Project in Statistics MB

Transkript

1

2 Project in Statistics MB Marianne, Ditte, Stine, Gitte Niels Richard Hansen January 21, Besynderlig formulering. Vi kan bruge t-testet fordi vi skal sammenligne to grupper. Den hypotese vi vil undersøge kan formuleres som en nul-hypotese om ens middelværdier i to grupper = 0. I er kun interesseret i at teste om forskellen i middelværdier er Det argument forstår jeg ikke! Så nemt kommer man ikke til uafhængighed. 4. Denne konklusion er tilsyneladende i modstrid med det I skriver ovenfor. Men først når man læser grundigt på det I skriver, går det op for mig, at I faktisk konkluderer det samme som ovenfor. I skriver f.eks. at det er muligt at teste for ens varianser, men så at det måske alligevel ikke er muligt, fordi datamaterialet er så småt. 5. Hvorfor inkluderer en diskussion af nominelle data? Problemet med ikkeparametriske test er derimod, at med så lille et datamateriale kan det være svært overhovedet at få en signifikant forskel - p-værdierne kan ikke blive små for Wilcoxon Rang sum testet. 6. Dette er en hypotetisk situtation, så jeg vil ikke bruge en vending som which furter supports our rejection. Med et 5% niveau vil en forøgelser af antallet af observation ikke give færre type I fejl, men derimod færre type II fejl. 7. Igen, husk det er hypotetisk at vi har flere arrays, så en formulering som we can be more confident er farlig. 8. Hvad med n=18 for gen 1550? 9. Ikke fold-change, men log-fold-change. Hvordan vil I få konfidensintervaller for fold-change? 10. Det er ikke nødvendigt at antage at kontrollen er konstant over tid. Faktisk er hele pointen, at hvis der er en tidseffekt, som ikke skyldes behandling, så ses den i kontrollen, og da vi ser på expression relativt til kontrollen, så forkorter vi faktisk en evt. tidseffekt, der ikke skyldes behandling, ud. 1

3 11. Jeg tror I får blandet nogle argumenter sammen. Pointen i det parrede t- test er, at effekter (block-effekten f.eks.), som skyldes den naturlig parring, går ud, når vi ser på det parrede t-test. 12. Jeres fortolkning af p-værdi er lidt forkert. En p-værdi på 5% fortæller jer, at der er 5% sandsynlighed under nul-hypotesen for at få en test-størrelse, der er større end den observerede. Et test på niveau 5% er et test, hvor I har sandsynlighed 5% for at lave type I fejl. 13. Jeg forstår ikke, hvad I mener med t-value goes toward a mean for all variances. 14. Teknisk set er det her et diagram af hypoteser og ikke et faktorstrukturdiagram. 15. Konklusionen er ikke, at vekselvirkningen er tilstrækkelig (sufficient) men derimod nødvendig (necessary). 16. Og hvis der f.eks. også er en additiv effekt af block, så er der endvidere forskellige interceptparametre. 17. Redundant er et forkert ord. At genet går igen betyder blot, at der er en betydelig affekt af såvel SAHA som Depsipeptide. 18. I overfortolker lidt. At nogle test slår ud som voldsomt signifikante med en antagelse om, at effekten over tid kan beskrives lineært, er ikke et argument for, at effekten er lineær. I kommer igennem, men overordnet set er der mange steder, hvor det kniber med formuleringer. Især på engelsk. Jeg har forsøgt at pille de vigtigste ud ovenfor, men jeg kan stadig spore noget usikkerhed og mangel i præcision i det I skriver. F.eks. skal I øve jer i forskellen på niveau og p-værdi. Som alle andre grupper, har I ikke fanget pointen i spørgsmålet om at lave konfidensintervaller for flod-change. I laver konfidensintervaller for log-fold-change. 2

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41