STATISTIK-FORUM.de

[Leoncia]

Hallo, bin neu hier und habe in der SuFu nichts gefunden.
Ich schreibe zur Zeit meine Bachelor Arbeit über Normalisierungsverfahren (bin aber kein Mathematiker, sondern Bioinformatiker, darum muss ich derzeit alles Statistische neu lernen).

Jetzt finde ich bei Google überhaupt keine Publikationen o.Ä. wie man den Mittelwert bei NA Werten berechnet. Ich nutze R, also mal ein Beispiel:

vector <- c(NA,NA,1,2)
median(vector) wäre nun NA. Das wäre meiner Meinung nach ein Fehler.
median(vector,na.rm=TRUE) liefert 1.5 - das ist -finde ich- die wahre Lösung.

Mein betreuender Professor meinte jetzt, ich solle doch einfach die NA's mit 0 ersetzen. Das verfremdet doch aber erst recht alle Werte?
vector <- c(0,0,1,2)
median(vector) = 0.5!!!

Nun soll ich die Median Normalisierung anwenden - also innerhalb einer Spalte den Median berechnen und alle Werte durch den Median teilen.
Das wäre doch ein riesen Unterschied, ob man vorher durch Nullen ersetzt oder die NA's removed. Wie seht ihr das? Wie berechnet man den "einzig wahren" Median richtig?

Das selbe gilt auch für den Mean, da gibt es dann auch große Unterschiede.

Danke für eure Meinungen!

[bele]

Hallo leoncia,

ob man bei Vorkommen von NA wirklich einen Median angeben kann, oder einen Mittelwert, muss man sich sachlich anhand der Quelle der NAs überlegen. Könnten die NA wirkliche Werte sein, die vielleicht auch extrem hoch oder extrem tief sein können? Dann lässt sich natürlich nichts über den Mittelwert aussagen. Sind die NAs einfach nur Dokumentationsfehler und die Werte waren wahrscheinlich ungefähr so, wie die jetzt vorliegenden verteilt, dann ist das Weglassen (na.rm oder na.omit()) wohl das angemessenere. Im Zweifel würde ich schreiben: Der Median der dokumentierten Beobachtungswerte war ...
Das impliziert dann, dass NAs nicht in die Rechnung einbezogen wurden.

Nebenbemerkung: Du hast gesehen, dass Du den Median außer über median() auch über die quantile() Funktion in R bestimmen kannst, dir Dir über das type-Argument allerlei Möglichkeiten zum Finetuning gibt?

LG,
Bernhard

[Leoncia]

Danke für die schnelle Antwort! Also die NA's kommen bei mir zustande, weil es sich bei den Daten um 2D-Gelelektrophorese Daten handelt. Und da sind die Protein-Spots entweder zu sehen oder eben nicht (oder zu schwach und der Computer erkennt es nicht mehr, bzw die Background Correction löscht ihn). Ich würde also sagen, dass es sich dabei um Fall 2 handelt, nämlich dass die tatsächlich vorhandenen Spots die wahre Verteilung widerspiegeln. Ich werde also einfach die NA's NA's sein lassen und gut... Mein "biologischer" Betreuer findet das auch besser so.

LG

[Leoncia]

Abgesehen davon sehen die Boxplots mit NA's auch besser aus...

[bele]

Abgesehen davon sehen die Boxplots mit NA's auch besser aus...

Oft ist das Schöne ja auch das Wahre