La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Université dOttawa - Bio 4518 - Biostatistiques appliquées © Antoine Morin et Scott Findlay 2014-06-05 09:08 1.

Présentations similaires


Présentation au sujet: "Université dOttawa - Bio 4518 - Biostatistiques appliquées © Antoine Morin et Scott Findlay 2014-06-05 09:08 1."— Transcription de la présentation:

1 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 1

2 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 2 Comparaisons multiples: plan factoriel En présence dinteraction, il faut comparer les moyennes entre les niveaux dun facteur (ex: A) pour chaque niveau de l'autre facteur (ex: B) Ex: pour une ANOVA à 2 critères de classification. Chacun des facteurs a trois niveaux, donc 9 comparaisons possibles

3 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 3 Comparaisons multiples: plan factoriel Sil ny a pas d'interaction significative, on compare les moyennes de chaque niveau dun facteur (A) en regroupant les données de chaque niveau de lautre facteur (B) Ex: comparer les moyennes de B regroupées au facteur A (3 comparaisons possibles).

4 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 4 ANOVA hiérarchique: effets du génotype sur la résistance à la déshydratation chez les mouches à fruits 3 génotypes (groupes, facteur fixe). 3 chambres par groupe (sous-groupes, facteur aléatoire). 5 larves par chambres, la survie (en heures) est la variable dépendante.

5 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 5 Test de signification de l'ANOVA à deux critères de classification: Modèle II, III, plan hiérarchique Tester CM sous- groupes sur CM erreur tester CM groupes sur CM sous-groupes Note: Il ny a que deux hypothèses à tester pour une ANOVA hiérarchique (versus trois pour le plan factoriel)

6 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 6 Test de signification de l'ANOVA à deux critères de classification: Modèle II, III, plan hiérarchique Type III Sum of Squares Df Sum of Sq Mean Sq F Value Pr(F) GENOTYPE CHAMBER %in% GENOTYPE Residuals

7 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 7 Comparaisons multiples: plan hiérarchique Si on accepte H 0sous- groupes, on compare les groupes en regroupant les sous-groupes Si on rejette H 0sous-groupes, attention! Ex: si un facteur A (sous- groupes) nest pas significatif, on compare les données regroupées (sous-groupes), les moyennes des groupes (3 comparaisons possibles).

8 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 8 Exemple: la croissance des plantes avec différents traitements de fertilisation Des gradients de température, dhumidité, de lumière, etc… sont instaurés dans une serre ou un champs. Cinq blocs sont créés, 4 parcelles pour chacun. On assigne à chacune des parcelles un fertilisant différent (1,2,3,4)

9 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 9 Exemple: la croissance des plantes avec différents traitements de fertilisation H 0 : le taux de croissance est le même pour tous les traitements rejeter H 0 : p(traitement) =.0007 p(blocs) =.08, attention, cest peut- être lindication dune certaine variabilité environnementale entre les champs.

10 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 10 Distinguer plans factoriels, hiérarchiques et avec blocs aléatoires Hiérarchique –3 génotypes, chaque génotype est isolé dans une chambre de croissance, 5 larves par chambre, 3 chambres par génotype (9 chambres, 45 mouches) Factoriel –3 génotypes, 3 chambres, chaque génotype est testé dans chaque chambre, 5 larves par combinaison chambre*génotype (3 chambres, 45 mouches) Bloc aléatoires –3 génotypes, 15 chambres, chaque génotype est testé dans chaque chambre, 1 larve par combinaison (15 chambres, 45 mouches)

11 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 11 Blocs aléatoires, alternative non-paramétrique Si les données ne respectent pas les conditions dapplication dune ANOVA paramétrique, utiliser le test de Friedman. Pour un nombre de groupes (traitements) a et un nombre de blocs b, le test statistique est le suivant: R i est la somme des rangs pour le groupe I, et le test statistique suit environ la distribution du 2

12 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 12 Exemple: la croissance des plantes avec différents traitements de fertilisation H 0 : R i est identique pour tous les traitements Alors, on rejette H 0 : p(traitement) =.008

13 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 13 ANOVA à critères multiples En principe, les procédures de calculs dune ANOVA à deux critères de classification peuvent sappliquer pour une ANOVA à 3 facteurs ou plus. Ex: leffet de lespèce (facteur 1), la température (facteur 2) et du sexe sur le taux de respiration de crabes. Toutefois, en pratique, les résultats dANOVAs à plus de 2 facteurs sont difficiles à interpréter étant donné le nombre élevé dhypothèses nulles.

14 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 14 ANOVA à trois critères de classification de type I, plan factoriel Pour une ANOVA à trois critères de classification de type I, plan factoriel, on a 7 hypothèses nulles Tous les CM des effets sont testés sur CM erreur.

15 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 15 Nombre dhypothèses que lon peut tester avec une ANOVA à critères multiples, plan factoriel Quand le nombre de facteur augmente, le nombre dhypohèses possibles augmente aussi

16 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 16 Problème Certaines cellules cancéreuses survivent en conditions hypoxiques H: Surexpression de gène HIF1 et HIF2 sont nécessaires à survie des cellules cancéreuses

17 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 17 Expérience 4 lignées cellulaires –HIF 1+/2+ (normal forms of both genes); –HIF 1-/2+ (HIF1 silenced, HIF2 normal); –HIF 1+/2- (HIF1 normal, HIF2 silenced) –HIF 1-/2- (both HIF1 and HIF2 silenced) 10 cultures de chaque lignée sont cultivées en labo dans conditions normoxiques et hypoxiques, on mesure taux de croissance (r) Expérience répliquée dans 2 universités (Ottawa et McGill)

18 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 18

19 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 19

20 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 20 Anova factorielle à 3 facteurs Df Sum of Sq Mean Sq F Value Pr(F) environment genotype institution environment:genotype environment:institution genotype:institution environment:genotype:institution Residuals

21 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 21 Test Levene sur résidus mycode Residuals Sum of Squares Deg. of Freedom Residual standard error: Estimated effects may be unbalanced Df Sum of Sq Mean Sq F Value Pr(F) mycode Residuals

22 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 22 Tests Levene, résidus de 2 Anovas à 2 facteurs Call: aov(formula = absres ~ mycode, data = hypoxia.minus.aberrant, subset = institution == "mcgill", na.action = na.exclude) Terms: mycode Residuals Sum of Squares Deg. of Freedom 7 71 Residual standard error: Estimated effects may be unbalanced Df Sum of Sq Mean Sq F Value Pr(F) mycode Residuals *** Analysis of Variance Model *** Short Output: Call: aov(formula = absres ~ mycode, data = hypoxia.minus.aberrant, subset = institution == "ottawa", na.action = na.exclude) Terms: mycode Residuals Sum of Squares Deg. of Freedom 7 72 Residual standard error: Estimated effects are balanced Df Sum of Sq Mean Sq F Value Pr(F) mycode Residuals

23 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 23 Ottawa: Anova à 2 facteurs Df Sum of Sq Mean Sq F Value Pr(F) genotype environment genotype:environment Residuals

24 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 24 McGill: Anova à 2 facteurs Df Sum of Sq Mean Sq F Value Pr(F) genotype environment genotype:environment Residuals Sans la donnée possiblement aberrante Df Sum of Sq Mean Sq F Value Pr(F) genotype environment genotype:environment Residuals

25 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 25 Ottawa: Comparaisons multiples Estimate Std.Error Lower Bound Upper Bound HIF1+/HIF2+-HIF1+/HIF **** HIF1+/HIF2+-HIF1-/HIF **** HIF1+/HIF2+-HIF1-/HIF **** HIF1+/HIF2--HIF1-/HIF HIF1+/HIF2--HIF1-/HIF HIF1-/HIF2+-HIF1-/HIF

26 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 26 Puissance et taille de leffectif pour lANOVA à deux critères de classification de type I La puissance maximale pour un effectif donné N est obtenue avec un plan équilibré (on a le même nombre dobservations dans chaque cellule). Les valeurs représentent les moyennes N = 5 champs, en tonnes/hectare

27 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 27 Power with G*Power ANOVA (Type I) metric of effect size : –f –f p error R f R

28 Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :08 28 Questions critiques sur lANOVA à critères multiples Combien de facteurs? Quel type (I, II, or III)? Quel plan –factoriel? –nested? –bloc? –À mesures répétées? –mixte? Réplication –équilibré/ non-équilibré? –Sans réplication? Paramétrique ou non- paramétrique? Les réponses à ces questions déterminent quelles hypothèses peuvent être testées et quel test est le plus approprié. Attention à vos réponses!


Télécharger ppt "Université dOttawa - Bio 4518 - Biostatistiques appliquées © Antoine Morin et Scott Findlay 2014-06-05 09:08 1."

Présentations similaires


Annonces Google