OR (ऑड्स अनुपात) का वितरण क्या है?

13

मेरे पास 95% सीआई (आत्मविश्वास अंतराल) के साथ "या" प्रस्तुत करने वाले लेखों का एक समूह है।

मैं उन लेखों से अनुमान लगाना चाहता हूं जो पी या मान के लिए हैं। उसके लिए, मुझे OR वितरण के संबंध में एक धारणा चाहिए। मैं किस वितरण को सुरक्षित रूप से ग्रहण / उपयोग कर सकता हूं?

distributions odds-ratio

— ताल गलिली
स्रोत

12

लॉग ऑड्स अनुपात में एक सामान्य विषम वितरण है:

$\log(\hat{OR}) \sim N(\log(OR), \sigma_{\log(OR)}^2)$

आकस्मिक तालिका से अनुमानित साथ । उदाहरण के लिए, नोटों के पेज 6 देखें: $\sigma$

पैरामीट्रिक मॉडल के लिए असममित सिद्धांत

— आर्स
स्रोत

मुझे लग रहा था कि यह इस तरह का कुछ होगा - बहुत धन्यवाद!

— ताल गैली

कुछ सुधार ऊपर सूत्र के लिए किए जाने चाहिए। यह var (log (OR)) नहीं var (OR) है।

— वोजटेक

3

मैंने "पैरामीट्रिक मॉडल के लिए असममित सिद्धांत" देखने के लिए लिंक पर क्लिक किया और यह टूट गया।

— प्लेसीडिया

लिंक मर चुका है :(

— Alby

14

आकलनकर्ता आसपास asymptotic सामान्य वितरण है । जब तक काफी बड़ा नहीं है, हालांकि, उनके वितरण अत्यधिक तिरछा हैं। जब , उदाहरण के लिए, ज्यादा से छोटा नहीं होना कर सकते हैं (के बाद से ), लेकिन यह गैर नगण्य संभावना के साथ बहुत बड़ा हो सकता है। बहुसांस्कृतिक संरचना के बजाय एक योजक होने के कारण लॉग रूपांतरण, अधिक तेज़ी से सामान्यता में परिवर्तित होता है। एक अनुमानित भिन्नता है: विश्वास के लिए अंतराल $\widehat{OR}$ $OR$ $n$ $OR=1$ $\widehat{OR}$ $OR$ $\widehat{OR}\ge0$

Var [\ln \hat{O R}] = (\frac{1}{n_{11}}) + (\frac{1}{n_{12}}) + (\frac{1}{n_{21}}) + (\frac{1}{n_{22}}) .

$\text{Var}[\ln\widehat{OR}]=\left(\frac{1}{n_{11}}\right)+\left(\frac{1}{n_{12}}\right)+\left(\frac{1}{n_{21}}\right)+\left(\frac{1}{n_{22}}\right).$

\ln O R

$\ln OR$ : एक्सपेंशनिएटिंग (एंटीलॉग्स लेना) इसके समापन बिंदुओं के लिए एक विश्वास अंतराल प्रदान करता है ।

\ln (\hat{O R}) \pm z_{\frac{α}{2}} σ_{\ln (O R)}

$\ln(\hat{OR})\pm z_{\frac{\alpha}{2}}\sigma_{\ln(OR)}$

O R

$OR$

अग्रिस्ती, एलन। श्रेणीबद्ध डेटा विश्लेषण , पृष्ठ 70।

— मार्ज़ीाह
स्रोत

1

+1, साइट पर आपका स्वागत है, @Marzieh। बेनाम: मैं अपने थोड़ा सा ऊपर छिड़काव की स्वतंत्रता ले लिया । सुनिश्चित करें कि आप अभी भी इसे पसंद करते हैं।

L A T E X

$\LaTeX$

— गूँग - मोनिका

3

आम तौर पर, एक बड़े नमूने के आकार के साथ इसे उचित अनुमान के रूप में माना जाता है कि सभी अनुमानक (या उनमें से कुछ उपयुक्त कार्य) का सामान्य वितरण होता है। इसलिए, यदि आपको केवल दिए गए आत्मविश्वास अंतराल के अनुरूप p -value की आवश्यकता है, तो आप बस निम्नानुसार आगे बढ़ सकते हैं:

बदलने और इसी CI को और [ डोमेन जबकि डोमेन है ] $OR$ $(c1,c2)$ $\ln(OR)$ $(\ln(c1),\ln(c2))$
$OR$ $(0,+\infty)$ $\ln(OR)$ $(-\infty,+\infty)$
के बाद से हर सीआई की लंबाई अपने स्तर अल्फा पर और आकलनकर्ता मानक विचलन की गणना पर निर्भर करता है
$d (O R) = \frac{\ln (c 2) - \ln (c 1)}{z_{α / 2} * 2}$ $d(OR)=\frac{\ln(c2)-\ln(c1)}{z_{\alpha/2}*2}$ $[\text{Pr}(Z>z_{\alpha/2})=\alpha/2; z_{0.05/2}=1.96]$
गणना पी (सामान्य मानकीकृत) परीक्षण आंकड़ा करने के लिए इसी -value $z=\frac{\ln(OR)}{sd(OR)}$

— बेजान
स्रोत

यह साइट लेटेक्स कमांड का समर्थन करती है, आप बस उन्हें डॉलर के संकेतों में संलग्न करते हैं। उदाहरण के लिए प्राप्त करने के लिए " लिखें" $ संकेतों में संलग्न। सिंटैक्स के लिए विकी पृष्ठ देखें , लेकिन 'आरंभ {गणित}' और 'अंत {गणित}' भागों को अनदेखा करें, इसके बजाय डॉलर चिह्न का उपयोग करें।

(- \infty, \infty)

$(-\infty,\infty)$

— probabilityislogic

1

चूंकि अंतर अनुपात नकारात्मक नहीं हो सकता है, इसलिए यह निचले छोर पर प्रतिबंधित है, लेकिन ऊपरी छोर पर नहीं है, और इसलिए इसका तिरछा वितरण है।

5

इस टिप्पणी को प्रदान करने के लिए धन्यवाद! लेकिन जब तक आप तिरछापन की मात्रा निर्धारित नहीं कर सकते, तब तक यह तथ्य अपने आप में बहुत उपयोगी नहीं है। वितरण योग्य परिवारों में से बहुत से तिरछे हैं, लेकिन व्यावहारिक सामान्य सन्निकटन हैं, जैसे कि ची-स्क्वायर (गामा) और पॉइसन, और बहुत अधिक दृढ़ता से तिरछे हो सकते हैं लेकिन (या बिल्कुल ठीक) के करीब गाया जा सकता है, जो चर की एक साधारण पुन: अभिव्यक्ति के माध्यम से सामान्य है, जैसे कि लोगनॉर्मल। क्या आप शायद यह बताने के लिए अपने उत्तर को बढ़ा सकते हैं कि तिरछेपन के ज्ञान का उपयोग रिपोर्ट किए गए ओआरएस से पी-वैल्यू का अनुमान लगाने के लिए कैसे किया जा सकता है?

— whuber