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.

[vah1]

не могу не ответить плаву любезностью на любезность. а именно настоятельно рекомендую отяготится плаву размышлением над следующими вопросами которые почемуто прошли мимо его внимания.
1). один и тот же процесс может быть легко описан разными мат моделями, что однако не говорит о том что это разный процесс. следовательно возникает вполне осознанное требование поиска медицинского обоснования именно этого подхода, равно как и коэффициентов модели с точки зрения их интерпретации иначе получится влияние мочи на солнечные лучи
2). применительно к нашему случаю очевидно, что первые 12 дней данные регистрировались только раз в день и после и того реже следовательно на нашем временном ряду могут возникнуть выбросы (отклоняющиеся точки) как в конце времени эксперимента, так и вначале причём эти точки мы можем просто не заметить в силу того, что они пришлись между измерениями. Между тем модель плава зиждется на весьма сомнительно с точки зрения доказанности уверенности что этих выбросов нет. испльзуя стьюдент или МУ или вилкоксосна мы скромно утверждаем, что на такойто день различия либо есть либо нет.
3). Не равномерная дискретизация процесса естественным образом приведет к тому, что удельный вес начальных данных в постороении модели будет большим чем данных после 12 дня следовательно надо либо добавить точки или веса в конец(опять вопрос по какой модели) либо проредить в начале, а тогда кроме экспоненты появится возможность достоточно хорошо аппраксимировать сигнал и другими функциями т.е. см п 1

в завершении хотелосьбы отметить, что ИМХО конечно можно занятся спалйновыми аппроксимациями, фильтами из вейвлетов на компактном носителе, или нестабильными моделями (кстати как в хаосе определяется нестабильность) однаков начале надо посчитать простыми методами и если результат отличен от ожидаемого разобраться и подумать а не хвататься минуя первую стадию за какой-нибудь критерий Иванова-Рабиновича-фон Ниеша- де Плюсси

[плав]

1). один и тот же процесс может быть легко описан разными мат моделями, что однако не говорит о том что это разный процесс. следовательно возникает вполне осознанное требование поиска медицинского обоснования именно этого подхода, равно как и коэффициентов модели с точки зрения их интерпретации иначе получится влияние мочи на солнечные лучи

Попробуйте, а потом пишите. Разными моделями? Какими? Нести ахинею может каждый

2). применительно к нашему случаю очевидно, что первые 12 дней данные регистрировались только раз в день и после и того реже следовательно на нашем временном ряду могут возникнуть выбросы (отклоняющиеся точки) как в конце времени эксперимента, так и вначале причём эти точки мы можем просто не заметить в силу того, что они пришлись между измерениями. Между тем модель плава зиждется на весьма сомнительно с точки зрения доказанности уверенности что этих выбросов нет. испльзуя стьюдент или МУ или вилкоксосна мы скромно утверждаем, что на такойто день различия либо есть либо нет.

Вопрос остался без ответа, каким образом критерии Стьюдента могут убрать "вылетающие" точки из чего следует, что автор поста не очень разбирается в статистических методах, игнорирует проблему множественных сравнений (о которых знает любой мало-мальски знакомый со статистической теорией человек), но хочет всем продемонстрировать, какой он знающий и упоминает что-то про доказательность (видимо считая себя специалистом по доказательной медицине, но не потрудившимся почитать на эту тему)

в завершении хотелосьбы отметить, что ИМХО конечно можно занятся спалйновыми аппроксимациями, фильтами из вейвлетов на компактном носителе, или нестабильными моделями (кстати как в хаосе определяется нестабильность) однаков начале надо посчитать простыми методами и если результат отличен от ожидаемого разобраться и подумать а не хвататься минуя первую стадию за какой-нибудь критерий Иванова-Рабиновича-фон Ниеша- де Плюсси

Вообще-то если человек начинает конструировать неологизмы и у него появляется тяга к бессмысленным, но звучащим технически терминам... Мдаа...

Для тех, кто пытается что-то понять в этой ветке просто сообщу, что методика использования индивидуальных коэффициентов регрессии является принятой, желающие могут посмотреть Armitage и Berry, и ряд других серьезных пособий по статистике для медиков. Вообще иногда рекомендуется даже вместо дисперсионного анализа с повторными измерениями вначале сделать регрессию, а затем ДА на коэффициентах регрессии. К сожалению, любителей пофлудить тоже много...

[vah1]

читая предыдущие посты у меня сложилось весьма приятное впечатление: спокойная атмосфера, деловое общение и вдруг такая истерика плава с приёмами достойными больше политических форумов. Например меня сильно удивило что плав применил такой приём как обвинение собеседника в незнании. Вывод делается на основе.. (чего?) а бог его знает. Следуя этой логике можно утверждать что плав игнорирует любую проблему о которой он не говорил. Как видно такой подход порочен. Будем надеятся что в научной работе плав всё же придерживается других подходов нежели бездоказательные утверждения.
Теперь о сути вопроса. Итак у нас есть временной ряд и надо как-то его обработать. тут надобно напомнить что ряд может быть как дискретным (ВСР), так и непрерывным.
1.Если с дискретного ряда мы можем записать все точки то это просто замечательно если нет то переходим к п.2
2. Если ряд непрерывный или мы регистрируем не все точки дискретного ряда, то тут появляется проблема о которой я писал на форуме (жаль что плав умудрился выбрать самую неправильную интерпретацию). итак если мы видим не все точки процесса то вполне естестевнно, что в тот момент времени когда регистрация не проходила ряд точек или только одна могут сушественно отклонится (а могут и нет).
3. Следовательно при применении любой аппроксимации ключевым является вопрос о том насколько качественно мы провели регистрацию точек и допускает или не допускает процесс наличие "выбросов". Если мы не можеи доказать, что выбросов нет, то применение любой аппроксимации наталкивается на существенные проблемы, ибо коэффициенты которые предлагает сравнивать плав весьма чувстительны к подобного рода изменениям тем более на коротком временном ряду. Возможно, плава посещают какие-то откровения, касаемые наличия/отсутствия выбросов в исследуемом ряду, однако в миру, без достаточно обоснованных частот снятия показателей это сделать не представляется возможным.
4. Ещё одна проблема (которую плав решил заболтать) это равномерность/неравномерность дискретизации при регистрации временного процесса. В примере с которого всё началось ближе к завершению серии процесс регистрации перестал быть равномерным, следовательно принципиальным является вопрос о востановлении пропущенных точек а это в свою очередь делает ещё более актуальным п.2
5. Данную проблему снимает простое сравнение наблюдений например на какой-то день. Поскольку, для корректности выводов, нам абсолютно не важно как вёл себя процесс до и после изменения и следовательно доказательства отсутсвия этих самых точек не являются необходимыми что существенно облегчает решение задачи.

Т.о. посроение мат модели процесса по варианту предложенному плавом возможно только в том случае если четко доказано отсутствие выпадающих точек и имеется равномерная дискретизация в регистрации процесса. Ни того не другого доказано не было следовательно предложенный подход ошибочен.

Отдельную тему являет собой медицинское осмысление предложенных моделей, жаль что плав не озаботился например подсчётом кол-ва моделей для описания например таких процесслв как ВСР или ЭЭГ, как видно моделей много, а вот интерпретация их с точки зрения медицины не всегда значима. таким образом один и тот же процесс может быть описан разными моделями о чём я и говорил. Где тут плав усмотрел ахинею?
ну и отмечу что плав дал характеристику приводимым им "нестабильными моделями"

"Вообще-то если человек начинает конструировать неологизмы и у него появляется тяга к бессмысленным, но звучащим технически терминам... Мдаа..."


П.С. ПРедлагаю прекратить подколы и серьёзно обсудить проблему анализа временных рядов. Если со статистикой хоть как-то медики разбираются то по временным рядам у большинства завал.