tn effect korrigalasa az eloszlassal

• feladat
• tumor number effect korrigalasa az eloszlassal
• amit latunk: A genotipusbol van 8000 tumor, B genotipusbol van 2000 tumor - de ezek valojaban csak az 50-nel nagyobb tumorok
• emiatt ez a meroszam nem feltetlenul a tumor numbert jelenti
• de ha van illesztett eloszlasunk, lathatjuk hogy A genotipusnak a 80%-at latjuk, a B genotipusnak meg csak a 20%-at
• korrigalhatjuk a tumor numbert -> A is 10000 es B is 10000
• ekkor azt gondolhatjuk hogy nincs is tumor number effect

• "problema"
• ha elvegezzuk a korrekciot, azt latjuk hogy nincs nagy valtozas, nem tunik el az effect
• mibol jon a problema?
• nagyon kulonbozo range-e van az illesztes altal szamolt szazaleknak es a latott darabszamoknak (akkor is ha valahogyan normalunk a KT-val)
• tehat: 70% - 96% es 500-3500
• de kozben meg nagyon eros a korrelacio a ketto kozott
• miert problema?
• ha eros a korrelacio -> miert nem hasonlo a range?
• nem hasonlo a range -> miert korrelalnak?
• van valami harmadik valtozo?

• otletek:

1. GR - DT helyett
1. ha GR-re illesztek normal eloszlast akkor nem latjuk ezt, eltunik a tn effect, jo a range is
2. tehat nem az algoritmussal van gond?

1. adatokban valami fura?
1. megneztem egerenkent kulon az also cutoffot, mediant, darabszamot
1. van nehany kicsit fura adat
2. ha igy-ugy szurok akkor talan javul, de nem annyira egyertelmu (ertsd: nem ertunk meg mindent attol hogy egy egeret kiveszek)
2. kulon egerenkent - genotipusonkent nem lehetne illeszteni, tul keves az adat
2. mennyire mulik az also cutoffon ez?
1. ha emelem az also cutoffot akkor emelkedik a hianyzo resz is, a DT nem eri utol hirtelen a GR-t, semmi kulonos

1. mennyire robuszt az egesz az also cutoff emelesere
1. tokeletes eloszlast feltetelezunk
2. DT eloszlas DT illesztes
1. nagyon szepen becsuljuk
3. GR eloszlas GR illesztes
1. nagyon szepen becsuljuk
4. GR eloszlas DT illesztes
1. novekszik, de sokkal lassabban?
2. hasonlo mint az eredeti adatoknal, de az tudjuk hogy nem GR az eredeti eloszlas, hiszen mar a DT is jobban illeszkedik
5. DT eloszlas GR illesztes
1. nagyon rossz, rosszabb mint az eredeti adatokon
6. 4., es 5., miatt azt gondolhatjuk hogy az eredeti eloszlas inkabb DT mint GR, de biztosan nem tokeletes a modell, mert akkor rosszabbul teljesit
2. DT-re illesztek rogton
1. eddigi hibafuggveny a mereten szamolja a hibat, lehet van benne valami bias?
2. nincs, nem valtozik semmi
3. GR es DT kdeplot/histplot
1. ha kirajzoljuk nehany genotipus eloszlasat, latjuk hogy a hianyzo oldal sokkal hianyosabb GR-nel, mig DT-nel "nagyobb reszt latunk" (itt kiszamoltam az adott oldalak sd-jet, tenyleg azt kapjuk amit latunk)
2. kozben eszrevehetjuk hogy a DT-nel a mediantol jobbra (tehat nagyobb dt, kisebb meret) van egy pup az eloszlasban, mintha ott feltorlodna egy kicsit
1. ezt a normal eloszlas "nem tudja lekovetni", lehet ebbol jon a hiba?
1. nem tudom hogyan johet belole es nem tudom hogyan lehetne ezt nezni, kovetkezo pontban ezt probaltam talan vizsgalni

1. csak a median feletti (ha meret akkor feletti, ha dt akkor alatti) reszre illesztek
1. sulyokkal ezt konnyu megoldani
2. esetleg ha azt talalnank, hogy van valamilyen szisztematikus hiba (vagy legalabbis elteres), akkor az erdekes lenne
3. nagyobb lesz a range, de nem sokkal

1. hianyzo resz vs megmaradt resz
1. ha azt neznenk hogy mennyi hianyzik akkor azt latnank hogy:
1. 4% - 30%
2. mig ha kiszamolnank hogy akkor mennyi tumor (db) hianyzik akkor:
3. 150-200
4. itt pont a forditottja van a range-nel
2. oszinten ez nem tudom mit jelent, lehet csak annyit hogy van valami matek emogott amit nem ertek