Anlisis Probit Por: Vicente Kim Descripcin rpida anlisis Probit es un tipo de regresin utilizados para analizar las

s variables de respuesta binomial. Se transforma la curva dosis-respuesta sigmoidea a una lnea recta que luego pueden ser analizados por regresin a travs de los mnimos cuadrados o mxima verosimilitud. anlisis Probit puede ser llevada a cabo por una de las tres tcnicas: Uso de tablas para calcular la probits y ajustar la relacin de los ojos, El clculo de la mano probits, coeficiente de regresin, e intervalos de confianza, Tener un paquete de stastitical como SPSS hacerlo todo por ti.

Antecedentes La idea del anlisis probit fue publicado originalmente en la revista Science por Chester Ittner Bliss en 1934. Trabaj como entomlogo de la Estacin Experimental de Connecticut agrcolas y se refiere principalmente a encontrar un pesticida eficaz para controlar los insectos que se alimentaban de hojas de parra (Greenberg, 1980). Al graficar la respuesta de los insectos a diferentes concentraciones de plaguicidas, que visualmente se daba cuenta de que cada plaguicida afectaba a los insectos, en diferentes concentraciones; es decir, uno era ms eficaz que el otro. Sin embargo, no tena un mtodo estadstico para comparar esta diferencia. La solucin ms lgica sera la de adaptarse a una regresin de la respuesta frente a la concentracin, o la dosis, y comparar entre los diferentes plaguicidas. Sin embargo, la relacin de la respuesta a la dosis fue sigmoide en la naturaleza y en el tiempo de regresin fue utilizado nicamente en datos lineales. Por lo tanto, Bliss desarroll la idea de transformar la curva dosis-respuesta sigmoidea a una lnea recta. En 1952, un profesor de estadstica en la Universidad de Edimburgo por el nombre de David Finney tuvo la idea de Bliss y escribi un libro llamado Anlisis Probit (Finney, 1952). Hoy en da, el anlisis probit sigue siendo el mtodo preferido de estadstica en la comprensin de las relaciones dosis-respuesta. Lo Bsico Anlisis Probit es un modelo de regresin especializado de variables de respuesta binomial. Recuerde que la regresin es un mtodo de instalacin de una lnea a sus datos para comparar la relacin de la variable respuesta o variable dependiente (Y) para la variable independiente (X). Y=a+bX+e Cuando a = ordenada en el origen b = la pendiente de la lnea e = trmino de error Asimismo, recuerda que una variable de respuesta binomio se refiere a una variable de respuesta con slo dos resultados. Por ejemplo: Lanzar una moneda: Cara o cruz

Pruebas de productos de belleza: Erupcin / sarpullido no La eficacia o la toxicidad de los pesticidas: La muerte / no muerte Aplicaciones PROBIT Anlisis Probit se utiliza para analizar muchos tipos de dosis-respuesta o experimentos binomiales respuesta en una variedad de campos. Sin embargo, los ejemplos de este trabajo slo ser en el campo de la toxicologa. Anlisis Probit es comnmente utilizado en toxicologa para determinar la toxicidad relativa de los productos qumicos a los organismos vivos. Esto se realiza mediante pruebas de la respuesta de un organismo a varias concentraciones de cada uno de los productos qumicos en cuestin, y luego comparar las concentraciones en las que uno se encuentra con una respuesta. Como se mencion anteriormente, la respuesta siempre es binomial (por ejemplo, la muerte / no muerte) y la relacin entre la respuesta y las distintas concentraciones, es siempre sigmoide. Anlisis Probit acta como una transformacin de sigmoides a lineal y luego se ejecuta una regresin en la relacin. Una vez que se ejecuta una regresin, el investigador puede usar el resultado del anlisis probit para comparar la cantidad de producto qumico necesario para crear la misma respuesta en cada uno de los varios productos qumicos. Hay muchas variables para comparar la toxicidad de las sustancias qumicas diferentes, pero la CL50 (lquidos) o DL50 (slidos) son los resultados ms utilizados en los experimentos modernos de dosisrespuesta. El CL50/DL50 representan la concentracin (CL 50) o dosis (DL50) en los cuales el 50% de la poblacin responde. Por ejemplo, considere la posibilidad de comparar la toxicidad de dos plaguicidas diferentes a los fidos, una de pesticidas y plaguicidas B. Si la CL50 de plaguicidas es un 50ug / L y la CL50 de plaguicidas B es 10ug / L, plaguicidas B es ms txico que el A porque Slo se tarda 10ug / L para matar el 50% de los fidos, frente a 50ug / L de plaguicidas B. Cmo funciona el anlisis probit? Cmo llegar desde la curva dosis-respuesta a una CL50? A continuacin encontrar una gua paso a paso para utilizar el anlisis probit con varios mtodos. La forma ms fcil, con mucho, es usar un paquete estadstico como SPSS, SAS, R o S, pero es bueno ver la historia de la metodologa para obtener una comprensin profunda del material. Paso 1: Convertir % de mortalidad a probits (abreviatura de unidad de probabilidad) Mtodo A: Determinar probits seleccionando en la primera columna a la izquierda la cantidad porcentual correspondiente a las decenas del valor dado, en la interseccin de la fila segn sea la decena, con la columna pertinente al numero, en la primera fila, y que corresponde a la unidad de dicho valor porcentual, en la tabla 3.2 de Finney (Finney, 1952), para la transformacin de los porcentajes de mortalidad a probits.

Por ejemplo, para una respuesta del 17%, el probit correspondiente sera 4.05. Adems, para una respuesta del 50% (CL50), el probit correspondiente sera 5.00. Mtodo B: clculos a mano (Finney y Stevens, 1948): El probit Y, de la proporcin P se define por:

El mtodo estndar de anlisis hace uso de la mxima y mnima probits de trabajo:

Y el rango de 1 / Z, donde:

Mtodo C: Los programas informticos como el SPSS, SAS, R o S convierten el por ciento a probits automticamente. Paso 2: Tome el registro de las concentraciones. Esto se puede hacer a mano, o especificar esta accin en el programa de computadora de la eleccin. Por ejemplo, despus de hacer clic en analizar, Regresin, Probit, elija el registro de su eleccin para transformar:

Paso 3: Grfico de la probits contra el registro de las concentraciones y ajustar una recta de regresin. Nota: Ambos, tanto los mnimos cuadrados y mxima verosimilitud son tcnicas aceptables para ajuste de la regresin, pero de mxima verosimilitud se prefiere porque le da una estimacin ms precisa de los parmetros necesarios para la correcta evaluacin de los resultados (Finney, 1952). Mtodo A: ajuste manual de la lnea al ojo que reduce al mnimo el espacio entre la lnea y los datos (es decir, los mnimos cuadrados). Aunque este mtodo puede ser sorprendentemente exactos, el clculo de una regresin a mano o mediante el programa de ordenador es, obviamente, ms preciso. Adems, los clculos manuales y programas de ordenador puede proporcionar intervalos de confianza. Mtodo B: La mano calcular la regresin lineal utilizando el siguiente mtodo (Finney y Stevens, 1948):

En primer lugar establecer la proporcin de responder a ser igual a p = R / N y el complemento igual a q = 1-p. El probits de un conjunto de valores de p debe ser de aproximadamente una relacin lineal con x, la medida del estmulo, y una lnea equipada por el ojo se puede utilizar para dar a un conjunto correspondiente de probits espera, Y. El probit de trabajo correspondiente a cada parte est al lado calculado de cualquiera de las siguientes ecuaciones:

A continuacin un conjunto de probits espera que se deriva entonces de la ecuacin de regresin lineal ponderada de probits de trabajo en "x", y cada uno se le asigna un peso, NW, donde el coeficiente de ponderacin, w, se define como:

El proceso se repite con el nuevo conjunto de valores de Y. La iteracin converge para darle una regresin lineal. Mtodo C: Utilice un programa de computadora. SPSS utiliza de mxima verosimilitud para estimar la regresin lineal. Para ejecutar el anaylsis de probit en SPSS, siga los sencillos pasos siguientes: Basta con ingresar un mnimo de tres columnas en el Editor de datos: Nmero de unidades por envase que respondieron Total de individuos por contenedor Las concentraciones

Por ejemplo, en la siguiente pantalla, a_mort es el nmero de personas que respondieron por el envase, a_total es el nmero total de individuos por contenedor, y a_conc son las concentraciones. Fila 7 en el siguiente ejemplo se dispone de datos desde el control en la que 0 de cada 10 respondieron a una concentracin de 0. Imagen 1:

Despus de que las columnas se definen, simplemente vaya a analizar, de regresin probit: Imagen 2:

A continuacin, establezca el nmero de su respuesta de la columna como la "Respuesta de frecuencia", el nmero total por el envase como el "Total Observado", y las concentraciones como "covariantes". No se olvide de seleccionar el logaritmo en base 10 a transformar sus concentraciones. Imagen 3:

Si ejecuta el ejemplo anterior, ver que SPSS determina una solucin ptima despus de 18 iteraciones. Paso 4: Buscar la CL50 Mtodo A: El uso de su grfico dibujado a mano, ya sea creada por los ojos o mediante el clculo de la regresin a mano, encontrar el probit de 5 en el eje y, a continuacin, baje hasta el eje "x" y encontrar el registro de la concentracin asociada a ella. Luego tomar la inversa del registro y voil! Usted tiene el CL50.

Mtodo B: La CL50 se determina mediante la bsqueda en la lista probit para un probit de 5,00 y luego de tomar el registro inverso de la concentracin que est asociado. Paso 5: Determine los intervalos de confianza del 95%: Mtodo A: Mano calcular mediante la siguiente ecuacin: El error estndar es de aproximadamente: 1/ b (SNW) b = estimacin de la pendiente de la lnea SNW = suma de nw w = coeficiente ponderado de la tabla III = Z/PQ (Finney, 1952) Mtodo B: SPSS y otros programas de computadora calcule automticamente
Notes of Interest for Probit Analysis Anlisis Probit supone que la relacin entre el nmero de responder (no respuesta por ciento) y la concentracin tiene una distribucin normal.

Si los datos no se distribuyen normalmente, utilizar logit (ms informacin sobre esto ms adelante) es preferible. Debe corregir los datos si hay ms de un 10% de mortalidad en el control. Un mtodo consiste en utilizar la formula de Schneider-Orellana (1.947): % Responded - % Responded in control Corregido = __________________________________ x 100 100 Responded % in control Por ejemplo: Digamos que usted tiene 20% de mortalidad en el control y va a corregir la tasa de mortalidad para la concentracin, donde el 60% se produjeron. Conecte las tasas de mortalidad en la ecuacin anterior y llegar a una mortalidad del 50% en lugar del original de 60%. 60% - 20% 100% - 20% = 40 x 100 = 50% 80

Logit vs Probit: Logit es otra forma de transformar los datos en el binomio linealidad y es muy similar al probit. Logit funciones tomando el logaritmo de las probabilidades: logit (P) = log P/ (1-P). Sin embargo, la relacin entre el logit y probit es casi indistinguible: Logit ( / 3) x probit. En general, si los datos de respuesta frente a la dosis no se distribuyen normalmente, Finney sugiere utilizar el logit sobre la transformacin probit (Finney, 1952). Aunque el uso de mltiples variables de anlisis probit es ms all del contenido de este trabajo, vale

la pena sealar que la similitud entre probit y logit no se sostiene en un mbito multivariante (Hahn y Soyer, fecha desconocida). Hahn y Soyer sugieren que logit proporciona un mejor ajuste en la presencia de niveles extremos de variables independientes y por el contrario que probit mejor ajuste de modelos de efectos aleatorios con conjuntos de datos moderada. Resumen Anlisis Probit es un tipo de regresin se utiliza con variables de respuesta binomial. Es muy similar a la logit, pero es preferible cuando los datos se distribuyen normalmente. Resultado ms comn de un experimento de dosis-respuesta en la que se utiliz el anlisis probit es la CL50/DL50. Anlisis Probit se puede hacer a ojo, a travs de clculos manuales, o mediante un programa estadstico.
Citations: Finney, D. J., Ed. (1952). Probit Analysis. Cambridge, England, Cambridge University Press. Finney, D. J. and W. L. Stevens (1948). "A table for the calculation of working probits and weights in probit analysis." Biometrika 35(1-2): 191-201. Greenberg, B. G. (1980). "Chester I. Bliss, 1899-1979." International Statistical Review / Revue Internationale de Statistique 8(1): 135-136. Hahn, E. D. and R. Soyer. (date unknown). "Probit and Logit Models: Differences in a Multivariate Realm." Retrieved May 28, 2008, from http://home.gwu.edu/~soyer/mv1h.pdf.

Utilizar el Traductor de Google para:BsquedasVdeosCorreo electrnicoMvil