Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesHola,
Por favor, permítame hacer una pregunta estúpida.
Me acabo de dar cuenta de que los valores del eje Y del generador de perfiles de predicción no coinciden con los datos reales.
Ejecuté un análisis factorial con datos reales y tenía perfiladores de predicción.
Cuando comparé los datos reales con los valores de predicción, los valores son diferentes.
Por ejemplo, tengo datos reales del 5 % para 100 g de A, 50 g de B y 100 ug de condición C. Sin embargo, en los perfiladores de predicción con la misma condición, el valor es del 20 %.
En este caso, ¿cómo puedo analizar y utilizar perfiladores de predicción? y ¿son fiables mis generadores de perfiles de predicción?
Mis disculpas por la falta de ejemplos o capturas de pantalla. No estoy autorizado a compartir mis datos.
¡Feliz año nuevo!
Exploración y visualización de datosIngeniería de Calidad y ProcesosRe: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesMe parece que está buscando diagramas de dispersión de sus datos. Los sistemas complicados con muchos factores/variables independientes naturalmente requerirán un análisis más sofisticado. Con múltiples factores cambiantes, un diagrama de dispersión simple puede ocultar los efectos.
Aquí hay otro ejemplo simple:
X1 X2 Y
10 1 80
10 2 90
20 1 90
20 2 80
Una gráfica de estos datos muestra que X1 no tiene impacto:
Pero esto es ingenuo. Si coloreo los puntos en función de X2, obtengo una imagen muy diferente (que es una forma de ver cómo Ajustar Y por X puede mostrar sinergias; puede usar la opción Agrupar por en Ajustar Y por X para obtener uno adicional). variable):
X1 tiene un efecto, solo depende de cuál sea el valor de X2 para verlo. Pero, ¿y si tienes TRES factores (por ejemplo, un X3)? La coloración de los puntos se volverá más compleja y hará que las relaciones sean difíciles de ver.
No basta con graficar los datos. Necesita cambiar a un enfoque de modelado.
Incluso su comentario sobre mi primer ejemplo de querer que el generador de perfiles diga que la respuesta es 90-94 (por cierto, ¿qué predeciría realmente?) Cuando X = 10 o tal vez más amplio según los intervalos de confianza. Esos intervalos de confianza se basan en un modelo. Trabajar con una mentalidad de modelado hará que los gráficos sean mucho más claros (el generador de perfiles da una predicción real). Los modelos naturalmente se extienden a situaciones más complicadas y conjuntos de datos más grandes que los gráficos de los datos sin procesar no pueden hacer (o al menos no hacer bien). Los modelos CUANTIFICARÁN qué tan grandes son los efectos sinérgicos y proporcionarán un método para PROBAR si son significativos o más grandes que el error aleatorio en los datos. Los buenos modelos le permiten explorar los escenarios hipotéticos sin tener que realizar constantemente más pruebas en un laboratorio.
Recomiendo el enfoque de modelado con gráficos del modelo en lugar de gráficos de solo los datos sin procesar. Los modelos le darán más información sobre lo que le dicen los datos. Trabaje en mejorar su modelo en lugar de buscar una forma diferente de "graficar los datos". Si los modelos no le dicen mucho, es posible que los datos no tengan mucho que decir. Ahí es donde puede considerar cosas como que quizás el error de medición no se haya tenido en cuenta correctamente o que los rangos de sus factores no fueran lo suficientemente amplios para demostrar los efectos variables. ¡Buena suerte en su viaje para lograr algunos conocimientos en sus datos!
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesDebe usar un modelo con términos A, B y A*B para estimar y probar los efectos de los factores A y B. No puede usar dicho modelo con ninguna de las cuatro plataformas iniciadas por el cuadro de diálogo Ajustar Y por X. Debe usar el cuadro de diálogo Ajustar modelo para iniciar una de las personalidades de ajuste disponibles con el predictor lineal que incluye el término para la interacción.
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos reales¡Gracias por aconsejarme! entendí mejor.
Esperaba que los generadores de perfiles de predicción tuvieran puntos de datos reales, por ejemplo:
XY
10 90
10 94
20 70
20 74
Luego, en los generadores de perfiles de predicción, si configuro X para 10, entonces Y estaría en el rango de 90-94 o podría ser más amplio con sus intervalos confidenciales.
Pero cuando escribí el punto de datos real, los valores Y se desviaron mucho de los valores observados. Hice dos experimentos para tener más puntos de datos (X e Y) dentro del rango (por ejemplo: X; 10, 12, 14, 16, 18 y 20) pero aún así los valores de predicción están muy lejos de los valores observados. .
Los datos de mi experimento están investigando la supervivencia celular en respuesta a los efectos sinérgicos de múltiples fármacos.
Ojalá pudiera usar el Fit Y by X. Creo que eso funcionaría mejor.
¿Hay alguna forma en que pueda usar Fit Y by X para múltiples X y analizar los efectos sinérgicos?
Saludos,
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesMe gustaría intervenir aquí en algo que mencionaste anteriormente. Quería usar el generador de perfiles en "datos reales". Para ser claros, eso no es realmente posible. Piensa en este sencillo ejemplo:
XY
10 90
10 94
20 70
20 74
¿A qué valor de Y debería estar el perfilador cuando X=10? La opción lógica es 92, pero esa es la media esperada para la respuesta basada en un modelo. De manera similar, ¿cuál debería ser el valor de Y cuando X=15? No hay forma de conseguir eso sin un modelo.
Entonces, el proceso abreviado apropiado, en un nivel muy alto, es:
1) Recopile sus datos (debe haber muchos pasos antes de esto para garantizar que los datos adecuados se recopilen de la manera adecuada, etc.).
2) Ajuste un modelo a sus datos (el modelo se basará en el paso n.° 1 y todas sus suposiciones y problemas discutidos antes del paso 1),
3) Evalúe el ajuste de su modelo. Si el modelo no se ajusta bien, no debe usar el perfilador porque no será preciso.
4) Si el modelo se ajusta bien, use el generador de perfiles para generar algunas predicciones.
5) **** PASO MUY IMPORTANTE ***** VERIFICAR que el modelo predice los datos futuros. Su modelo puede ajustarse a los datos utilizados para construir el modelo; debería basarse en el paso n.º 3. Pero, ¿predecirá observaciones futuras? No lo sé hasta que lo verifiques. Hay varios enfoques posibles para hacer esto según la situación y las circunstancias, pero esos serían temas tratados en muchos libros sobre modelos predictivos.
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos reales¡Gracias! Probé diferentes transformaciones también. Extrañamente, la transformación recíproca muestra valores de predicción cercanos a los valores observados.
Revisé cada ecuación pero el recíproco no tiene sentido para los datos de toxicidad de drogas.
¿Significa esto que mis generadores de perfiles de predicción no serían aplicables a los datos experimentales futuros?
Dejo el enlace para la ayuda de JMP para las columnas de Transformación para la referencia futura
https://www.jmp.com/support/help/en/15.2/?os=win&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/transform-columns.shtml
.
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesPuede intentar aplicar la transformación Logit en el cuadro de diálogo de inicio Ajustar modelo a la respuesta. Asegúrese de que los valores de los datos numéricos reales sean de 0 a 1, no de 0% a 100%. Puede ingresar valores de 0 a 1 y luego cambiar el formato (seleccione Columnas > Información de columna > Formato > Porcentaje) para ver 0% a 100%.
La función Logit debería hacer feliz la regresión lineal (supone que -infinito < Y < infinito) pero la transformación inversa se limitará a 0 a 1.
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesSí, son los Fit Lease Squares. Mis disculpas por la confusión.
Sí, estoy viendo el porcentaje de respuesta (ya sea el porcentaje de células vivas o muertas) después de factores continuos de A, B y C.
Hay efectos sinérgicos de las drogas, pero no sabemos si los efectos son correlaciones lineales o no lineales.
tengo preguntas de seguimiento
1. Incluso si hago los perfiladores de predicción con los datos observados, ¿los perfiladores de predicción serían diferentes? (Los generadores de perfiles muestran intervalos confidenciales realmente pequeños, pero los valores observados están fuera del rango)
2. Quiero saber cómo puedo solucionar este generador de perfiles. ¿Podría por favor aconsejarme cómo hacer eso?
Saludos,
Re: Los valores de predicción del generador de perfiles de predicción no coinciden con los datos realesEl generador de perfiles de predicción se basa en un modelo, ya sea el modelo actual en una de las plataformas de ajuste o en un modelo que se guardó como una fórmula de columna. ¿Quiere decir con "análisis factorial" que usó la plataforma de ajuste Fit Least Squares y abrió el generador de perfiles de predicción en esa plataforma?
Asumiendo que su respuesta es "sí", entonces dos pensamientos:
- Las predicciones rara vez coinciden con los valores observados porque la observación incluye un error estadístico (individual) y la predicción es la respuesta media esperada.
- si la diferencia parece inusualmente grande, quizás su modelo esté sesgado o las estimaciones de los parámetros estén sesgadas.¿Está modelando el porcentaje de respuesta frente a los factores continuos A, B y C, o los está tratando como factores categóricos? ¿Hay una interacción o un efecto no lineal en la respuesta que no está modelado?
