Hilfe bei der Probit-AnalyseHallo alle,
Ein Kunde aus der Genetik hat mir einige anonymisierte Daten geschickt und ist an einer Probit-Analyse interessiert.
Es scheint, dass sie zunächst die Verteilung herausfinden und diese Informationen irgendwie nutzen müssen, um eine Probit-Analyse der Daten durchzuführen.
Ich weiß nicht, was ich tun soll, um loszulegen. Kann mir jemand helfen?
Hier ist die E-Mail:
„Hier ist eine anonymisierte Ergebnistabelle für die LoD-Verarbeitung:
Getestete Konzentrationen
|
Positive Replikate (N)
|
Gesamtzahl der Replikate (N)
|
5
|
21
|
21
|
1.667
|
20
|
21
|
0,556
|
12
|
21
|
0,185
|
2
|
21
|
0,0062
|
4
|
21
|
Für die LoD-Bestimmung möchten wir wissen, welches Vorhersagemodell wir bei der Durchführung der Probit-Analyse verwenden sollten. Bevor wir JMP verwendeten, verwendeten wir Minitab, das die Vorhersagemodelle Weibull, LogNormal und LogLogistic anbot, und wir konnten diese auf JMP nicht finden. "
Danke.
Elodie
Betreff: Hilfe bei der Probit-AnalyseHallo Elodie,
Fit Curve oder Fit GLMM werden einiges von dem tun, wonach sie suchen – eine Mischung aus Probit-, Logit- und Weibull-Wachstumsmodellen (siehe Skripte in der beigefügten Tabelle). Ich frage mich, ob die anderen beiden Optionen durch eine logarithmische Transformation der Konzentrationsvariablen und dann durch die Anwendung der Probit/Logistic-Modelle erreicht werden?
Malcolm
Betreff: Hilfe bei der Probit-AnalyseSie können GLM in „Modell anpassen“ verwenden, um ein Probit mit Binomialfehlern anzupassen.
Betreff: Hilfe bei der Probit-AnalyseHinweis: GLMM verfügt in JMPPro 18 über den Probit-Link für die Binomialverteilung (was vermutlich der Fall ist, wenn N positive aus N Replikaten vorhanden sind). Die Lognormalverteilung wurde in Version 18 auch zu GLMM hinzugefügt.
Aber wie es scheint, haben sie keine Zufallseffektmerkmale, die ein gemischtes Modell (aus dieser Datentabellenstichprobe) erfordern. @jiancao Der Zeiger von GLM würde wahrscheinlich funktionieren und ist jetzt verfügbar.
Betreff: Hilfe bei der Probit-AnalyseVielen Dank @malcolm_moore1 , @eclaassen Und @jiancao , es war wirklich hilfreich.
