Voglio capire come mai il punteggio robusto è sempre +- 2,5. In che modo è migliore del grafico a vulcano e un principio dettagliato alla base di questa modifica nell'aggiornamento JMP18 da JMP 8.
Ciao!
L'idea principale è che i soggetti identificati come anomali nelle analisi multivariate siano generalmente considerati tali anche nelle analisi univariate, o almeno siano rilevabili in una o più dimensioni univariate.
Il report Outliers identifica potenziali valori anomali utilizzando un algoritmo di rilevamento univariato applicato a test individuali all'interno dei domini dei risultati. Per ogni risultato vengono calcolati punteggi robusti, basati sulla metodologia di Rousseeuw e Hubert (2011). Le osservazioni con punteggi robusti superiori a 2,5 o inferiori a -2,5 vengono contrassegnate come potenziali valori anomali.
Facendo riferimento a Rousseeuw e Hubert (2011), i punteggi robusti sono calcolati come (x_i - mediana)/MAD, che è simile al formato dei punteggi z. Il valore 2,5 è un valore di riferimento suggerito. Abbiamo scelto 2,5 poiché i punteggi oltre ±2,5 corrispondono approssimativamente a punti dati più estremi di circa il 98-99% di un set di dati distribuito normalmente.
Questi punteggi robusti sono riassunti per sito di studio nella Figura 2, intitolata "Valori anomali univariati per sito di studio". Questa visualizzazione consente agli utenti di identificare rapidamente i valori anomali in ogni sito. Ulteriori dettagli sono accessibili passando il mouse sui singoli punti nel grafico o selezionando i punti e visualizzando le tabelle associate (mostra tabelle).
Gli attuali boxplot mostrano punteggi robusti per categoria, evidenziando visivamente la distribuzione, la mediana e i valori anomali all'interno di ciascun gruppo. A differenza di un grafico a vulcano, che si concentra principalmente sulla magnitudo rispetto alla significatività (ad esempio, fold-change rispetto al valore p), il boxplot visualizza direttamente la variazione a livello di categoria ed evidenzia i singoli valori anomali in modo esplicito, rendendo più semplice e intuitivo il rilevamento e il confronto dei valori anomali robusti tra le categorie.
Fateci sapere se avete altre domande! Saremo lieti di discuterne!
