Discuții
BMDP montarea de rutină oferă valori exacte (de obicei în decurs de 6%), pentru ambele constante de timp și relativă a amplitudinilor a trei componente distribuții, cu condiția intermediare componente reprezintă cel puțin 4-5% din 1500 de puncte de date. Deși estimările individuale pentru o componentă intermediară mică prezintă o dispersie considerabilă, valorile medii sunt încă în limita a 6% din cele adevărate.,unele dintre variabilitatea în crize individuale pot apărea din incoerențe inerente datelor simulate. La Ai = 5%, componenta intermediară a constat din doar 75 de puncte din 1500. Deoarece abaterea standard pentru o distribuție exponențială este egală cu media sa, punctele 75 nu reprezintă într-adevăr o dimensiune adecvată a eșantionului pentru o distribuție exponențială. Deși montate valorile generate de BMDP rutina uneori deviat de la mijloc, montate valori produs în mod constant mai mare likelihoods decât valorile medii, determinată prin calcul independent de funcția probabilitate., Această constatare indică faptul că rutina funcționa corect convergând la acele valori care au maximizat probabilitatea.
o problemă asociată cu montarea distribuțiilor care sunt sumele exponențialelor este determinarea numărului de componente necesare pentru a descrie datele. De exemplu, o funcție de densitate de probabilitate cu două componente poate părea adecvată pentru montarea unei distribuții cu trei componente în care o componentă intermediară este doar 3-4% din punctele de date., Determinarea vizuală a bunătății potrivirii și a numărului de componente necesare nu este întotdeauna satisfăcătoare și poate genera inconsecvențe în analiza datelor.mai multe teste au fost propuse pentru compararea bunătatea de potrivire a diferitelor modele și determinarea numărului de componente necesare pentru a descrie o distribuție. Aceste teste se bazează pe raportul de probabilitate log (LLR), sau logaritmul raportului dintre probabilitățile maxime obținute prin montarea la diferite modele, cum ar fi cele care prezic distribuții cu două versus trei componente., LLR este egal cu diferența dintre funcțiile de pierdere pentru cele două fits.
când modelele sunt imbricate, de două ori LLR are o distribuție χ2 cu numărul de grade de libertate egal cu numărul de parametri suplimentari ai modelului mai complex (4, 11). La 2 grade de libertate, testul raportului de probabilitate favorizează o potrivire cu trei componente (cu cinci parametri independenți) față de o potrivire cu două componente (cu trei parametri independenți) la nivelul de semnificație 0.05 când LLR este mai mare de 3.,alte teste pentru bunătatea potrivirii includ termeni care penalizează un model pentru complexitate suplimentară. Criteriul de informare Akaike (aic) (12) afirmă că modelul cu cel mai mic AIC este modelul mai bun. AIC = – L + P, unde L este probabilitatea maximă a jurnalului și P este numărul de parametri independenți din model. O potrivire cu trei componente ar fi favorizată față de o potrivire cu două componente ori de câte ori LLR este mai mare de 2.o metodă similară a fost propusă de Schwarz (13). Criteriul Schwarz (SC) este – L + , unde N este numărul total de ore de locuit., Când N = 1500, o potrivire cu trei componente ar fi selectată peste o potrivire cu două componente numai atunci când LLR diferă cu mai mult de 7.3.
pentru datele simulate în care Ai a fost de 5%, rapoartele de probabilitate pentru fits cu două componente față de cele trei componente au fost în medie de 9,2 ± 2,6 (±SD) pentru cele cinci seturi de date. Toate cele trei teste consideră că aceasta este o diferență semnificativă și indică faptul că modelul complex este preferabil. Când Ai a fost de 2%, raporturile de probabilitate au fost în medie de 2,2 ± 1,8. Doar AIC ar favoriza selectarea potrivirii cu trei componente.,
seturi de Date în care Ai fost repartizat valori intermediare de 3 sau 4% au fost de asemenea testat pentru a determina dacă BMDP program a fost în măsură să detecteze o a treia componentă, atunci când a produs o îmbunătățire semnificativă a se potrivi. Pentru cele două seturi de date care conțin trei componente care se potrivesc doar ca distribuții cu două componente, LLR-urile au fost 2.4 și 2.0. Numai AIC ar sugera că LLR-urile indică diferențe semnificative. În medie, LLR pentru Ai = 4% a fost de 6, 0 ± 5, 2, iar LLR pentru Ai = 3% a fost de 4, 2 ± 2, 6.,
Ambele LLR și SC teste sugerează că BMDP program a fost în măsură să rezolve un al treilea component în distribuție ori de câte ori cele trei componente se potrivesc fost o îmbunătățire semnificativă față de cele două componente se potrivesc. Pentru seturile de date în care rutina de montare cu trei componente a generat doar două constante de timp, diferența dintre cele două crize nu a fost semnificativă.desigur, evaluarea descrisă aici este cu adevărat aplicabilă numai condițiilor în care a fost testat programul. Precizia și rezoluția programului vor scădea cu mai puține puncte de date., Datele simulate au fost totuși concepute pentru a oferi un test destul de riguros al rutinei de montare. Două constante de timp au fost separate printr-un factor de numai 5; tf a fost doar de 5 ori tmin, ceea ce înseamnă că aproximativ 18% din datele din această componentă a fost exclus din analiză; și fiecare set de date format din doar 1500 de puncte, care este un relativ mici, dar realiste, mărimea eșantionului.anumite limitări trebuie să fie păstrate în minte, cu toate acestea, atunci când se compară modele cinetice pe baza se potrivește efectuate de acest program., Deși estimările de probabilitate maximă au fost corectate parțial pentru evenimente ratate mai puțin de o anumită durată tmin, constrângeri majore se aplică în continuare interpretarea datelor care conțin o componentă extrem de rapidă a cărei constantă de timp nu este mult mai mare decât tmin.o sursă potențială de părtinire care nu este luată în considerare aici este eroarea de promovare a eșantionării care apare atunci când rata de eșantionare analogică-digitală utilizată de computer este comparabilă cu durata evenimentului (6, 14)., Eșantionarea datelor la intervale discrete are ca efect combinarea datelor în containere, deoarece timpii de staționare pot fi exprimați doar ca multipli ai intervalului de eșantionare. Aceste pubele se suprapun, iar durata reală a unui eveniment măsurată la intervale de eșantionare t poate fi de fapt oriunde de la-1 la intervale t + 1. De exemplu, un interval de eșantionare de 50 µsec/punct înseamnă că locuiesc ori apare ca 100 µsec în durata de fapt, poate fi oriunde de la 50 la 150 de µsec timp. Numărul de timpi de rezidență măsurați în fiecare coș va fi astfel mai mare decât numărul adevărat sau va fi promovat., Acest efect este cel mai semnificativ atunci când perioada de eșantionare este o fracțiune semnificativă din Constanta de timp a distribuției.
McManus și colab. (6) au furnizat expresii explicite pentru corectarea probabilității de eșantionare a erorilor de promovare (a se vedea, de asemenea, Ref. 14). Acestea concluzionează că erorile în estimarea probabilității maxime a constantelor de timp pentru sumele exponențiale ar deveni semnificative numai dacă perioada de eșantionare ar fi mai mare de 10-20% din cea mai rapidă constantă de timp a distribuției. Metodele prezentate aici nu includ corecții pentru erorile de promovare a eșantionării.,un alt tip de eroare nu a menționat mai devreme este produs de evenimente care trec nedetectate, deoarece acestea sunt mai rapide decât tmin. Timpii de închidere pierduți fac ca deschiderile canalului să apară prea mult, deoarece două evenimente de deschidere adiacente apar ca un singur eveniment lung. În mod similar, deschiderile ratate provoacă în mod eronat măsurători lungi ale duratelor închise, deoarece două ori închise adiacente apar ca un singur timp închis lung. Corecția pentru astfel de evenimente ratate este dependentă de model și poate deveni destul de complexă (15, 16)., Corectarea depinde de numărul de căi prin care canalul poate suferi tranziții de la o stare la alta și în mărimi relative ale constantelor de tranziție între stări. Eșecul de a corecta pentru astfel de evenimente ratate poate introduce erori substanțiale în estimările pentru constante de rată între state.cu condiția ca aceste limitări să fie luate în considerare, rutina de montare BMDP oferă o metodă convenabilă pentru generarea constantelor de timp și a amplitudinilor relative ale distribuțiilor de timp cu un singur canal.