Busque efectos importantes de múltiples variables nominales con 1 respuesta continua, utilizando datos históricosHola,
Soy nuevo en JMP y estoy aprendiendo sobre análisis estadístico. Me gustaría recibir algunos consejos sobre lo que estoy tratando de lograr.
Digamos que estoy trabajando en la expresión de una proteína utilizando una bacteria.
Tengo una respuesta: Rendimiento (mg/mL)
Tengo múltiples elementos (nominales) que regulan la expresión en las bacterias:
- Tipo de promotores de expresión: PromA, PromB, PromC, PromD, ... etc (tengo más de 20 opciones)
- Tipo de terminador: Término1, Término2, Término3, Término4, Término5
- Tipo de bacterias: BactX, BactY, BactZ.
He expresado la proteína usando muchas de las combinaciones posibles de Promotores, Terminadores y Bacterias, y he medido el rendimiento para cada prueba. La mayoría de las combinaciones se probaron varias veces (de 3 a 50 réplicas por combinación)
Ya tengo muchos datos y me gustaría buscar efectos y relaciones importantes entre las variables para explicar cómo maximizar los rendimientos. No utilicé la función DOE para crear el experimento, estos son datos históricos.
¿Alguna pista sobre cómo debo proceder? Estaré encantado de ver vídeos o leer tus sugerencias.
Gracias !
Investigación de Consumidores y MercadosDiseño de experimentosRe: Detectar efectos importantes de múltiples variables nominales con 1 respuesta continua, utilizando datos históricosOtro pequeño consejo... Antes de realizar un examen estadístico de los datos, asegúrese de que los datos cumplan con un umbral de significancia práctica. ¿Es la variación en la medición suficiente para justificar algún análisis adicional? Si es así, primero MIRA los datos. Utilice el generador de gráficos para buscar patrones en los datos y posibles asociaciones con las variables independientes. Examine también las repeticiones para verificar la coherencia antes de resumirlas (pruebe con gráficos de rango simples).Re: Detectar efectos importantes de múltiples variables nominales con 1 respuesta continua, utilizando datos históricosHola @HadleyMyers ,
Esto es EXACTAMENTE lo que estoy tratando de lograr. Estoy un poco desanimado por no poder usar JMP Pro, pero ciertamente ayuda ver cómo procesan los datos. Gracias !
Re: Detectar efectos importantes de múltiples variables nominales con 1 respuesta continua, utilizando datos históricosHola estatista,
1. Hay muchas variables no controladas porque trabajamos con sistemas vivos. La medida real es muy precisa pero la expresión puede variar de un lote a otro.
2. Son puntos de datos independientes de repeticiones que se realizaron por separado semana tras semana.
3. He resumido los datos y actualmente estoy trabajando en el rendimiento promedio para cada combinación. Analizaré esto más a fondo antes de abordar cada punto de datos.
4. Tengo muy poca experiencia con análisis estadístico y realmente no entiendo los diferentes modelos, así que tengo mucho que aprender. Comenzaré con los enlaces que compartiste. Por lo que he visto, puedo ver que tendría sentido empezar por ahí.
5. Buen consejo. Sin duda querré utilizar DOE para replicar/confirmar los resultados.
Gracias !
Re: Detectar efectos importantes de múltiples variables nominales con 1 respuesta continua, utilizando datos históricosHola,
El video aquí describe una situación muy similar a la suya.Utiliza la plataforma Model Screening en JMP Pro 16, pero incluso si aún no tiene JMP Pro, esto puede ayudarlo a comenzar su análisis.
Re: Detectar efectos importantes de múltiples variables nominales con 1 respuesta continua, utilizando datos históricosBienvenido a la comunidad @Marie-Eve ! Sólo algunas reflexiones:
1. ¿Qué confianza tiene en el sistema de medición?
2. ¿Los resultados múltiples para combinaciones similares son repeticiones o réplicas (son puntos de datos independientes o no)?
3. Podría mirar esos puntos de datos primero y luego resumirlos para observar los efectos de la combinación de factores.
4. Por lo general, con conjuntos de datos históricos comienzo con Regresión (Mínimos Cuadrados estándar o Logística):
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
¿Tienes algún modelo en mente? ¿Has pensado qué factores/combinaciones tienen sentido? ¿Ha ordenado por rango los efectos del modelo? Comenzaría con modelos de primer orden y luego aumentaría con efectos de interacción.
5. Después de haber "torturado los datos", planificaría experimentos diseñados para replicar los resultados.
