Z-фактор

редактировать
Измерение величины статистического эффекта

Z- Фактор является мерой статистической величины эффекта. Он был предложен для использования в высокопроизводительном скрининге (где он также известен как Z-prime и обычно обозначается как Z ', чтобы определить, является ли ответ в конкретном анализе достаточно большой, чтобы требовать дальнейшего внимания.

Содержание

  • 1 Предпосылки
  • 2 Определение
  • 3 Интерпретация
  • 4 Ограничения
  • 5 См. также
  • 6 Ссылки
  • 7 Дополнительная литература

Предпосылки

На экранах с высокой пропускной способностью экспериментаторы часто сравнивают большое количество (от сотен тысяч до десятков миллионов) отдельных измерений неизвестных образцов с положительными и отрицательными контрольными образцами. Выбор экспериментальных условий и измерений называется анализом. Большие экраны дороги по времени и ресурсам. Поэтому перед запуском большого экрана используются меньшие тестовые (или пилотные) скрины для оценки качества анализа в попытке предсказать, будет ли он полезен в условиях высокой пропускной способности. Z-фактор - это попытка количественно оценить пригодность ритикулярный анализ для использования в полномасштабном высокопроизводительном скрининге.

Определение

Z-фактор определяется четырьмя параметрами: означает (μ {\ displaystyle \ mu}\ му ) и стандартные отклонения (σ {\ displaystyle \ sigma}\ sigma ) как положительного (p), так и отрицательного (n) контролей (μ p {\ displaystyle \ mu _ {p}}\ mu _ {p} , σ p {\ displaystyle \ sigma _ {p}}\ sigma _ {p} и μ n {\ displaystyle \ mu _ {n}}\ му _ {n} , σ n {\ displaystyle \ sigma _ {n}}\ sigma_n ). Учитывая эти значения, Z-фактор определяется как:

Z-фактор = 1 - 3 (σ p + σ n) | μ p - μ n | {\ displaystyle {\ text {Z-factor}} = 1- {3 (\ sigma _ {p} + \ sigma _ {n}) \ over | \ mu _ {p} - \ mu _ {n} |} }{\ displaystyle {\ text {Z-factor}} = 1- {3 (\ sigma _ {p} + \ sigma _ {n}) \ over | \ mu _ {p} - \ mu _ {n} |}}

На практике Z-фактор оценивается из выборочных средних и выборочных стандартных отклонений

Расчетный Z-фактор = 1 - 3 (σ ^ p + σ ^ n) | μ ^ p - μ ^ n | {\ displaystyle {\ text {Расчетный Z-фактор}} = 1- {3 ({\ hat {\ sigma}} _ {p} + {\ hat {\ sigma}} _ {n}) \ over | {\ hat {\ mu}} _ {p} - {\ hat {\ mu}} _ {n} |}}{\ displaystyle {\ text {Расчетный Z-фактор}} = 1- {3 ({\ hat {\ sigma}} _ {p} + {\ hat {\ sigma}} _ {n}) \ over | {\ hat {\ mu}} _ {p} - {\ hat {\ mu}} _ {n} |}}

Интерпретация

Следующие интерпретации Z-фактора взяты из:

Z-факторИнтерпретация
1.0Идеально. Z-фактор никогда не может превышать 1.
от 0,5 до 1,0Отличный анализ. Обратите внимание, что если σ p = σ n {\ displaystyle \ sigma _ {p} = \ sigma _ {n}}\ sigma _ { p} = \ sigma _ {n} , 0,5 эквивалентно разделению 12 стандартным отклонения между μ p {\ displaystyle \ mu _ {p}}\ mu _ {p} и μ n {\ displaystyle \ mu _ {n}}\ му _ {n} .
между 0 и 0,5Маргинальный анализ.
меньше 0Слишком большое перекрытие между положительным и отрицательным контролями, чтобы анализ был применим.

Обратите внимание, что по стандартам многих типов экспериментов нулевой Z-фактор предполагает большую величину эффекта, а не пограничный бесполезный результат, как предлагалось выше. Например, если σ p=σn= 1, то μ p = 6 и μ n = 0 дает нулевой Z-фактор. Но для нормально распределенных данных с этими параметрами вероятность того, что значение положительного контроля будет меньше значения отрицательного контроля, составляет менее 1 из 10. При скрининге с высокой пропускной способностью используется крайний консерватизм из-за большого количества выполненных тестов.

Ограничения

Постоянный коэффициент 3 в определении Z-фактора мотивирован нормальным распределением, для которого более 99% значений находятся в пределах 3 стандартных отклонения от среднего. Если данные имеют строго ненормальное распределение, контрольные точки (например, значение отрицательного значения) могут вводить в заблуждение. Другая проблема заключается в том, что обычные оценки среднего и стандартного отклонения не являются надежными ; соответственно, многие пользователи в сообществе высокопроизводительного скрининга предпочитают "Robust Z-prime". Крайние значения (выбросы) в положительном или отрицательном контроле могут отрицательно повлиять на Z-фактор, потенциально приводя к явно неблагоприятному Z-фактору, даже если анализ будет хорошо работать при фактическом скрининге. Кроме того, применение единого критерия, основанного на Z-факторе, к двум или более положительным контролям с разной силой в одном и том же анализе приведет к ошибочным результатам. Абсолютный знак Z-фактора делает неудобным математический вывод статистического вывода Z-фактора. Недавно предложенный статистический параметр, строго стандартизованная разница средних значений (SSMD ), может решить эти проблемы. Одна оценка SSMD устойчива к выбросам.

См. Также

Ссылки

Дополнительная литература

Последняя правка сделана 2021-06-23 05:06:14
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте