Wie Replikate im Functional Data Explorer behandelt werdenHallo,
Ich habe funktionelle Daten im Funktionsdaten-Explorer eingegeben. Es handelt sich um drei biologische Replikate von Absorptionsdaten über die Zeit, die das Wachstum eines Organismus dreifach über einen bestimmten Zeitraum anhand der Absorptionsmessung dokumentieren. Die Daten sind dicht gepackt, und ich habe in jedem Replikat alle 30 Minuten Messungen über 24 Stunden durchgeführt. Das bedeutet, dass für einen bestimmten Organismus drei Absorptionsmessungen zum gleichen Zeitpunkt, alle 30 Minuten, vorliegen. Ich habe viele Organismen und möchte eine FPCA durchführen, um sie anhand ihrer Absorptionsfunktionen zu gruppieren.
Ich frage mich, wie JMP und der Functional Data Explorer (von P-Splines bis PFCA) Replikate mit derselben ID verarbeiten. Bei der Modellierung der Daten sehe ich, dass die Modelle fast den Durchschnitt meiner drei Replikate verwenden (siehe Anhang).
Was genau passiert hier? Ich übergebe JMP alle 30 Minuten drei x-Werte und drei y-Werte. Müsste es dabei nicht eine Art Standardbehandlung geben, da dies fast so aussieht, als ob dies keine mögliche Eingabe für JMP sein sollte?
Vielen Dank im Voraus für Ihre Hilfe.
Fortgeschrittene statistische ModellierungDatenexploration und -visualisierungPrädiktive Modellierung und maschinelles LernenBetreff: Behandlung von Replikaten im Functional Data ExplorerHallo @MedianRooster42 ,
Willkommen in der Community!
Wenn Ihre Replikate dieselbe ID haben, betrachtet der Functional Data Explorer diese Läufe als dasselbe Experiment und modelliert die Ergebnisse mithilfe einer Mittelwertfunktion (oder versucht, die Datenpunkte zu interpolieren, falls zwischen den Experimenten unterschiedliche Zeitstempel/Verzögerungsmessungen vorlagen). Anders ausgedrückt in der JMP-Hilfe : „ Bei gestapelten Daten wird angenommen, dass alle Beobachtungen von einer Funktion stammen, wenn keine ID-Variable zugewiesen ist .“ (Dasselbe gilt, wenn mehreren Beobachtungen eine ID-Variable zugewiesen ist; auch hier wird angenommen, dass sie von einer Funktion stammen.)
Da es sich bei den Replikaten um unabhängige Läufe handelt, würde ich ihnen jeweils eine andere ID geben. Vielleicht könnten Sie eine Codierung wie Experiment A-1, Experiment A-2, Experiment A-3, ... oder etwas Ähnliches verwenden.
Aus experimenteller Sicht (unabhängige Läufe) und auch aus Modellierungssicht ist die Verwendung unterschiedlicher IDs sinnvoll: Alle Rohdaten bleiben unverarbeitet erhalten, und das Funktionsmodell wird für alle Experimente angepasst, unabhängig davon, ob es sich um Replikate handelt oder nicht. So lässt sich die Variabilität der Replikate anhand der Funktionszusammenfassungen , insbesondere der FPC-Werte, beurteilen. Diese Analysemethode ist auch dann sinnvoll, wenn Sie eine funktionale Versuchsplanung (Functional DOE Analysis) durchführen möchten: Beispiel für eine funktionale Versuchsplanung.
Ich hoffe, diese Antwort hilft Ihnen.
