Windows 11 > JMP 19 > Ajustar modelo > Mínimos cuadrados estándar > ¿Cómo manejar distribuciones de datos inusuales?Hola comunidad de JMP,
Estoy trabajando con recuentos celulares obtenidos de biopsias de tejido que presentan una distribución inusual: algunas biopsias no tienen células (recuento cero), mientras que otras tienen porcentajes bajos (véase el ejemplo a continuación). Una simple transformación Root Cube produce una distribución aceptable de recuentos distintos de cero, pero la distribución general de los datos transformados sigue estando sesgada hacia el cero.
Como era de esperar, si utilizo estos datos en un modelo de ajuste de mínimos cuadrados estándar, los residuos no siguen una distribución normal (véase más abajo).
¿Cuál sería su recomendación para comprobar si estos recuentos celulares están asociados con múltiples covariables, incluidas las interacciones?
Notas:
- La ausencia de células (recuento cero) tiene un significado científico.
- No puedo compartir fácilmente los datos reales debido a su carácter confidencial.
Gracias.
Atentamente,
TS
Modelado estadístico avanzadoAnálisis y modelado de datos básicosCombinación y limpieza de datosRe: Windows 11 > JMP 19 > Ajustar modelo > Mínimos cuadrados estándar > ¿Cómo manejar distribuciones de datos inusuales?Hola @Thierry_S ,
¿Tienes JMP Pro? Usando modelos de regresión generalizada, puedes especificar una de las distribuciones con exceso de ceros .
Creo que la distribución de Poisson con inflación de ceros podría funcionar con tus datos brutos de conteo. Si estás usando JMP, tal vez podrías dividir tu modelo en dos partes:
- Determinar cuándo el resultado es 0 o diferente de 0 (distribución binomial).
- En los casos en que los resultados sean distintos de cero, se ajusta un modelo estándar de mínimos cuadrados. Si es necesario, también se puede aplicar una transformación a los datos brutos, como la transformación de Box-Cox.
Espero que esta sugerencia te sea útil.
Re: Windows 11 > JMP 19 > Ajustar modelo > Mínimos cuadrados estándar > ¿Cómo manejar distribuciones de datos inusuales?Estimado Víctor,
Gracias por ayudarme con este problema. Lamentablemente, no tengo acceso a JMP Pro en este momento. Sin embargo, tengo acceso al Modelo Lineal Generalizado en JMP 19 "Básico", pero la Distribución de Poisson no parece ajustarse a todos los datos. De hecho, cuando el tipo de célula es más abundante, la distribución de la subpoblación distinta de cero tiende a aproximarse a una distribución normal.
Me pregunto si agrupar los datos como una variable ordinal podría ser útil en este caso.
Mejor,
TS
Re: Windows 11 > JMP 19 > Ajustar modelo > Mínimos cuadrados estándar > ¿Cómo manejar distribuciones de datos inusuales?Sí, dividiría la tarea en dos partes:
1. Determinar cuándo el resultado es 0 o diferente de 0 (distribución binomial).
2. En los casos en que los resultados sean distintos de cero, se ajusta un modelo estándar de mínimos cuadrados. Si es necesario, se puede aplicar una transformación a los datos brutos, como la transformación de Box-Cox.
Mejor,Re: Windows 11 > JMP 19 > Ajustar modelo > Mínimos cuadrados estándar > ¿Cómo manejar distribuciones de datos inusuales?Sin la experiencia de un experto, es difícil responder. Primero, ¿qué preguntas intenta responder? Segundo, ¿cuál es la fuente de datos? Tercero, ¿qué tan seguro está del sistema de medición? ¿Hay otras medidas que pueda tomar? ¿Qué tan seguro está de que el proceso para tomar las biopsias es consistente? ¿Qué modelo está intentando ajustar? Considere si divide los datos (como sugirió Victor), la pregunta que debe hacerse es si hay diferentes factores responsables de afectar los recuentos de células que los factores que no afectan a las células. Si es así, tendría sentido tener las dos Y (2 categorías, binomial) y recuentos de células continuos para los datos.
