Re: Pruebas de Paralelismo para Grupos de Curvas 4PLHay mucho que desempacar aquí. Pero... para responder a su pregunta sobre "Si hay un valor atípico (una respuesta no paralela)... ¿afecta esto a todo el resultado? ". Sí, un mal actor puede rechazar (valor p <0,05, por ejemplo). tu prueba de paralelismo.Y, FWIW, esta es la forma "antigua" de determinar el paralelismo.La forma más apropiada es probar la equivalencia entre los parámetros del modelo (para el paralelismo en el modelo logístico 4p, esto es la tasa de crecimiento y las asíntotas). Esto se puede hacer a través de la opción Prueba de equivalencia en el menú desplegable del triángulo rojo de los resultados de la curva de ajuste. Allí, también puede definir sus límites de equivalencia para la relación (Límites de decisión, como se denominan en la plataforma Ajustar curva). Si lo desea, puede ver todas las comparaciones por pares (precaución: si tiene 20 curvas, son 190 comparaciones por pares) si realiza la prueba de equivalencia varias veces, ya que tiene que elegir una curva de referencia (la referencia estará en el denominador de todas intervalos de confianza para razones). Las pruebas de equivalencia prueban la equivalencia práctica (relación dentro de los límites de decisión) en lugar de una diferencia (como se prueba a través del valor p para el paralelismo). es decir, "¿son las curvas 'suficientemente paralelas' de modo que cualquier diferencia no tenga importancia práctica?" es la pregunta adecuada, en lugar de "¿son diferentes"?.Como dije, hay mucho que desempacar aquí; hay un montón de información disponible sobre pruebas de paralelismo, y vea adjunto una explicación bastante legible sobre los detalles.
Re: Pruebas de Paralelismo para Grupos de Curvas 4PLPara descomprimir esto un poco más; si tiene 20 curvas para comparar el paralelismo, solo el tamaño de la muestra aumentará tanto su potencia (concluyendo correctamente que no son paralelas) que puede obtener un valor p bajo (<0.05, digamos) cuando las diferencias entre el curvas es diminuto (real, pero diminuto y sin sentido).Esto a veces se llama un experimento dominado; es decir, en general, si tiene suficientes datos, aumenta las posibilidades de rechazar la hipótesis nula (la nula aquí es que las curvas son paralelas) porque los tamaños de muestra grandes pueden identificar diferencias pequeñas (y quizás insignificantes). Esta es otra buena razón para no usar ese método para probar el paralelismo.
Re: Pruebas de Paralelismo para Grupos de Curvas 4PLComo mínimo, la cuestión de las curvas paralelas es una verificación de que la unión de una muestra desconocida es la misma que la unión de una muestra conocida. ¿Cuál es el estándar en cada subconjunto? ¿Cuál es la naturaleza del resto del subconjunto? ¿Están las otras muestras del mismo analito en concentraciones desconocidas? ¿Son ensayos replicados?
Pruebas de paralelismo para grupos de curvas 4PLHola a todos,
Tengo lo que puede ser una pregunta muy ingenua: ¿es válido hacer pruebas de paralelismo en un grupo de curvas independientes (4PL en este caso) a la vez?
Tengo un subconjunto de datos de potencia donde todos los ajustes individuales son buenos.Los valores de p tanto para la prueba F como para Chi cuadrado están muy por debajo de 0,05... por lo que la prueba indica que no hay paralelismo.Ahora... lo que me pregunto, ¿es esto algo que debe hacerse en pares (es decir, iterativamente)?Si hay un valor atípico (una respuesta no paralela)... ¿afecta esto a toda la salida?Tengo alrededor de 20 curvas en cada subconjunto.
¡Gracias de antemano!
cris
Fusión y limpieza de datosIngeniería de Calidad y Procesos
