Популяции и дизайн биологических сравнений

Среднее и вымирание, источник и сток, независимые повторности, пересадки и траектории развития.

Задачи модуля

Сначала отделите среднюю численность от случайной судьбы и локальное воспроизводство от миграции. Одинаковые итоги учёта могут скрывать разные процессы.

Для сравнительного опыта определите экспериментальную единицу и оси наблюдения. Возраст, размер, происхождение и среда отвечают на разные вопросы.

  • Сопоставлять ожидание численности с вероятностью окончательного исчезновения.
  • Разлагать популяционный баланс и находить независимые единицы воздействия.
  • Различать общий сад, взаимную пересадку и сравнение возрастно-размерных траекторий.

Расчёты, модели и границы применимости

Псевдорепликация: единица наблюдения не всегда является единицей рандомизации

Десятки измерений в одном аквариуме не создают десятки независимых назначений воздействия. Число экспериментальных единиц задаёт дизайн.

Перед началом: Рандомизация; Кластер; Внутригрупповая зависимость.

Кто получает воздействие

Если весь аквариум назначается в контроль или воздействие, единицей рандомизации является аквариум. Рыбы внутри него разделяют воду, освещение и общую процедуру. Их измерения являются подвыборкой внутри одной экспериментальной единицы.

Рассматривать каждую рыбу как независимо назначенный повтор означает псевдорепликацию. Большое количество рыб уточняет среднее внутри аквариума, но не создаёт новых независимых сравнений условий. Для этого нужны дополнительные независимо назначенные аквариумы.

Два уровня вариации

Различия между рыбами и различия между аквариумами относятся к разным уровням. Анализ может использовать средние кластеров или подходящую многоуровневую модель. Выбор зависит от дизайна, размеров кластеров и цели оценки.

Для равных кластеров простая модель с внутрикластерной корреляцией ρ даёт коэффициент увеличения дисперсии D=1+(m−1)ρ относительно независимого счёта m наблюдений. Это приближённая характеристика точности, а не разрешение заменить число кластеров произвольным эффективным числом рыб в любом критерии.

Что действительно добавляет информацию

Увеличение числа рыб в уже имеющемся аквариуме не устраняет общую ошибку его среды. Новые независимые кластеры позволяют оценить вариацию назначения воздействия. При очень малом их числе вывод о неопределённости остаётся слабым, даже если внутри измерены сотни особей.

Ниже рассчитывается разность средних аквариумов и иллюстративный дизайн-эффект. Это не доказательство причинного эффекта при любом содержании: важны настоящая рандомизация, отсутствие обмена воздействием и корректная единица анализа.

Сорок рыб, четыре назначения

Условие. Четыре независимо назначенных аквариума содержат по десять рыб. Средние контрольных аквариумов 5 и 7, опытных 8 и 10 единиц. Для иллюстрации принять ρ=0,30. Найти эффект по кластерам и D.

  1. Среднее контрольных аквариумов (5+7)/2=6.
  2. Среднее опытных (8+10)/2=9; разность 3 единицы.
  3. Независимых единиц назначения четыре: две на условие, а не двадцать на условие.
  4. Для m=10 коэффициент D=1+9·0,30=3,7 относительно независимой модели рыб.

Ответ. Разность кластерных средних 3; независимых назначений 4, дизайн-эффект в заданной модели 3,7.

Проверка. Если ρ=0, формула D возвращает единицу. При положительной общей зависимости независимый анализ рыб занижает дисперсию; это не меняет фактическое число аквариумов.

Где легко ошибиться. Использовать количество измеренных организмов как число независимых назначений воздействия при общей среде и общей рандомизации.

Проверьте понимание

Что является единицей рандомизации в примере?

Вопросы к этой главе

Поможет ли измерить ещё сто рыб в том же аквариуме?

Это может уточнить его среднее, но не создаст новых независимых реализаций среды и назначения воздействия.

Обязательно ли усреднять кластеры?

Нет. Возможна многоуровневая модель, но она должна учитывать зависимость и реальное число независимых кластеров, а не скрывать его.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Hurlbert, 1984: pseudoreplication and experimental design

    Первичная работа о независимых экспериментальных единицах и подвыборках; аквариумный дизайн и кластерный пересчёт сформулированы отдельно.

  • Bland and Kerry, 1998: intracluster correlation

    Формула D=1+(m−1)ρ для равных кластеров; она характеризует дисперсию и не заменяет фактическое число единиц рандомизации.

Риск и отношение шансов: что позволяет оценить дизайн случай–контроль

Риск делит число исходов на всех находившихся под наблюдением. Шансы делят исходы на отсутствующие исходы; их отношения не совпадают в общем случае.

Перед началом: Таблица 2×2; Доля и шансы; Дизайн выборки.

Два разных знаменателя

В когорте с известным числом наблюдаемых риск равен a/(a+b), где a — число исходов, b — без исхода. Шансы равны a/b. Относительный риск сравнивает две доли, отношение шансов — два отношения исхода к отсутствию исхода.

При редком исходе риск и шансы близки, поэтому отношения могут быть численно похожи. Но это приближение не является тождеством. При частом исходе различие существенно и должно сохраняться в формулировке результата.

Почему случай–контроль меняет доступный вывод

В исследовании случай–контроль количество случаев и контролей задаётся отбором. Наблюдаемые суммы столбцов или строк уже не являются численностями исходной популяции риска. Поэтому абсолютный риск и относительный риск обычно нельзя восстановить из одной такой таблицы без дополнительных сведений об отборе.

При корректном отборе контролей и соответствующих условиях отношение шансов может сохранять интерпретацию ассоциации. Точный смысл зависит от дизайна отбора; оно не должно автоматически называться относительным риском или причинным эффектом.

Сначала дизайн, потом арифметика

Одинаковые четыре числа могут возникнуть из полной когорты или из выборки, отобранной по исходу. Арифметическое отношение шансов будет одинаковым, но доступные популяционные выводы различаются. Дополнительные факторы и смешение также не устраняются простым вычислением таблицы.

Ниже сначала объявлена полная учебная когорта с одинаковым периодом наблюдения. Затем обсуждается, что потерялось бы, если бы эти числа были только результатом отбора случаев и контролей. Задача не является медицинским прогнозом для отдельного человека.

Риск и шансы одной когорты

Условие. В наблюдаемой группе A исход у 20 из 100, в группе B у 10 из 100. Период одинаков, потерь нет. Найти разность рисков, относительный риск и отношение шансов.

  1. Риски равны 0,20 и 0,10; разность 0,10, то есть 10 процентных пунктов.
  2. Относительный риск RR=0,20/0,10=2.
  3. Шансы равны 20/80=1/4 и 10/90=1/9.
  4. OR=(1/4)/(1/9)=9/4=2,25. При отборе по исходу эти доли нельзя автоматически считать популяционными рисками.

Ответ. Для данной когорты RR=2, OR=2,25, разность рисков 0,10. Эти три показателя отвечают разным вопросам.

Проверка. Перекрёстное произведение OR=20·90/(80·10)=2,25 совпадает с отношением шансов. Оно отличается от RR, поскольку исход не бесконечно редок.

Где легко ошибиться. Называть OR относительным риском без условий или вычислять популяционные риски из обычной выборки случай–контроль как из полной когорты.

Проверьте понимание

Что обычно нельзя получить из одной таблицы случай–контроль без сведений об отборе?

Вопросы к этой главе

Почему OR больше RR в этом примере?

Преобразование риска в шансы нелинейно. При увеличении риска знаменатель отсутствия исхода уменьшается, усиливая отношение.

Можно ли из OR получить риск?

Нужны дополнительные сведения, например исходный риск и подходящая модель. Одно OR не задаёт абсолютную вероятность.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • CDC Field Epidemiology Manual, chapter 8

    Определения риска, относительного риска и отношения шансов; ограничения обычного дизайна случай–контроль и отличие от полного когортного знаменателя.

Парный эксперимент: анализировать изменения, а не два несвязанных средних

В парном рандомизированном опыте анализируется разность внутри каждой пары. Точный тест может перечислить все допустимые перестановки назначения.

Перед началом: Парный дизайн; Случайное назначение; Конечное пространство исходов.

Пара снимает общий уровень

В каждой подобранной паре один объект случайно получает воздействие, другой контроль. Разность d=результат воздействия−результат контроля исключает общий для пары базовый уровень. Межпарные различия не должны искусственно увеличивать шум сравнения двух несвязанных групп.

Это не означает автоматического устранения всех смешивающих факторов. Причинная интерпретация здесь опирается на настоящее случайное назначение внутри пары, отсутствие взаимодействия объектов и заранее заданный показатель. Просто названные парными наблюдательные данные требуют других предпосылок.

Перестановка меняет знак

При строгой нулевой гипотезе отсутствия эффекта обмен меток внутри пары меняет знак наблюдаемой разности. Для n независимых равновероятных назначений имеется 2^n сочетаний знаков. Средняя разность служит выбранной статистикой.

Двусторонняя вероятность определяется долей назначений с модулем статистики не меньше наблюдаемого. Нужно заранее объявить именно такое правило; другие статистики и определения двусторонности могут давать иной конечный тест. Полный перебор здесь заменяет асимптотическое приближение.

Малая выборка имеет грубую шкалу

При четырёх парах всего шестнадцать назначений, поэтому возможные вероятности идут крупными шагами. Все положительные разности выглядят убедительно по направлению, но это ещё не гарантирует малую двустороннюю вероятность в выбранном точном тесте.

Ниже разности точные, назначения независимы и равновероятны, пропусков нет. Проверка перечисляет все шестнадцать вариантов, а не сравнивает результат с приблизительным нормальным порогом. Величина эффекта и свидетельство против нулевой гипотезы остаются отдельными характеристиками.

При ненулевой вероятности ничьей правило включения равенства в хвост следует указывать явно. Здесь используется нестрогое сравнение модуля с наблюдаемым значением, поэтому оба крайних назначения включены. Исключение самих наблюдаемых экстремумов сделало бы конечную вероятность искусственно нулевой.

Четыре положительные разности

Условие. В четырёх независимо рандомизированных парах получены d=1,2,3,4 единицы. Статистика — среднее. Для строгой нулевой гипотезы обмен меток равновероятно меняет каждый знак. Найти точную двустороннюю вероятность |среднее|≥наблюдаемого.

  1. Наблюдаемое среднее равно (1+2+3+4)/4=2,5.
  2. Всего 2⁴=16 равновероятных сочетаний знаков.
  3. Модуль суммы не меньше 10 достигается только всеми плюсами или всеми минусами.
  4. Подходящих назначений два, поэтому точная вероятность 2/16=0,125.

Ответ. Средний парный эффект 2,5 единицы; точная двусторонняя вероятность выбранного теста 0,125.

Проверка. Любое смешанное сочетание знаков уменьшает модуль суммы ниже десяти. Перебор всех вариантов подтверждает ровно два экстремальных исхода.

Где легко ошибиться. Считать четыре положительных результата автоматическим доказательством малой p-величины или применять перестановку знаков без рандомизационных либо распределительных условий.

Проверьте понимание

Сколько назначений для четырёх независимых пар?

Вопросы к этой главе

Почему не сравнить два независимых средних?

Это игнорирует спаривание и общие уровни внутри пар. Дизайн создаёт естественные разности, которые и являются единицами сравнения.

Малая вероятность измеряет размер эффекта?

Нет. Размер здесь выражен средним 2,5. Вероятность характеризует экстремальность статистики при конкретной нулевой модели и дизайне.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Ivan Canay, Northwestern: randomization tests, lecture 18

    Раздел о рандомизационных тестах и преобразованиях знаков. Для четырёх пар полностью перечислены назначения и явно задан включающий равенство двусторонний хвост.

Связанные методы

Почему растущее среднее не исключает вымирания популяции

В случайной модели потомства положительный средний рост не гарантирует выживания каждой реализации. Ожидание численности усредняет множество историй, включая исчезнувшие. Вероятность окончательного вымирания отвечает на другой вопрос и зависит также от стартового числа независимых линий.

Разобрать с примером

Почему многочисленная популяция может быть демографическим стоком

Высокая плотность не гарантирует, что местное размножение компенсирует местную смертность. Популяция может сохраняться благодаря притоку извне. Чтобы различить источник и сток, нужно разложить изменение численности на локальные демографические и миграционные вклады.

Разобрать с примером

Почему сто измеренных листьев не дают сто повторностей воздействия

Независимая повторность определяется уровнем назначения воздействия. Несколько измерений внутри одной обработанной единицы лучше описывают её состояние, но не создают новые независимые применения воздействия. Смешение этих уровней занижает неопределённость и называется псевдорепликацией.

Разобрать с примером

Темы по порядку

  1. Почему растущее среднее не исключает вымирания популяцииСопоставить среднюю численность и вероятность окончательного вымирания линейного процесса рождения смерти. Разобраны метод, собственный пример, проверка результата и границы вывода.
  2. Почему многочисленная популяция может быть демографическим стокомОтделить локальный баланс рождения смерти от миграционного поддержания численности. Разобраны метод, собственный пример, проверка результата и границы вывода.
  3. Почему сто измеренных листьев не дают сто повторностей воздействияОпределить экспериментальную единицу и отличить повторности от вложенных проб. Разобраны метод, собственный пример, проверка результата и границы вывода.
  4. Что общий сад проверяет иначе, чем взаимная пересадкаРазличить устойчивые различия происхождений и локальную адаптацию по схеме растительного опыта. Разобраны метод, собственный пример, проверка результата и границы вывода.
  5. Когда различие размера ещё не доказывает изменение темпа развитияРазличить возраст размер и форму при сравнении онтогенетических траекторий. Разобраны метод, собственный пример, проверка результата и границы вывода.

Проверьте понимание

Что возможно при λ=μ>0?

Рассчитать и проверить

Частые вопросы

Вероятность 0,125 относится к моменту t=2?

Нет. Это предельная вероятность когда-либо достичь нуля; конечный момент используется только для показанного среднего.

Сток обязательно малочислен?

Нет. Достаточный приток может поддерживать высокую численность при локальном дефиците воспроизводства.

Вложенные измерения нужно удалить?

Нет. Их можно использовать для оценки внутриединичной неоднородности и в модели с правильной структурой зависимости.