Как оценивать значимости при динамических процессах, выбор метода оценки Опции

[Anet]

Добрый день! Подскажите пожалуйста каким критерием можно оценить статистическую значимость полученных результатов при сравнении динамических процессов. В эксперименте мы рассчитывали период выведения радионуклидов у мышей (выборка 15 мышей). Кроме того мы сравнили выведения у 8 самцов и 7 самок, в соответствии с полученными результатами выведение у самцов происходит быстрее (99 % радионуклида у самок выводиться с периодом 2,23 суток, а у самцов 2,14 суток). Применим ли здесь для оценки значимости t-критерий или нет? К сожалению, в публикациях по схожим темам стат. анализ вообще не проводиться, что бы сравнить что используют другие.

[nokh]

вообщето в медицине устраивать моделирование временных рядов это большая возможность поводить себя за нос...

Построение качественной модели любого процесса невозможно без глубокого понимания этого процесса, а никто не оспорит, что к этому мы и стремимся. И зачем устраивать из медицины некую особую область? Такая же как и все, со своими особенностями и сложностями, причем главным образом в плане социальном, а не техническом. А потому и простые регрессионные модели, и полученные из решения дифференциальных уравнений, а если нужно - то и сингулярный спектральный анализ, и вейвлеты, и т.д. столь же уместны и полезны здесь как в других областях науки. Иначе можно вообще отказаться от попыток познания и использовать чисто утилитарный подход - например, свалить все данные в черный ящик нейронных сетей и пускай там все само утрясается, главное чтобы правильно советовало .

Возвращаясь к данной задаче наиболее общие рассуждения таковы: (1) есть количественный показатель - нужно пробовать параметрические методы, возможно после предварительного преобразования данных, (2) есть зависимость - нужно использовать регрессию, (3) есть вложенные (nested) эффекты (Особи внутри Пола) - нужно использовать иерархический дисперсионный анализ. В итоге приходим к сложному анализу, в котором сочетаются регрессионная и дисперсионная техники и который должно быть возможно описать в терминах общих линейных моделей (GLM). Получается нечто типа нелинейного ковариационного анализа с иерархическим эффектом (возможно, это вариант конфлюэнтного анализа, но я не уверен. Буду признателен за хорошую ссылку по конфлюэнтному анализу). В попытке упрощения задачи Плав предложил оттолкнуться от регрессионного анализа, я - от дисперсионного. Единственное что меня смущает в регрессионном подходе с последующим сравнением параметров - зависимый характер этих параметров. Раз они получены по одной линии регрессии, то ошибка «размазана» по всем трем параметрам и сравнивать выборки правильнее не по одному, а по всем параметрам одновременно. Но как это сделать технически? Дисперсионный анализ - более универсальный, т.к. подойдет для сравнения рядов любой сколь угодно сложной динамики - в т.ч. для которой, в отличие от нашего случая, еще нет внятной модели. Но в этом подходе мне не нравится полный отказ от попытки обобщить изменчивость по оси времени регрессией. Остается «нечто типа нелинейного ковариационного анализа с иерархическим эффектом». Полагаю, что вычленить различие линий нелинейной регрессии в нем можно через расчет отклонений от общей регрессии - сходно с тем, как в ковариационном анализе устанавливается неоднородность наклонов прямых. Но в моей практике еще не было прецедента, чтобы разобраться в этом .