Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesBonjour,
S'il vous plaît, permettez-moi de poser une question stupide.
Je viens de réaliser que les valeurs de l'axe Y du profileur de prédiction ne correspondent pas aux données réelles.
J'ai exécuté une analyse factorielle avec des données réelles et j'avais des profileurs de prédiction.
Lorsque j'ai comparé les données réelles avec les valeurs de prédiction, les valeurs sont différentes.
Par exemple, j'ai des données réelles de 5 % pour 100 g de A, 50 g de B et 100 ug de condition C. Cependant, sur les profileurs de prédiction avec la même condition, la valeur est de 20 %.
Dans ce cas, comment puis-je analyser et utiliser les profileurs de prédiction ? et mes profileurs de prédiction sont-ils fiables ?
Mes excuses pour le manque d'exemples ou de captures d'écran. Je ne suis pas autorisé à partager mes données.
Bonne année!
Exploration et visualisation des donnéesIngénierie de la qualité et des procédésRe : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesIl me semble que vous recherchez des diagrammes de dispersion de vos données. Les systèmes compliqués avec de nombreux facteurs/variables indépendantes nécessiteront naturellement une analyse plus sophistiquée. Avec plusieurs facteurs changeants, un simple nuage de points peut masquer les effets.
Voici un autre exemple simple :
X1 X2 Oui
10 1 80
10 2 90
20 1 90
20 2 80
Un graphique de ces données montre que X1 n'a aucun impact :
Mais c'est naïf. Si je colore les points en fonction de X2, j'obtiens une image très différente (ce qui vous permet de voir comment Fit Y by X peut montrer des synergies -- vous pouvez utiliser l'option Group By dans Fit Y by X pour obtenir un autre variable):
X1 a un effet, cela dépend simplement de la valeur de X2 pour le voir. Mais que se passe-t-il si vous avez TROIS facteurs (par exemple, un X3) ? La coloration des points deviendra plus complexe et rendra les relations difficiles à voir.
Il ne suffit pas de tracer les données. Vous devez passer à une approche de modélisation.
Même votre commentaire sur mon tout premier exemple de vouloir que le profileur dise que la réponse est 90-94 (au fait, que prédiriez-vous réellement ?) Lorsque X = 10 ou peut-être plus large en fonction des intervalles de confiance. Ces intervalles de confiance sont basés sur un modèle. Travailler avec un état d'esprit de modélisation rendra les graphiques beaucoup plus clairs (le profileur donne une prédiction réelle). Les modèles s'étendent naturellement à des situations plus compliquées et à des ensembles de données plus volumineux, ce que les graphiques des données brutes ne peuvent pas faire (ou du moins ne font pas bien). Les modèles QUANTIFIERONT l'ampleur des effets synergiques et fourniront une méthode pour TESTER s'ils sont significatifs ou supérieurs à l'erreur aléatoire dans les données. De bons modèles vous permettent d'explorer les scénarios "et si" sans avoir à faire constamment plus de tests en laboratoire.
Je recommande l'approche de modélisation avec des graphiques du modèle plutôt que des graphiques des données brutes uniquement. Les modèles vous donneront plus d'informations sur ce que les données vous disent. Travaillez à améliorer votre modèle plutôt que de chercher une autre façon de « représenter graphiquement les données ». Si les modèles ne vous disent pas grand-chose, les données n'ont peut-être pas grand-chose à dire. C'est là que vous pouvez considérer des choses telles que peut-être que l'erreur de mesure n'a pas été correctement prise en compte ou que les plages de vos facteurs n'étaient pas assez larges pour démontrer les effets variables. Bonne chance dans votre voyage pour obtenir des informations sur vos données !
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesVous devez utiliser un modèle avec les termes A, B et A*B afin d'estimer et de tester les effets des facteurs A et B. Vous ne pouvez pas utiliser un tel modèle avec l'une des quatre plates-formes lancées par la boîte de dialogue Fit Y by X. Vous devez utiliser la boîte de dialogue Ajuster le modèle pour lancer l'une des personnalités d'ajustement disponibles avec le prédicteur linéaire qui inclut le terme de l'interaction.
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesMerci de m'avoir conseillé ! J'ai mieux compris.
Je m'attendais à ce que les profileurs de prédiction aient des points de données réels, par exemple :
XY
10 90
10 94
20 70
20 74
Ensuite, sur les profileurs de prédiction, si je fixe X pour 10, alors Y serait compris entre 90 et 94 ou pourrait être plus large avec ses intervalles confidentiels.
Mais lorsque j'ai tapé le point de données réel, les valeurs Y sont très éloignées des valeurs observées. J'ai fait deux expériences pour avoir plus de points de données (X et Y) dans la plage (par exemple : X ; 10, 12, 14, 16, 18 et 20) mais les valeurs de prédiction sont toujours très éloignées des valeurs observées .
Les données de mes expériences portent sur la survie des cellules en réponse aux effets synergiques de plusieurs médicaments.
J'aimerais pouvoir utiliser le Fit Y by X. Je pense que ça marcherait pour le mieux.
Existe-t-il un moyen d'utiliser Fit Y by X pour plusieurs X et d'analyser les effets synergiques ?
Salutations,
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesJe voudrais revenir ici sur quelque chose que vous avez mentionné plus tôt. Vous vouliez utiliser le profileur sur des "données réelles". Pour être clair, ce n'est pas vraiment possible. Pensez à cet exemple simple :
XY
10 90
10 94
20 70
20 74
À quelle valeur de Y le profileur doit-il se trouver lorsque X=10 ? Le choix logique est 92, mais c'est la moyenne attendue pour la réponse basée sur un modèle. De même, quelle devrait être la valeur Y lorsque X=15 ? Pas moyen d'obtenir ça sans modèle.
Ainsi, le processus abrégé approprié, à un niveau très élevé, consiste à :
1) Collectez vos données (il devrait y avoir de nombreuses étapes avant cela pour s'assurer que les données appropriées sont collectées de la manière appropriée, etc.).
2) Ajustez un modèle à vos données (le modèle sera basé sur l'étape 1 et toutes vos hypothèses et problèmes discutés avant l'étape 1),
3) Évaluez l'ajustement de votre modèle. Si le modèle ne s'adapte pas bien, vous ne devez pas utiliser le profileur car il ne sera pas précis.
4) Si le modèle s'adapte bien, utilisez le profileur pour générer des prédictions.
5) **** ÉTAPE TRÈS IMPORTANTE ***** VÉRIFIEZ que le modèle prédit les données futures. Votre modèle peut correspondre aux données utilisées pour créer le modèle -- il doit être basé sur l'étape 3. Mais prédira-t-il les observations futures ? Je ne sais pas tant que vous ne l'avez pas vérifié. Il existe plusieurs approches possibles pour ce faire en fonction de la situation et des circonstances, mais ce sont des sujets couverts dans de nombreux livres sur la modélisation prédictive.
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesMerci! J'ai aussi essayé différentes transformations. Bizarrement, la transformation réciproque montre des valeurs de prédiction proches des valeurs observées.
J'ai vérifié chaque équation, mais l'inverse n'a pas de sens pour les données sur la toxicité des médicaments.
Cela signifie-t-il que mes profileurs de prédiction ne seraient pas applicables aux futures données expérimentales ?
Je laisse le lien pour l'aide JMP pour les colonnes de transformation pour la future référence
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 : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesVous pouvez essayer d'appliquer la transformation Logit dans la boîte de dialogue de lancement Fit Model à la réponse. Assurez-vous que les valeurs numériques réelles des données sont comprises entre 0 et 1, et non entre 0 et 100 %. Vous pouvez saisir des valeurs de 0 à 1, puis modifier le format (sélectionnez Cols > Infos sur la colonne > Format > Pourcentage) pour afficher 0 % à 100 %.
La fonction Logit devrait rendre la régression linéaire heureuse (elle suppose que -infini < Y < infini) mais la transformation arrière sera limitée à 0 à 1.
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesOui, ce sont les Fit Lease Squares. Mes excuses pour la confusion.
Oui, je regarde le pourcentage de réponse (si combien de % de cellules sont vivantes ou mortes) après des facteurs continus de A, B et C.
Il y a des effets synergiques des médicaments mais nous ne savons pas que les effets sont des corrélations linéaires ou non linéaires
J'ai des questions de suivi
1. Même si je fais les profileurs de prédiction avec les données observées, les profileurs de prédiction seraient différents ? (Les profileurs montrent de très petits intervalles confidentiels mais les valeurs observées sont hors de la plage)
2. Je veux savoir comment réparer ces profileurs. Pourriez-vous s'il vous plaît me conseiller comment faire cela?
Salutations,
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesLe profileur de prédiction est basé sur un modèle, soit le modèle actuel dans l'une des plates-formes d'ajustement, soit un modèle qui a été enregistré en tant que formule de colonne. Voulez-vous dire par "analyse factorielle" que vous avez utilisé la plate-forme d'ajustement Fit Least Squares et ouvert le profileur de prédiction dans cette plate-forme ?
En supposant que votre réponse est "oui", alors deux réflexions :
- Les prédictions correspondent rarement aux valeurs observées car l'observation inclut une erreur statistique (individuelle) et la prédiction est la réponse moyenne attendue.
- si la différence semble anormalement grande, alors peut-être que votre modèle est biaisé ou que les estimations des paramètres sont biaisées.Modélisez-vous le pourcentage de réponse par rapport aux facteurs continus A, B et C, ou les traitez-vous comme des facteurs catégoriels ? Y a-t-il une interaction ou un effet non linéaire sur la réponse qui n'est pas modélisé ?
