АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология

Методы анализа модели КК реакции

• ЛР (взвешенная и невзвешенная)
• Нелинейная регрессия (взвешенная)
• Бутстреп-метод

Метод основан на предположении, что произошедшее в эксперименте детерминировано. Экспериментальные данные являются правдоподобной выборкой из действительности, любая подвыборка из имеющихся данных настолько же правдоподобно отражает действительность. Принцип метода можно сравнить с вытягиванием себя за волосы из болота. Из одних и тех же реальных данных с помощью генератора равномерно распределенных случайных чисел многократно (100—1000 раз) делаются выборки, по каждой из них находятся оценки искомых параметров или некоторые статистики. Полученный массив позволяет построить распределение искомых случайных величин, оценить его тип, основные характеристики (среднее, медиану, моду и т. д.) и величину смещения оценки, находимой традиционными методами (или, соответственно, несмещенную оценку). Популярность методов Монте-Карло в энзимологии связана с тем, что, в то время как результатом теоретического анализа является некоторая зависимость, требующая окончательного числового решения для сопоставления ее с практикой, результаты имитационного моделирования и бутстрепа представляют собой некоторые конкретные значения или графики, совместимые с реальными опытными данными, что облегчает их понимание экспериментатором.

Важно и то, что применение метода Монте-Карло позволяет сократить количество дорогостоящих реальных экспериментов, за счет более дешевых и легкоуправляемых машинных опытов.

• Медианный метод
• Метод Монте-Карло (машинный эксперимент)

Этот метод предполагает использование некоторого набора псевдослучайных чисел для имитации реального распределения случайной величины. В ранних применениях метода для создания таких наборов выбиралась некоторая последовательность из таблицы случайных чисел. Современный подход, базирующийся на использовании вычислительной техники, генерирует случайные числа с помощью некоторого датчика (генератора), встроенного в большинство языков программирования или пакеты статистического анализа. Одно из применений метода Монте-Карло восходит к классическим рабо-

там Фишера — рандомизация плана и составляет основу любого планирования опытов. Рандомизация заключается в случайном назначении (с помощью таблицы или генератора случайных чисел) каждому отдельному опыту условий его проведения (случайное назначение единице плана эксперимента экспериментальной единицы). Рандомизация позволяет получить несмещенную оценку интересующих экспериментатора эффектов, исключая известные и неизвестные систематические ошибки. Рандомизация уменьшает коррелированность данных, делает их независимыми, приводя тем самым к правдоподобной оценке эффекта и ошибки эксперимента, а также к улучшению нормальности совокупности данных. Это дает возможность применять стандартные статистические критерии. Очень существенным является и то, что рандомизация позволяет устранить субъективизм в назначении плана эксперимента, способный привести к проявлению несуществующих эффектов.

Дата добавления: 2015-09-27 | Просмотры: 514 | Нарушение авторских прав