Funktion rekonstruieren < Numerik < Hochschule < Mathe < Vorhilfe
|
Hi,
suche nur ein paar Anregungen...
Als Ergebnis eines Versuchs erhalte ich nach einer ersten Auswertung eine größere Anzahl von Teststatistiken (F oder Likelihoodratio-Werte, je nach Methodik). Da sie einzelne Punkte eines Chromosoms repräsentieren und daher räumlich zusammengehören trage ich sie entsprechend in ein Punktediagramm ein und such dann darin größere lokale und globale Maxima. Man kann die Punkte verbinden, glätten mit Loess oder Splines, wie kann ich aber darin automatisiert diese Bereiche finden? Momentan behelfe ich mich mit den Differenzen aufeinander folgender, interpolierter Werte... Kann man nicht nährungsweise zugrundeliegende Funktionenen und Ableitungen numerisch bestimmen? Oder gibt es andere Möglichlkeiten; hab mich schon in der 2D- und 3D-Bildbearbeitung umgesehen, wo versucht wird, eine Rekonstruktion der zugrundeliegenden Funktion unter Ausschaltung des "white noise" zustande zu bekommen... Ich bin mir daher nicht so ganz sicher, ob ich dieses Posting nicht besser im Ingenieurbereich abgesetzt haben sollte. Kann ich ja noch nachholen. Hab SAS, notfalls auch R oder Scilab vor Ort...
Bin für jeden Tipp dankbar!
P.S.
Ich habe diese Frage in keinem Forum auf anderen Internetseiten gestellt
|
|
| |
|
| Status: |
(Antwort) fertig  | | Datum: | 16:20 Mi 13.09.2006 | | Autor: | DirkG |
Hmmm, auch als ausgebildeter Statistiker kann ich deinen Wendungen nicht ganz folgen. Ich fasse mal das wenige zusammen, was ich glaube deinem Beitrag entnehmen zu können:
Du hast Daten vorliegen - welcher Art auch immer, F-Statistiken usw. - die an konkrete Punkte im Raum (im Chromosom) geknüpft sind. Also sozusagen Tupel [mm](x_k,y_k,z_k,d_{1k},d_{2k},\ldots,d_{mk})[/mm], wobei [mm](x_k,y_k,z_k)[/mm] den Punkt im Raum angibt und [mm]d_{1k},d_{2k},\ldots,d_{mk}[/mm] dann [mm]m[/mm] Daten, vielleicht unterschiedlichster Bedeutung, die an diesen Punkt geknüpft sind.
Und jetzt möchtest du gern statistische Aussagen über das Verhalten von [mm]d_{1},d_{2},\ldots,d_{m}[/mm] an irgendeinem Punkt [mm](x,y,z)[/mm] des Raumes, welcher sich natürlich irgendwo in der Nähe der Datenpunkte befindet?
Falls es das ist, solltest du einen Blick in die Methoden der ![[]](/images/popup.gif) Geostatistik werfen, insbesondere die verschiedenen Arten des Kriging. Ob die hiesige Rubrik "Geowissenschaften" auch solche Mathematik bietet, entzieht sich meiner Kenntnis.
|
|
|
| |
|
| Status: |
(Mitteilung) Reaktion unnötig  | | Datum: | 00:15 Do 14.09.2006 | | Autor: | ml-schreck |
Hallo,
war wohl etwas zu konfus beschrieben, da stimm ich Dir zu!
Ich suche Gene mit Einfluß auf quantitative Merkmale; dabei stelle ich mir ein Chromosom als eine lineare Anordnung möglicherweise einflußreicher Gene vor.
Ich berechne mir aus Verwandschafts- und Markerinformation für jeden Genort eine Wahrscheinlichkeit für eine bestimmte Genausprägung. Diese Informationen vieler Individuen in Kombination mit deren Merkmalsausprägungen nutze ich dann weiter, im einfachsten Fall in einer Regression oder ein mixed model; und das für jeden Genort. Als Ergebnis erhalte ich dann beispielsweise F-Statistiken für diese Genorte; die ich in ein Punktdiagramm einzeichnen kann. Da nun benachbarte Genorte gekoppelt oder korreliert sind, ergibt sich nach dem Verbinden dieser Punkte idealerweise ein nahezu stetiger Verlauf, meist mit mehreren Peaks pro Chromosom; und ich such die lokalen und globalen Maxima dieser Kurven (hat im Idealfall was von einem Gaschromatogramm, ist aber deutlich welliger. könnte man auch als Gebirge bezeichnen). Momentan lasse ich diese Punkte durch Splines interpolieren und mir daraus eine Menge Zwischenwerte und deren Differenzen usw. berechnen; versuch mich also einer normalen Kurvendiskussion anzunäheren, nur leider ohne zugrundeliegende Funktion.  Das funktioniert jetzt inzwischen auch so einigermaßen.
Wie Du siehst, liegst Du also mit der Geostatistik nicht weit weg, da werde ich mal umschauen. Hatte ich noch nicht dran gedacht. Bei der 3D-Darstellung von Tomographie-Bildern beispielsweise haben die ähnliche Zielsetzungen, da werden Funktionen aus diesen Bildern nährungsweise rekonstruiert. Gibt schon interessante Themen...
Ein herzliches Dankeschön!
|
|
|
|
