Ağaç Desteği ve Güvenilirliği
Destek ölçümleri, tahmini bir ağacın bireysel dallarını verilerin ne kadar güçlü bir şekilde desteklediğini nicel olarak belirler; böylece bir filogeninin güçlü ve zayıf kısımları ayırt edilebilmektedir.
Tanım
Ağaç desteği, filogenetik bir ağacın belirli bir klad veya dalına duyulan güvenin, verilerin yeniden örneklenmesinden veya ağaçların sonsal dağılımından elde edilen nicel bir tahminidir.
Kapsam
Bu konu, parametrik olmayan bootstrap ve jackknife gibi yeniden örneklemeye dayalı destekleri, parsimoni altında çürüme (Bremer) desteğini, Bayesci sonsal olasılıkları ve belirli bir destek değerinin anlamı da dahil olmak üzere bu ölçümlerin yorumlanmasını ve bilinen yanlılıklarını kapsamaktadır.
Temel sorular
- Yeniden örnekleme yöntemleri bir kladdaki güveni nasıl tahmin etmektedir?
- Bootstrap değerleri ile Bayesci sonsal olasılıklar arasındaki fark nedir?
- Belirli bir destek değeri nasıl yorumlanmalıdır?
- Destek ölçümlerini hangi yanlılıklar etkilemektedir?
Temel kuramlar
- Parametrik olmayan bootstrap
- Karakterler, sahte-tekrarlı veri kümeleri oluşturmak için yerine koyularak yeniden örneklenir ve bir kladın tekrarlar arasında tekrar etme sıklığı, bootstrap desteği olarak rapor edilmektedir.
- Bootstrap değerlerinin yorumlanması
- Ampirik ve simülasyon çalışmaları, bootstrap oranlarının gerçekçi koşullar altında güvenilirliğin muhafazakar tahminleri olduğunu göstermektedir; bu da yüksek değerlerin iyi desteklenmiş kladları gösterdiği geleneğini bilgilendirmektedir.
Klinik önem
Destek değerleri, araştırmacılara hangi çıkarılmış ilişkilerin üzerinde hareket edilebilecek kadar güvenilir olduğunu belirtmektedir; bu, filogenilerin salgın atfı, kaynak takibi veya koruma kararlarına rehberlik ettiği durumlarda temel bir güvence sağlamaktadır.
Tarihçe
Felsenstein'ın 1985 yılında bootstrap yöntemini filogenilere uyarlaması, neredeyse evrensel hale gelen pratik bir güven ölçüsü sunmuştur; sonraki ampirik testler ve Bayesci sonsal olasılıkların yükselişi, sistematikçilerin dal desteğini nasıl raporladığını ve yorumladığını geliştirmiştir.
Tartışmalar
- Bootstrap ve Bayesci sonsal olasılıklar
- Bayesci sonsal olasılıklar, aynı veriler için bootstrap değerlerinden genellikle daha yüksektir ve hangisinin daha iyi kalibre edildiği ve her birinin nasıl yorumlanması gerektiği konusunda devam eden bir tartışma bulunmaktadır.
Öne çıkan isimler
- Joseph Felsenstein
- David Hillis
- James Bull
İlgili konular
Temel eserler
- felsenstein1985
- hillis1993
- felsenstein2004
Sıkça sorulan sorular
- Yüzde 95'lik bir bootstrap değeri ne anlama gelmektedir?
- Bu, kladın yeniden örneklenmiş sahte-tekrarlı analizlerin yüzde 95'inde ortaya çıktığı anlamına gelmektedir; yüksek değerler, karakterlerin yeniden örneklenmesine karşı sonucun sağlam olduğunu göstermektedir, ancak bunlar kesin istatistiksel olasılıklar değildir.
- Bayesci sonsal olasılıklar neden bootstrap değerlerinden farklılık göstermektedir?
- Bunlar farklı şekilde hesaplanmaktadır; sonsal olasılıklar, bir klad içeren örneklenmiş ağaçların oranını yansıtmaktadır; aynı veriler için karşılık gelen bootstrap desteğinden sıklıkla daha yüksektirler.