-logistic-personalities.shtml
Hai un modello in mente? Hai pensato a quali fattori/combinazioni hanno senso? Hai ordinato in ordine di posizione gli effetti del modello? Inizierei con modelli del primo ordine e poi aumenterei con gli effetti di interazione.
5. Dopo aver "torturato i dati", pianificherei esperimenti progettati per replicare i risultati.
