Come osservare la variabilità in questi datiAbbiamo effettuato misurazioni in piastre a 96 pozzetti duplicati (quindi 96 campioni diversi equamente divisi in due piastre). Vogliamo stimare la variabilità tra le piastre.Mi sembra che ci siano due importanti fonti di variabilità, una legata al tempo poiché una lastra è stata misurata in un momento diverso e quindi tutti i campioni probabilmente si sono degradati allo stesso modo in quella lastra e un'altra correlata ad altre differenze tra i duplicati.
Abbiamo appena preso la % CV per ogni duplicato e abbiamo esaminato la % CV media o mediana. C'è un modo migliore per vedere in che modo le lastre sono diverse con JMP? Inoltre, non mi sembra che "1-r2" (variazione non spiegata) della correlazione tra le piastre sia il modo giusto per calcolarlo.
Ri: Come guardare la variabilità in questi datiGrazie Marco. Questo aiuta molto.
Ri: Come guardare la variabilità in questi datiLa stima per 96 Plate = Var1B_1 è -0,063997 (al di sotto della media complessiva), quindi l'effetto totale tra la seconda e la prima lastra è +0,127994. Questo risultato è coerente con la tua ipotesi di degrado nel tempo?
Ri: Come guardare la variabilità in questi datiops eccolo:
Ri: Come guardare la variabilità in questi datiNon hai mostrato lo schema delle stime dei parametri. La stima per 96 Plate sarà la differenza per il primo piatto dall'intercettazione (grande media). L'altra lastra ha il negativo di questa stima, quindi l'effetto totale (differenza tra le lastre) è il doppio della stima mostrata.
L'RMSE=0.146308 è la deviazione standard dei replicati.
Ri: Come guardare la variabilità in questi datiGrazie Marco.
Nota: i duplicati si trovano nella stessa posizione (numero pozzetto) in ciascuna piastra. Nel caso in cui questo faccia la differenza per l'analisi.
Ho provato a replicare quello che hai fatto con il modello fit e ho ottenuto quanto segue:
Immagino che questo dica che c'è una differenza significativa tra i duplicati nelle due lastre? siamo in grado di dire quanto in confronto alla variazione da pozzo a pozzo in ogni piatto?Grazie
Ri: Come guardare la variabilità in questi datiHo provato a ricreare il tuo design. Invece del campione, ho utilizzato due fattori categorici: uno per le colonne della piastra (8 livelli) e un altro per le righe della piastra (12 livelli) per produrre 96 campioni. Ho aggiunto un fattore per il piatto (2 livelli).
Ho aggiunto un termine per un potenziale effetto di interazione tra la colonna della piastra e la riga della piastra.
Ho realizzato un progetto per 192 corse. Ho creato una tabella e ho ordinato le esecuzioni per piastra, riga di piastra e colonna di piastra. (Normalmente randomizzerei le corse ma è diverso con una piastra.) Ho simulato la tua risposta con una semplice distribuzione normale standard (tutti gli effetti sono nulli) per illustrare l'analisi. Ho fatto clic sul triangolo verde accanto allo script della tabella del modello.Ho fatto clic su Esegui.
Utilizzare i test degli effetti per decidere se gli effetti fissi dei pozzetti sono statisticamente significativi. Utilizzare l'Analisi della varianza per decidere se il modello, nel suo insieme, è statisticamente significativo. Utilizzare l'errore quadratico medio (RMSE) come stima aggregata della deviazione standard del campione.
