சோதனை வடிவமைப்பு: செயற்கை நுண்ணறிவுடன் ஒரு திடமான திட்டத்தை நிறுவுதல்

ஆதாயங்கள்:

• ஒரு தெளிவான கருதுகோள், துல்லியமான கட்டுப்பாடுகள், சீரற்றமயமாக்கல், கண்மூடித்தனமான மற்றும் முன் சக்தி பகுப்பாய்வு ஆகியவற்றை ஒரு சோதனை வடிவமைப்பில் உருவாக்கும் திறன்
• உயிரியல் மறுபரிசீலனையை தொழில்நுட்ப மறுபரிசீலனையிலிருந்து வேறுபடுத்தும் திறன் மற்றும் சூடோரெப்ளிகேஷன் பிழையைத் தவிர்க்கும் திறன்
• சோதனைக்கு முன் பகுப்பாய்வுத் திட்டத்தைச் சரிசெய்வதன் மூலம் பி-ஹேக்கிங்கை முதலில் தடுக்கும் திறன் (முன் பதிவு)

உயிரியலில் மிகவும் விலையுயர்ந்த தவறு மோசமாக வடிவமைக்கப்பட்ட சோதனை. தவறான பகுப்பாய்வு பின்னர் சரிசெய்யப்படலாம்; ஆனால் போதுமான எண்ணிக்கையில் திரும்பத் திரும்பச் செய்யப்படாத, கட்டுப்பாடற்ற அல்லது கலப்பு மாறிகள் மூலம் சேகரிக்கப்பட்ட தரவுகளை எந்தப் புள்ளிவிவரங்களாலும் மீட்டெடுக்க முடியாது. "குப்பை உள்ளே, குப்பை வெளியே." அதனால்தான் சோதனை தொடங்கும் முன் சரியாக வடிவமைக்கப்பட வேண்டும். இந்த வடிவமைப்பு கட்டத்தில் செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த சிந்தனை பங்காளியாகும்: இது கட்டுப்பாட்டு குழுக்களை நினைவுபடுத்துகிறது, சக்தி பகுப்பாய்வு செய்யும் குறியீட்டை எழுதுகிறது (தேடப்பட்ட வேறுபாட்டைப் பிடிக்க தேவையான மாதிரிகளின் எண்ணிக்கையைக் கணக்கிடுகிறது), குழப்பமான மாறிகள் கேள்விகள். ஆனால் இறுதி வடிவமைப்பு முடிவு டொமைன் அறிவுடன் உங்களுடையது.

இந்த பிரிவில், ஒரு நல்ல சோதனை வடிவமைப்பின் கூறுகள் மற்றும் இந்த செயல்பாட்டில் செயற்கை நுண்ணறிவை எவ்வாறு பயன்படுத்துவது என்பது பற்றி விவாதிப்போம்.

ஒரு நல்ல சோதனை வடிவமைப்பின் கூறுகள்

• தெளிவான கருதுகோள்: ஒரு சோதிக்கக்கூடிய, அளவிடக்கூடிய கூற்று. "இந்த மருந்து செல் வளர்ச்சியை குறைக்கிறது."
• சுயாதீனமான மற்றும் சார்பு மாறி: நீங்கள் என்ன மாற்றுகிறீர்கள் (மருந்து அளவு), நீங்கள் என்ன அளவிடுகிறீர்கள் (செல் எண்ணிக்கை)?
• கட்டுப்பாட்டு குழு: எந்த தலையீடும் பெறாத ஒப்பீட்டு குழு. அது இல்லாமல் வித்தியாசத்திற்கான காரணத்தை நீங்கள் அறிய முடியாது.
• பிரதி: உயிரியல் பிரதியீடு (வெவ்வேறு தனிநபர்கள்/கலாச்சாரங்கள்) தொழில்நுட்ப நகலெடுப்பிலிருந்து வேறுபட்டது (ஒரே மாதிரியை மீண்டும் அளவிடுதல்); உண்மையான சக்தி உயிரியல் மறுபரிசீலனையில் உள்ளது.
• சீரற்றமயமாக்கல்: ரேண்டம் முறையில் மாதிரிகளை குழுக்களாக விநியோகித்தல் மற்றும் செயலாக்க வரிசை; சார்பு குறைக்கிறது.
• கண்மூடித்தனம்: அளவீடு செய்யும் நபருக்கு எந்த குழு எது என்று தெரியாது; அகநிலை சார்புநிலையைத் தடுக்கிறது.
• ஆற்றல் பகுப்பாய்வு: 80% நிகழ்தகவுடன் எதிர்பார்க்கப்படும் விளைவைப் பிடிக்க எத்தனை மாதிரிகள் தேவை என்பதை முன்கூட்டியே கணக்கிடுதல்.

உதவிக்குறிப்பு: AI க்கு "விமர்சனம்" செய்ய சோதனை வடிவமைப்பைக் கொடுங்கள். "இந்தத் திட்டத்தில் என்ன கட்டுப்பாடு இல்லை, என்ன குழப்பமான மாறியை நான் தவறவிட்டேன்?" தனியாக சிந்திக்கும் போது நீங்கள் பார்க்க முடியாத இடைவெளிகளை கேள்வி வெளிப்படுத்துகிறது.

சக்தி பகுப்பாய்வு: ஏன் மற்றும் எப்படி

மிகச் சிறிய மாதிரியானது உண்மையான வித்தியாசத்தைக் கூட "அற்பமானதாக" (குறைந்த சக்தி) காட்டலாம்; மிகப் பெரிய மாதிரியானது வளங்களை வீணடிப்பதாகும், மேலும் முக்கியமற்ற வேறுபாடுகளை "குறிப்பிடத்தக்கதாக" தோன்றச் செய்யலாம். சரியான எண் பவர் பகுப்பாய்வின் மூலம் கண்டறியப்படுகிறது மற்றும் இதைப் பொறுத்தது: எதிர்பார்க்கப்படும் விளைவு அளவு, ஏற்றுக்கொள்ளப்பட்ட பிழை விகிதங்கள் (ஆல்ஃபா மற்றும் பீட்டா) மற்றும் தரவின் மாறுபாடு.

பங்கு: நீங்கள் ஒரு சோதனை வடிவமைப்பு மற்றும் உயிரியல் புள்ளியியல் உதவியாளர். பணி: இரண்டு குழுக்களை ஒப்பிடும் ஒரு பரிசோதனைக்கான ஆற்றல் பகுப்பாய்வைச் செய்யுங்கள். எதிர்பார்க்கப்படும் விளைவு அளவு கோஹனின் d = 0.8, ஆல்பா = 0.05, சக்தி = 0.80.statsmodels உடன் ஒரு குழுவிற்குத் தேவையான மாதிரிகளின் எண்ணிக்கையைக் கணக்கிடும் குறியீட்டை எழுதவும் மற்றும் அனுமானங்களை விளக்கவும்.

நீங்கள் குறியீட்டை இயக்குகிறீர்கள்; எடுத்துக்காட்டாக, "ஒரு குழுவிற்கு 26 மாதிரிகள்" போன்ற முடிவைப் பெறுவீர்கள். இதை உங்கள் பரிசோதனை பட்ஜெட்டுடன் ஒப்பிட்டு, யதார்த்தமான திட்டத்தை உருவாக்குங்கள்.

படிப்படியாக: ஒரு பரிசோதனையை வடிவமைத்தல்

1. கருதுகோளை எழுதுங்கள்: ஒரு வாக்கியம், அளவிடக்கூடியது.
2. மாறிகளை வரையறுக்கவும்: சுயாதீனமான, சார்ந்து, நிலையானது.
3. கட்டுப்பாடுகளை அடையாளம் காணவும்: எதிர்மறை கட்டுப்பாடு, நேர்மறை கட்டுப்பாடு, வாகன கட்டுப்பாடு.
4. மிக்சர்களை பட்டியலிடுங்கள்: நேரம், தொகுதி, வெப்பநிலை, பரிசோதனை செய்பவர் - அவை எவ்வாறு கட்டுப்படுத்தப்படும்?
5. வலிமை பகுப்பாய்வைச் செய்யுங்கள்: மீண்டும் மீண்டும் செய்ய வேண்டிய எண்ணிக்கையைக் கணக்கிடுங்கள்.
6. சீரற்றமயமாக்கல் மற்றும் கண்மூடித்தனத்தைத் திட்டமிடுங்கள்.
7. முன்கூட்டியே பகுப்பாய்வுத் திட்டத்தை எழுதவும்: பரிசோதனைக்கு முன் எந்த சோதனையைப் பயன்படுத்துவீர்கள் என்பதைத் தீர்மானிக்கவும் (பி-ஹேக்கிங்கைத் தடுக்கிறது).

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

எனது சோதனைத் திட்டத்தை விமர்சியுங்கள். கட்டுப்பாட்டுக் குழு, பிரதிகளின் எண்ணிக்கை, சீரற்றமயமாக்கல், கண்மூடித்தனம், குழப்பங்கள் ஆகியவற்றின் அடிப்படையில் பலவீனங்களைக் கண்டறியவும். ஒவ்வொரு குறைபாட்டிற்கும் ஒரு உறுதியான திருத்தத்தை பரிந்துரைக்கவும். திட்டம்: [உரை]

உயிரியல் மறுபரிசீலனைக்கும் தொழில்நுட்ப மறுபரிசீலனைக்கும் உள்ள வேறுபாட்டை எடுத்துக்காட்டுடன் விளக்குங்கள். எனது அனுபவத்தில் [விளக்கம்] எது எத்தனை இருக்க வேண்டும், ஏன்?

பரிசோதனைக்கு முன் எனது பகுப்பாய்வுத் திட்டத்தை சரிசெய்ய விரும்புகிறேன். மகசூல்: [வடிவமைப்பு]. எந்த புள்ளியியல் சோதனை பொருத்தமானது, எந்த அனுமானங்களை நான் சரிபார்க்க வேண்டும், பல ஒப்பீடுகள் இருக்குமா? படிப்படியாக எழுதுங்கள்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமானது: "ஒரு பரிசோதனையை வடிவமைக்கவும்."

வலிமையானது: "மருந்து என்பதை நான் சோதிக்க விரும்புகிறேன்

வேறுபாடு: வலுவான வரியில், கருதுகோள், மாறிகள், அளவீட்டு நேரம் மற்றும் கிடைக்கக்கூடிய கட்டுப்பாடுகள் தெளிவாக உள்ளன; மாதிரியானது உறுதியான, களத்திற்கு ஏற்ற கருத்துக்களை வழங்குகிறது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - விளிம்பு விளைவு: ஒரு குழு 96-கிணறு தட்டில் சோதனை செய்தது; முடிவுகள் விசித்திரமாக இருந்தன. ஆவியாதல் (விளிம்பு விளைவு) காரணமாக தட்டின் விளிம்பு கிணறுகள் வித்தியாசமாக செயல்படுகின்றன என்பதை செயற்கை நுண்ணறிவு நினைவூட்டியது மற்றும் விளிம்புகளை கட்டுப்பாடுகளாகப் பயன்படுத்தவும், மாதிரிகளை சீரற்ற முறையில் விநியோகிக்கவும் பரிந்துரைத்தது. மீண்டும் மீண்டும் செய்வதில் நிலைத்தன்மை அதிகரித்தது.

வழக்கு 2 — சூடோரெப்ளிகேஷன்: ஒரு மாணவர் ஒரு சுட்டியிலிருந்து 10 திசு மாதிரிகளை எடுத்து "n=10" என்றார். இருப்பினும், இவை 10 தொழில்நுட்ப மறுநிகழ்வுகள்; உயிரியல் n இன்னும் 1. மாடல் இந்த வேறுபாட்டை விளக்கியபோது, ​​மாணவர் 6 எலிகளைக் கொண்டு பரிசோதனையை மறுவடிவமைப்பு செய்தார். பாடம்: புள்ளியியல் n என்பது ஒரு உயிரியல் அலகு.

வழக்கு 3 — போதுமான சக்தி இல்லை: ஒரு குழு ஒரு குழுவிற்கு 4 மாதிரிகளை இயக்கியது மற்றும் உண்மையான விளைவை தவறவிட்டது (p=0.09). சக்தி பகுப்பாய்வு 4 மாதிரிகள் 35% சக்தியை மட்டுமே வழங்கியது. மாதிரிகளின் சரியான எண்ணிக்கையை முன்கூட்டியே கணக்கிட்டிருந்தால், சோதனை போதுமான சக்தியுடன் அமைக்கப்பட்டிருக்கும் அல்லது தொடங்கப்படாது. பாடம்: சக்தியை முன்கூட்டியே கணக்கிடுங்கள், பின்னர் அல்ல.

ஒப்பீட்டு விளக்கப்படம்

கருத்து

சரியான பயன்பாடு

அடிக்கடி பிழை

மீண்டும்

உயிரியல் மீண்டும் எண்ணவும்

தொழில்நுட்ப மறுபரிசீலனை பற்றி யோசி

கட்டுப்பாடு

எதிர்மறை+நேர்மறை+கேரியர்

கட்டுப்பாடற்ற சோதனை

சீரற்றமயமாக்கல்

குழு மற்றும் சீரற்ற ஆர்டர்

தொடர் செயலாக்கம்

சக்தி

பரிசோதனைக்கு முன் கணக்கிடுங்கள்

திரும்பிப் பார்க்காதே

பகுப்பாய்வு திட்டம்

முன்கூட்டியே பின்

தரவுகளின் அடிப்படையில் சோதனைகளைத் தேர்ந்தெடுப்பது

பொதுவான தவறுகள்

• கட்டுப்பாட்டுக் குழுவைத் தவிர்ப்பது: வேறுபாட்டின் காரணத்தை புரிந்துகொள்ள முடியாததாக ஆக்குகிறது.
• போலி-மீண்டும்: உயிரியல் n என தொழில்நுட்ப மறுபரிசீலனை கருதுவது போலி முக்கியத்துவத்தை உருவாக்குகிறது.
• சக்தி பகுப்பாய்வைச் செய்யவில்லை: போதுமான அல்லது வீணான மாதிரி.
• குழப்பவாதிகளை புறக்கணித்தல்: தொகுதி, இடம், நேரம் போன்ற விளைவுகள் முடிவை சிதைக்கும்.
• பகுப்பாய்வுச் சோதனையைத் தேர்வுசெய்த பிறகு: நீங்கள் விரும்பும் முடிவைக் கொடுக்கும் சோதனையைத் தேடுதல் (பி-ஹேக்கிங்).

எச்சரிக்கை: AI உங்களுக்கு புள்ளிவிவரங்கள் மற்றும் வடிவமைப்பு பரிந்துரைகளை வழங்குகிறது, ஆனால் அதற்கு பரிசோதனையின் உயிரியல் பொருள் மற்றும் உண்மையில் என்ன கட்டுப்பாடு தேவை என்பது பற்றிய டொமைன் அறிவு தேவைப்படுகிறது. எந்த பகுப்பாய்வும் மோசமாக வடிவமைக்கப்பட்ட பரிசோதனையை சேமிக்க முடியாது; சோதனை தொடங்கும் முன் வடிவமைப்பை தெளிவுபடுத்தவும், முன்னுரிமை ஒரு புள்ளியியல் நிபுணருடன்.

மாறுபாட்டின் ஆதாரங்களைக் கருத்தில் கொள்கிறது

தரவுகளில் மாறுபாடு எங்கிருந்து வருகிறது என்பதைப் பற்றி முன்னோக்கிச் சிந்திப்பதே நல்ல வடிவமைப்பின் பாடப்படாத ஹீரோ. உயிரியல் மாறுபாடு (தனிநபர்களுக்கு இடையிலான இயற்கை வேறுபாடு) தவிர்க்க முடியாதது மற்றும் நீங்கள் என்ன படிக்க விரும்புகிறீர்கள்; தொழில்நுட்ப மாறுபாடு (குழாய் பிழை, சாதன விலகல், நாள் வேறுபாடு) சத்தம் மற்றும் குறைக்கப்பட வேண்டும். இரண்டையும் பிரிப்பதற்கான வழி வடிவமைப்பில் உள்ளது: ரேண்டமைசேஷன் மற்றும் கண்மூடித்தனத்துடன் தொழில்நுட்ப மாறுபாட்டை விநியோகித்தல், போதுமான மறுபரிசீலனையுடன் மாதிரி உயிரியல் மாறுபாடு.

உங்கள் பரிசோதனையில் மாறக்கூடிய சாத்தியமான ஆதாரங்களை AI பட்டியலிடுவதன் மூலம் தொடங்குவது உதவியாக இருக்கும். எடுத்துக்காட்டாக, ஒரு செல் கலாச்சார பரிசோதனையில்: பத்தியின் எண் (எத்தனை முறை செல்கள் பிரிக்கப்பட்டன), நடுத்தர தொகுதி, அடைகாக்கும் இடம், அறுவடை நேரம். இந்த ஆதாரங்களை அறிந்துகொள்வதன் மூலம், எவைகளை நிலையானதாக வைத்திருக்க வேண்டும் மற்றும் எவற்றை சீரற்றதாக மாற்ற வேண்டும் என்பதை நீங்கள் தீர்மானிக்க முடியும்.

பின்வரும் சோதனையில் மாறுபாட்டின் சாத்தியமான அனைத்து ஆதாரங்களையும் (உயிரியல் மற்றும் தொழில்நுட்பம்) பட்டியலிடவும்; ஒவ்வொன்றிற்கும் "நிலையாக வைத்திருங்கள்", "ரேண்டமைஸ்" அல்லது "சேமித்து மாடலை ஒரு மாறியாகச் சேர்" என்று பரிந்துரைக்கவும். பரிசோதனை: [விளக்கம்]

முன் பதிவு: ஒருமைப்பாட்டின் மிகவும் சக்திவாய்ந்த கருவி

சோதனைக்கு முன் பகுப்பாய்வுத் திட்டத்தைச் சரிசெய்வதற்கான மிகவும் சக்திவாய்ந்த வடிவம் முன்பதிவு: உங்கள் கருதுகோள், மாதிரி அளவு மற்றும் பகுப்பாய்வுத் திட்டத்தை தரவு சேகரிப்புக்கு முன் ஒரு நேர முத்திரையிடப்பட்ட இடத்தில் பதிவு செய்தல். இது "நான் விரும்பியதைப் பெறும் வரை நான் பகுப்பாய்வு முயற்சித்தேன்" என்ற சந்தேகத்தை நீக்குகிறது மற்றும் உங்கள் வேலையின் நம்பகத்தன்மையை பெரிதும் அதிகரிக்கிறது. உங்கள் டெர்ம் ஷீட்டை உருவாக்கவும், கருதுகோளைத் தெளிவுபடுத்தவும், பகுப்பாய்வுத் திட்டத்தை எழுதவும் AI உங்களுக்கு உதவும். இந்த வழியில், நீங்கள் p-ஹேக்கிங்கிற்கு எதிரான வலுவான கவசத்தை நிறுவியிருப்பீர்கள், அதை நாங்கள் யூனிட் 8 இல் பார்க்கலாம், சோதனை தொடங்கும் முன்.

சோதனை வகைக்கு ஏற்ப வடிவமைப்பு வேறுபாடுகள்

ஒவ்வொரு உயிரியல் பரிசோதனையும் ஒரே மாதிரியைப் பின்பற்றுவதில்லை; பிரச்சனையின் வகையைப் பொறுத்து வடிவமைப்பு மாறுபடும். ஒரு டோஸ்-ரெஸ்பான்ஸ் பரிசோதனைக்கு பல அளவுகள் மற்றும் ஒரு வளைவு மாதிரி தேவைப்படுகிறது; ஒரு டோஸ் போதாது. நேரத் தொடர் பரிசோதனையில், அளவீட்டு புள்ளிகளின் இடைவெளி மற்றும் சார்பு (அதே நபரை மீண்டும் அளவிடுதல்) வடிவமைப்பைத் தீர்மானிக்கிறது. ஒரு களம்/சூழலியல் ஆய்வில், சீரற்ற மாதிரி மற்றும் இடஞ்சார்ந்த சார்பு (அருகிலுள்ள புள்ளிகளின் ஒற்றுமை) ஆகியவை முன்னுக்கு வருகின்றன. உங்கள் பரிசோதனையின் வகையை AI யிடம் கூறி, "இந்த வகைக்கு என்ன வடிவமைப்பு கூறுகள் முக்கியமானவை?" என்று கேட்கிறீர்கள். கேட்பது: கவனிக்கப்படாத கூறுகளை முன்கூட்டியே பிடிக்க உங்களை அனுமதிக்கிறது. ஆனால் நினைவில் கொள்ளுங்கள்: மாதிரி பொதுவான கொள்கைகளை நினைவுபடுத்துகிறது, அது உங்கள் கணினியின் உயிரியல் விவரங்களை அறியாது.

சுருக்கமாக

ஒரு திடமான சோதனை; இது ஒரு தெளிவான கருதுகோள், துல்லியமான கட்டுப்பாடுகள், போதுமான உயிரியல் பிரதிகள், சீரற்றமயமாக்கல், கண்மூடித்தனமான மற்றும் முன் கணக்கிடப்பட்ட சக்தி ஆகியவற்றை அடிப்படையாகக் கொண்டது. AI என்பது இந்த கூறுகளை நினைவுபடுத்தும், ஆற்றல் பகுப்பாய்வு குறியீட்டை எழுதும் மற்றும் உங்கள் திட்டத்தை விமர்சிக்கும் ஒரு சக்திவாய்ந்த கூட்டாளியாகும். ஆனால் உயிரியல் பொருள் மற்றும் இறுதி வடிவமைப்பு முடிவு உங்களுடையது. பரிசோதனைக்கு முன் பகுப்பாய்வுத் திட்டத்தைச் சரிசெய்வது, அடுத்த யூனிட்டில் நாம் பார்க்கப்போகும் பி-ஹேக்கிங் பொறிக்கான மாற்று மருந்தாகும்.

விண்ணப்ப பணி

நீங்கள் மனதில் கொண்டுள்ள ஒரு பரிசோதனையை (அல்லது உதாரணம்) ஒரு பத்தியில் விவரிக்கவும்: கருதுகோள், மாறிகள், கட்டுப்பாடுகள், திட்டமிட்ட பிரதியீடு. நீங்கள் செயற்கை நுண்ணறிவு இந்த திட்டத்தை விமர்சிக்க வேண்டும்; விடுபட்ட கட்டுப்பாடுகள் மற்றும் மிக்சர்களை பட்டியலிடுங்கள். பின்னர் பவர் அனாலிசிஸ் குறியீட்டை (உங்கள் d மற்றும் ஆல்பா மதிப்புகளுடன்) அச்சிட்டு, தேவையான மாதிரிகளின் எண்ணிக்கையைக் கணக்கிடவும். இந்தக் கருத்துடன் உங்கள் திட்டத்தை மறுபரிசீலனை செய்யவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் எனது கருதுகோளை ஒரு அளவிடக்கூடிய வாக்கியத்தில் எழுதினேன்.
• [ ] தேவையான கட்டுப்பாட்டு குழுக்களை (எதிர்மறை/நேர்மறை/கேரியர்) தீர்மானித்தேன்.
• [ ] நான் உயிரியல் மற்றும் தொழில்நுட்ப மறுபரிசீலனைகளை சரியாக வேறுபடுத்தினேன்.
• சோதனைக்கு முன் நான் சக்தி பகுப்பாய்வு செய்தேன்.
• [ ] நான் ரேண்டமைசேஷன் மற்றும் கண்மூடித்தனத்தை திட்டமிட்டேன்.
• [ ] நான் தரவைப் பார்க்காமல் பகுப்பாய்வு சோதனையை சரிசெய்தேன்.