Salut tout le monde,
est-il possible d'afficher les courbes de confiance dans la nouvelle option de passage de bablok dans l'ajustement y par x ?
Lorsque je l'ai essayé, l'option était toujours grisée. Peut-être y a-t-il une solution? Demander un client.
merci, Jonas
Merci à vous deux pour les réponses. Je transmettrai l'information la semaine prochaine.
Merci pour votre réponse @peng_liu .
Le calcul des courbes de confiance pour Passing Bablok est un sujet de recherche en cours pour l'équipe de développement. Selon le développeur, "o Une fois que nous avons déterminé quelle méthode nous devons utiliser, comme l'utilisation du bootstrap ou de l'intervalle de confiance des estimations des paramètres, je l'implémenterai JMP18.0."
Il est intentionnellement désactivé. Je ne sais pas s'il existe un consensus sur la manière dont les intervalles doivent être calculés pour ce modèle. Je ne vois pas s'ils sont définis sans ambiguïté, en termes d'intervalle de confiance traditionnel des valeurs ajustées et d'intervalles de prédiction des valeurs de variables explicatives données. Ce modèle n'est pas défini sur une théorie probabiliste.
Mais cela ne veut pas dire que nous ne pouvons rien faire. Il y a une chose que je vois que les gens font est d'utiliser le bootstrap, qui est un moyen de définir au moins les intervalles de confiance des valeurs ajustées dans un certain sens.
Voici les étapes :
J'utilise "Method Comparison.jmp" parmi des exemples d'ensembles de données.
Utilisez ce script pour obtenir un rapport :
Bivariate(
Y( :Method 1 ),
X( :Standard ),
Fit Passing Bablok( {Equality Line( 1 ), Line Color( {212, 73, 88} )} )
);
Dans le rapport, faites un clic droit sur le rapport d'estimation et choisissez Bootstrap. Cela devrait être une fonctionnalité standard dans JMP17. Dans le passé, il fallait Pro.
Dans la boîte de dialogue, je recommande de cocher la première case et d'augmenter le nombre d'échantillons si vous le souhaitez pour obtenir une meilleure précision. Alors ok.
Vous obtenez une table qui ressemble à ceci. L'origine est l'origine, Standard est la pente.
Créez une colonne de formules et mon exemple explique automatiquement ce qu'est la formule.
Exécutez Distribution sur cette colonne et lisez les quantiles pour obtenir l'intervalle de confiance pour la valeur ajustée à Standard = 100.
Puisqu'il s'agit de Passing-Bablok, les intervalles doivent être définis dans les deux sens : X et Y. Ensuite, il faut définir une formule réciproque comme la suivante, qui est la valeur X ajustée étant donné Y. Ainsi, exécutez la distribution sur cette colonne et le résultat est l'intervalle de confiance de X ajusté étant donné Y.
Je viens de recevoir la même question. Merci à vous tous pour l'information. En attente de l'implémentation dans JMP 18.
