Normaliser entre les essais à l'aide de témoinsJe dispose d'un ensemble de données de populations présentant une réponse. J'ai triplé l'expérience, ce qui me permet de disposer de trois essais de données, mais le taux de réponse varie probablement d'un essai à l'autre. Il s'agit d'un taux de réponse hypoxique, sensible à des facteurs comme l'humidité et la température, que je ne peux pas contrôler parfaitement.
Chaque essai comprend une population avec des traitements différents, ainsi que des témoins vectoriels vides.
Donc comme ça, mais avec environ 50 entrées pour chaque traitement/témoin par essai :
Réponse du procès
1 TraitementX 999
1 Contrôle 576
2 TraitementX 1111
2 Contrôle 700
3 TraitementX 700
3 Contrôle 350
Dans cet exemple, le traitement est toujours supérieur au contrôle, mais ce dernier varie considérablement. J'envisageais d'utiliser le test de Dunnett pour identifier les traitements différents du contrôle, mais je souhaite normaliser les données pour tenir compte des différences entre les jours d'essai. La taille des populations étant variable, je ne peux pas me contenter d'utiliser la moyenne totale quotidienne ; je devrais pouvoir utiliser mes contrôles pour normaliser chaque essai. Comment procéder dans JMP ?
Modélisation statistique avancéeAnalyse et modélisation des données de baseExploration et visualisation des donnéesPlan d'expériencesRe : Normaliser entre les essais à l'aide de témoinsS'il s'agit simplement de calculer le ratio (ou la différence) par essai, vous pouvez utiliser le module complémentaire de normalisation de https://marketplace.jmp.com/appdetails/Normalization+GUI
par exemple avec les paramètres :
- colonne à normaliser : Réponse
- fonction : rapport ou différence
- regroupement : par essai
- sous-ensemble : Contrôle
[L'agrégation par défaut est la médiane, qui fonctionne bien même avec un seul contrôle et est beaucoup plus rapide que les autres modes.]
