Cómo se tratan las réplicas en el Explorador de datos funcionalesHola,
Tengo datos funcionales que he introducido en el explorador de datos funcionales. Tengo tres réplicas biológicas de datos de absorbancia a lo largo del tiempo, que muestran el crecimiento de un organismo por triplicado mediante una medición de absorbancia. Se trata de datos densos, y tengo mediciones en cada réplica cada 30 minutos durante 24 horas. Esto significa que, para un organismo dado, tengo tres mediciones de absorbancia tomadas en el mismo punto temporal, cada 30 minutos. Tengo muchos organismos y quiero ejecutar un FPCA para agruparlos en función de las funciones de absorbancia.
Me preguntaba cómo JMP y el explorador de datos funcionales (desde p-splines hasta PFCA) manejan las réplicas ingresadas con el mismo ID. Al modelar los datos, observo que los modelos prácticamente calculan el promedio de mis tres réplicas (ver archivo adjunto).
¿Qué está sucediendo exactamente? Le estoy proporcionando a JMP tres valores x y tres valores y en intervalos de 30 minutos, así que seguramente debería haber algún tipo de tratamiento estándar al hacerlo, ya que esto casi parece que no debería ser una entrada posible para JMP.
Gracias de antemano por su ayuda.
Modelado estadístico avanzadoExploración y visualización de datosModelado predictivo y aprendizaje automáticoRe: Cómo se tratan las réplicas en el Explorador de datos funcionalesHola @MedianRooster42 ,
¡Bienvenidos a la comunidad!
Si las réplicas tienen el mismo ID, el Explorador de datos funcionales considerará estas ejecuciones como el mismo experimento y modelará los resultados mediante una función promedio (o intentará interpolar a través de los puntos si hubo una marca de tiempo/medición de retardo diferente entre experimentos). O dicho de otra manera en la Ayuda de JMP : " Para datos apilados, si no se asigna ninguna variable de ID, se asume que todas las observaciones provienen de una sola función " (y ocurre lo mismo si se asigna una variable de ID a varias observaciones; se asume que provienen de una sola función).
Las ejecuciones replicadas son independientes, así que les asignaría un ID diferente. Podrías pensar en una codificación como Experimento A-1, Experimento A-2, Experimento A-3, ... o algo similar.
Desde un punto de vista experimental (ejecuciones independientes) y de modelado, tiene sentido proporcionar una identificación diferente: se conservan todos los datos brutos sin ninguna agregación, y el modelo funcional se ajustará a través de todos los experimentos, independientemente de si son réplicas o no. De esta manera, se puede evaluar la variabilidad en las réplicas analizando los resúmenes de funciones para las ejecuciones replicadas, y en particular las puntuaciones FPC. Analizar las réplicas de esta forma también puede ser más conveniente si se pretende utilizar el análisis DOE funcional : Ejemplo de análisis DOE funcional
Espero que esta respuesta te ayude.
