विभिन्न दर्शकों के लिए उन्नत आँकड़े पेश करने की रणनीतियाँ


26

मैं मुख्य रूप से चिकित्सा, सामाजिक विज्ञान और शिक्षा जैसे क्षेत्रों में गैर-सांख्यिकीविदों के साथ काम करता हूं।

चाहे मैं स्नातक छात्रों के साथ परामर्श कर रहा हूं, लेखों के साथ शोधकर्ताओं की मदद कर रहा हूं या पत्रिकाओं के लिए लेखों की समीक्षा कर रहा हूं, मुझे अक्सर यह समस्या होती है कि कोई (ग्राहक, लेखक, शोध प्रबंध समिति, पत्रिका संपादक) कुछ अपेक्षाकृत अच्छी तरह से ज्ञात तकनीक का उपयोग करना चाहता है जब यह पूरी तरह से है अनुचित या जब बेहतर लेकिन कम ज्ञात विधियां मौजूद हैं। अक्सर, मैं वैकल्पिक तकनीक की व्याख्या करूंगा लेकिन फिर "हर कोई इसे दूसरे तरीके से करता है" बताया जाएगा।

मुझे इस बात में दिलचस्पी होगी कि अन्य लोग इस तरह की कठिनाई से कैसे निपटते हैं।

ADDITIONS

@MichaelChernick ने सुझाव दिया कि मैं कुछ कहानियाँ साझा कर सकता हूँ, इसलिए मैं करूँगा

वर्तमान में मैं एक ऐसे व्यक्ति के साथ काम कर रहा हूं जो पिछले पेपर की नकल कर रहा है और यह देखने में एक स्वतंत्र चर जोड़ रहा है कि क्या यह मदद करता है। पिछला पेपर स्पष्ट रूप से, भयानक है। यह निर्भर डेटा का इलाज करता है जैसे कि वे स्वतंत्र थे; यह बहुत अधिक है और अन्य समस्याएं भी हैं। फिर भी उन्होंने (मेरे ग्राहक) एक शोध प्रबंध के रूप में एक पूर्व संस्करण प्रस्तुत किया और न केवल अपनी डिग्री प्राप्त की बल्कि शोध के लिए व्यापक रूप से प्रशंसा की।

कई बार मैंने लोगों को समझाने की कोशिश की है कि वे चर को न देखें। यह दवा में बहुत बार आता है। मैं धैर्यपूर्वक बताता हूं कि डाइकोहोटोमाइजिंग (कहना) जन्म के समय कम और सामान्य (आमतौर पर 2,500 ग्राम) में 2,499 ग्राम बच्चे के साथ एक 1,400 ग्राम एक की तरह व्यवहार करता है; लेकिन 2,501 ग्राम बच्चे का इलाज काफी अलग तरीके से किया गया। चिकित्सक मुझसे सहमत है कि यह मूर्खतापूर्ण है। फिर उस तरह से करने के लिए कहता है।

मेरे पास एक स्नातक छात्र ग्राहक था, जिसकी समिति ने एक क्लस्टर विश्लेषण पर जोर दिया था। छात्र को विधि समझ में नहीं आई, विधि ने उपयोगी प्रश्नों का उत्तर नहीं दिया, लेकिन यही समिति चाहती थी, इसलिए उन्हें यही मिला।

सांख्यिकीय ग्राफिक्स का पूरा क्षेत्र एक है, जहां कई लोगों के लिए, "यह है कि दादा ने इसे कैसे किया" पर्याप्त है।

फिर ऐसे लोग हैं जो सिर्फ पुश बटन लगते हैं। मुझे एक प्रस्तुति याद है (किसी की मदद से नहीं!) जिसने पूरी प्रश्नावली ली और कारक ने इसका विश्लेषण किया। वह जिन चरों में शामिल था उनमें से एक आईडी नंबर था!

ओए।


6
पीटर, मेटा इस साइट के बारे में प्रश्नों के लिए है मुझे संदेह है कि आप "कम्यूनिटी विकी" स्थिति के बारे में सोच रहे होंगे, जो कि उपयोगी, दिलचस्प सवालों के लिए है, जिनका उद्देश्यपूर्ण रूप से सर्वश्रेष्ठ उत्तर होने की संभावना नहीं है (या जिनके जवाब देने के लिए सहयोगी प्रयासों की आवश्यकता है)। तदनुसार, मैंने आपके सुझाव की एक CW अनुरोध के रूप में व्याख्या की है और उस पर अमल किया है।
whuber

1
डाइकोटोमिसाइजेशन पर एक त्वरित टिप्पणी: मुझे वास्तव में लगता है कि यह उन लोगों से गलत अनुमान है जो आंकड़ों के "थोड़ा सा" जानते हैं। जिन क्षेत्रों में आप I की बात करते हैं, वे कल्पना करेंगे कि निर्णय लेने के आसपास बहुत विश्लेषण किया जाएगा (उदाहरण के लिए, क्या मुझे एक्स या वाई के लिए उपचार शुरू करना चाहिए?)। यह डाइकोटोमस है - और अक्सर एक उपयोगी डायकोटॉमी। यदि आपके पास केवल थोड़ी मात्रा में चर हैं, तो एक उचित निर्णय विश्लेषण या परिकल्पना परीक्षण इस बात की अच्छी तरह से नकल कर सकता है - हमारे पास "यदि x> 10 विकल्प 1 हैं, तो विकल्प 2 ले सकते हैं"।
probabilityislogic

1
इसके अलावा dichotomised चर पर आधारित एक विश्लेषण यह याद रखना बहुत आसान है कि क्या आपके पास कंप्यूटर तक पहुंच नहीं है।
probabilityislogic

2
मनोविज्ञान में लोग अक्सर द्विगुणित या मात्रात्मक होते हैं क्योंकि वे एनोवा का उपयोग करते हैं, प्रतिगमन नहीं। यह मुझे पागल कर देता है। कहीं न कहीं वेंडरबिल्ट के आँकड़े विकी बायस्टैट.mc.vanderbilt.edu/wiki/Main में द्विभाजन द्वारा किए गए भयानक नुकसान का एक शानदार प्रदर्शन है। लेकिन मैं दुर्भाग्य से इसे ढूंढ नहीं पा रहा हूं। मुझे लगता है कि यह वैसे भी है। जब मेरे पास मौका था तब मुझे ध्यान देना चाहिए था
क्रिस बेले

2
बीमा उद्योग में अपने सीमित अनुभव से, मैंने पाया है कि एक बार एक विशेष भविष्य कहनेवाला मॉडल विकसित होने के बाद, इसका अपना जीवन है और मॉडल बनने के बाद भी कुछ वर्षों तक (शायद अद्यतन गुणांक के साथ) दोहराए जाते रहेंगे। रगड़ा हुआ। उदाहरण के लिए, स्वास्थ्य बीमा पॉलिसी दरों को निर्धारित करने वाले पुराने मॉडल को फिर से
बदलना

जवाबों:


16

यह एक पेचीदा सवाल है!

सबसे पहले, यह क्यों होता है पर कुछ विचार। मैं एक ऐसे क्षेत्र में काम करता हूं जो (या कम से कम ) आंकड़ों का व्यापक उपयोग करना चाहिए , लेकिन जहां अधिकांश चिकित्सक सांख्यिकीय विशेषज्ञ नहीं हैं। नतीजतन, बहुत से "मैं एक वेक्टर को एक्सेल के टी-टेस्ट फ़ंक्शन में डालता हूं और यह संख्या बाहर गिर गई। इसलिए मेरा पेपर आंकड़ों द्वारा समर्थित है।"

ऐसा होने का मुख्य कारण मैं देख रहा हूं कि सांख्यिकी ज्ञान की कमी सबसे ऊपर है। यदि आपके समीक्षक और थीसिस समिति सांख्यिकीय तकनीकों पर अद्यतित नहीं रहते हैं, तो आपको "अपरंपरागत" किसी भी चीज़ के उपयोग को सही ठहराने की आवश्यकता है। उदाहरण के लिए, एक थीसिस में, मैंने वितरण के आकार को दिखाने के लिए बॉक्स भूखंडों के बजाय वायलिन भूखंडों का उपयोग करने का विकल्प चुना। इस तकनीक के उपयोग के लिए थीसिस में व्यापक दस्तावेज़ीकरण की आवश्यकता थी, साथ ही मेरे बचाव में एक लंबी चर्चा हुई, जहां सभी समिति के सदस्यों ने जानना चाहा कि पाठ में वर्णन और स्रोत सामग्री के संदर्भ दोनों के बावजूद, इस अजीब साजिश का क्या मतलब है। । अगर मैंने सिर्फ एक बॉक्स प्लॉट का उपयोग किया था (जो सख्ती से कम दिखाता है इस मामले में जानकारी, और यदि यह मल्टी-मोडल है तो वितरण के आकार के बारे में दर्शक को आसानी से धोखा दे सकता है) किसी ने भी कुछ नहीं कहा होगा, और मेरी रक्षा करना आसान होगा।

मुद्दा यह है कि, गैर-सांख्यिकी क्षेत्रों में चिकित्सकों को एक कठिन विकल्प का सामना करना पड़ता है: हम इसके बारे में पढ़ सकते हैं और फिर सही तरीकों का उपयोग कर सकते हैं , जो काम का एक गुच्छा भर देता है, जिसमें से कोई भी हमारे उच्च अप में रुचि नहीं रखता है; या हम सिर्फ प्रवाह के साथ जा सकते हैं, हमारे कागजात और शोधपत्रों पर रबर स्टैम्प प्राप्त कर सकते हैं, और गलत लेकिन पारंपरिक तरीकों का उपयोग कर सकते हैं ।

अब, आपके प्रश्न का उत्तर देने के लिए:

मुझे लगता है कि एक अच्छा दृष्टिकोण सही तकनीकों का उपयोग करने में विफल होने के परिणामों पर जोर देना है। यह प्रवेश कर सकता है:

  • वास्तविक दुनिया का उदाहरण देते हुए कि कैसे उनके क्षेत्र में किसी ने खराब अनुमान के परिणामों का अनुभव किया। यह कुछ क्षेत्रों में दूसरों की तुलना में आसान है। उदाहरण जहां करियर को नुकसान पहुंचा था वे विशेष रूप से अच्छे हैं।

  • यह बताते हुए कि गलत विश्लेषण करना आपको ऐसी स्थिति में छोड़ सकता है जहां आपके परिणाम वास्तविक दुनिया में स्थानांतरित होने की बहुत संभावना नहीं है, जो नुकसान का कारण बन सकता है (जैसे मेरे क्षेत्र में, यदि आपका एआई सिस्टम प्रोटोटाइप सांख्यिकीय रूप से प्रतियोगिता से बेहतर प्रतीत होता है, लेकिन वास्तव में है एक ही, तो अगले 6 महीने का खर्च एक पूर्ण कार्यान्वयन का निर्माण वास्तव में एक बुरा विचार है।

  • ऐसी तकनीकें चुनें जो उपयोगकर्ताओं को बहुत समय बचाएंगी। पर्याप्त समय ताकि वे उच्च अप करने के लिए तकनीकों को समझाने के लिए जो बचाते हैं वह खर्च कर सकें।


1
अच्छी चर्चा और अच्छा जवाब +1।
माइकल आर। चेरिक


1
परिणामों को इंगित करने के लिए +1। यह लोगों को बेहतर तरीकों पर स्विच करने के लिए चमत्कार कर सकता है।
सिंह

9

केवल थोड़े से सांख्यिकीय परिष्कार के साथ एक मनोवैज्ञानिक के दृष्टिकोण से बोलना: जब आप विधि का परिचय देते हैं, तो टूल का भी परिचय देते हैं। यदि आप मेरे क्षेत्र के अधिकांश शोधकर्ताओं को एक महान नई विधि के बारे में एक लंबी कहानी सुनाते हैं, तो वे पूरा समय इस बात पर व्यतीत करने में व्यतीत कर देते हैं कि पंचलाइन है "और आपको बस अपने अंतर कैलकुलस पर ब्रश करना है और फिर दो सप्ताह प्रशिक्षण पाठ्यक्रम! " (या "और $ 2000 के आँकड़े पैकेज खरीदें!" या "और पायथन और आर कोड की 5000 लाइनों को अनुकूलित करें!")। जबकि अगर पहले से उपयोग किए गए आँकड़े पैकेज में उपलब्ध विधि का कार्यान्वयन है, या एक मुफ्त GUI के साथ मुफ्त सॉफ्टवेयर के एक टुकड़े में, और वे एक या दो दिन में इस पर गति प्राप्त कर सकते हैं, तो वे देने को तैयार हो सकते हैं यह एक कोशिश है।

मुझे पता है कि यह दृष्टिकोण वेताल और अवैज्ञानिक लग सकता है, लेकिन लोगों के लिए यह आसान है जब वे अनुदान और प्रकाशनों के बारे में चिंतित हों, और बड़ी मात्रा में गणित सीखना न देखें, जिससे उन्हें अपनी नौकरी रखने में मदद मिल सके।


2
@octem अन्वेषक पर भरोसा नहीं कर सकता कि वह सहयोग का हिस्सा करे। जांचकर्ता को उपकरण की आवश्यकता क्यों है। मैं इसे तालिका को उलटने के लिए चिकित्सक के साथ तुलना करता हूं। अगर वह कहे कि मुझे इस सर्जरी को करने के लिए मुझे एक त्वरित ट्यूटोरियल देना है तो मुझे कैसा लगेगा और मैं आगे बढ़कर आपके लिए यह करूंगा। मुझे लगता है कि झटका और dsimay है और मेरे लिए लाइसेंस के बिना मेवाडिसिन का अभ्यास करना अवैध है। वह शायद अच्छी बात है। लेकिन क्या सांख्यिकीविद् समान सम्मान के लायक नहीं है। क्यों उम्मीद करते हैं कि मैं सिर्फ उसे उपकरण दे सकता हूं और उसे प्रशिक्षण की कमी के कारण दूर कर सकता हूं।
माइकल आर। चेर्निक

2
सामाजिक मनोविज्ञान में, एक सांख्यिकीविद् होना सामान्य नहीं है (क्योंकि यह एक सांख्यिकीविद् का भुगतान करने के लिए पर्याप्त धन होना सामान्य नहीं है)। अब मैं सार्वजनिक स्वास्थ्य / स्वास्थ्य मनोविज्ञान में हूँ। बड़े अनुदान में आमतौर पर एक सांख्यिकीविद् के लिए वेतन शामिल होता है, लेकिन हमारा बहुत सारा काम कंजूस छोटे पायलट अनुदान पर किया जाता है, जहां हम पीआई के लिए वेतन भी नहीं ले सकते। यही वह परिप्रेक्ष्य है जो मैं आ रहा हूं ... यदि आप एक ऐसे क्षेत्र में हैं जहां अधिकांश परियोजनाओं में एक प्रशिक्षित सांख्यिकीविद् शामिल है, तो मैं मानता हूं, इस तरह का प्रतिरोध उचित नहीं होगा।
अष्टकूट

1
@octem प्रतिक्रिया के लिए धन्यवाद। सिर्फ उपमा के साथ अनुवर्ती करने के लिए। एक समय था जब अमेरिका में गर्भपात गैरकानूनी था और कुछ महिलाएं अन्य देशों में चली गईं या यह बिना किसी बाधा के और बिना स्वास्थ्य जोखिम के गैरकानूनी तरीके से एक बैक रूम में किया गया। यह एक महान सादृश्य जैसा प्रतीत नहीं हो सकता है, लेकिन एक सांख्यिकीविद को वहन करने में सक्षम नहीं होना एक नीच काम करने के लिए उचित है? मुझे पता है कि दवा एक जीवन या मृत्यु की चीज है, लेकिन बुरे विज्ञान के बुरे परिणाम भी हैं? डेटा के दुरुपयोग से खराब दवा का अभ्यास हो सकता है क्योंकि असुरक्षित दवा का उपयोग तब किया जाता है जब इसे नहीं होना चाहिए।
माइकल आर। चेर्निक

@MichaelChernick देखो, मैं सामाजिक विज्ञान में सांख्यिकीय विश्लेषण की स्थिति के बारे में खुश नहीं हूं। लेकिन सवाल यह था कि एक नए सांख्यिकीय दृष्टिकोण को अपनाने के लिए शोधकर्ताओं को कैसे प्राप्त किया जाए, और मैं एक जवाब दे रहा हूं जो शोधकर्ताओं के एक बड़े उप-समूहन के लिए उपयुक्त है - चाहे हम इसे पसंद करें या नहीं।
अष्टकूट

1
@octem फेयर काफी है और मुझे लगता है कि मैं समझ गया हूं। प्रश्न पूछने से पहले मैंने आपको एक उत्थान दिया। जांचकर्ताओं का दृष्टिकोण यह सोचने का है कि सस्ता रास्ता जाने का तरीका है जो मैं सवाल कर रहा हूं और इस तथ्य से नहीं कि आप समस्या को पहचानते हैं। यह करता है और मैं वहां आपसे सहमत हूं। लेकिन किसी भी तरह लंबे समय में मुझे लगता है कि हमें बस अधिक सम्मान और मान्यता प्राप्त करने की आवश्यकता है कि हमारी नौकरी तुच्छ नहीं है।
माइकल आर। चेरिक ऑक्ट

6

इस अच्छे प्रश्न के लिए धन्यवाद पीटर। मैं एक चिकित्सा अनुसंधान संस्थान में काम करता हूं और चिकित्सकों के साथ व्यवहार करता हूं जो चिकित्सा पत्रिकाओं में शोध और प्रकाशन करते हैं। अक्सर वे अपने आंकड़ों को "पूरी तरह से सही करने" की तुलना में प्रकाशित होने में अधिक रुचि रखते हैं। इसलिए जब मैं एक अपरिचित तकनीक का प्रस्ताव करता हूं तो वे एक समान पेपर की ओर इशारा करेंगे और कहेंगे "देखो उन्होंने इसे इस तरह से किया और अपने बच्चों को प्रकाशित किया।"

एक समस्या है जो मुझे लगता है कि जब प्रकाशित पेपर वास्तव में खराब है और गलतियाँ हैं। एक महान प्रतिष्ठा होने पर भी बहस करना मुश्किल है। कुछ डॉक्स में बड़ा अहंकार होता है और लगता है कि वे लगभग कुछ भी सीख सकते हैं। इसलिए उन्हें लगता है कि वे आँकड़ों को समझते हैं जब वे नहीं करते हैं और आग्रहपूर्ण हो सकते हैं। इससे निराशा हो सकती है। जब यह परीक्षण में होता है और विलकॉक्सन अधिक उपयुक्त होता है तो मैं उन्हें विल शेपिरो परीक्षण करवाता हूं और यदि सामान्यता को खारिज कर दिया जाता है तो हम दोनों तरीकों को शामिल करते हैं और समझाते हैं कि विलकॉक्सन बेहतर क्यों है। मैं कभी-कभी उन्हें मना सकता हूं और अक्सर वे आंकड़ों के लिए मुझ पर निर्भर रहते हैं, इसलिए मेरे पास थोड़ा और अधिक क्लू है तो एक सामान्य सलाहकार हो सकता है।

मैं एक ऐसी स्थिति में भी भाग गया, जहाँ मैंने उनके लिए कपलान-मेयर कर्व किए और हमने लॉग रैंक टेस्ट का उपयोग किया लेकिन विल्कोक्सन ने एक अलग परिणाम दिया। यह तय करना मेरे लिए कठिन था और ऐसी स्थितियों में मुझे लगता है कि दोनों तरीकों को पेश करना और उन्हें अलग करने के बारे में समझाना सबसे अच्छा है। वही जीवित अवस्था वक्र के लिए पेटो बनाम ग्रीनवुड विश्वास अंतराल का उपयोग करने के लिए जाता है। कॉक्स अनुपात खतरे की व्याख्या करना मुश्किल हो सकता है और वे अक्सर बाधाओं अनुपात और सापेक्ष जोखिम का गलत अर्थ लगाते हैं।

कोई आसान जवाब नहीं है। यहां मेरा एक बॉस था जो कार्डियोलॉजी में एक शीर्ष चिकित्सा शोधकर्ता था और वह कभी-कभी पत्रिकाओं के लिए रेफरी होता था। वह एक कागज को देख रहा था जो निदान के साथ काम करता था और एक उपाय के रूप में एयूसी का उपयोग करता था। उसने पहले कभी AUC वक्र नहीं देखा था और मेरे पास यह देखने के लिए आया था कि क्या मुझे लगा कि यह वैध है। उसे संदेह था। यह उचित निकला और मैंने उसे सबसे अच्छा समझा।

मैंने चिकित्सकों के लिए बायोस्टैटिस्टिक्स पर व्याख्यान देने की कोशिश की है और सार्वजनिक स्वास्थ्य स्कूलों में बायोस्टैटिस्टिक्स पढ़ाया है। मैं इसे दूसरों की तुलना में बेहतर करने की कोशिश करता हूं और 2002 में महामारी विज्ञान विशेषज्ञ के रूप में स्वास्थ्य विज्ञान की बड़ी कंपनियों के लिए एक पुस्तक का निर्माण किया है। विली चाहता है कि मैं अब दूसरा संस्करण करूं। 2011 में मैंने एक और संक्षिप्त पुस्तक प्रकाशित की, जिसे मैंने सिर्फ आवश्यक रूप से कवर करने की कोशिश की ताकि व्यस्त एमडी इसे फिर से लेने और इसे संदर्भित करने में समय ले सकें। इस तरह मैं इससे निपटता हूं। शायद आप अपनी कहानियाँ हमारे साथ साझा कर सकते हैं।


ये अच्छे अंक हैं @Michael। मैं कुछ कहानियों को
जोड़ूंगा

1
@PeterFlom मुझे लगता है कि हमारे पास कुछ इसी तरह के अनुभव हो सकते हैं। मुझे लगता है कि आपको अन्य लोगों के उत्तरों में कुछ अन्य बहुत अच्छी प्रतिक्रियाएं मिल रही हैं।
माइकल आर। चेर्निक

6

लॉग(एक्स); एक्स(1,2)? 


अपने करियर में मैं कई अंतःविषय अनुसंधान करता हूं और मुझे विभिन्न समय में मादक द्रव्यों के सेवन के शोधकर्ताओं, महामारी विज्ञानियों, जीवविज्ञानी, अपराधियों और चिकित्सकों के साथ मिलकर काम करने के लिए प्रेरित करता है। इसमें आम तौर पर डेटा का विश्लेषण शामिल होता है जहां सामान्य "डिब्बाबंद" दृष्टिकोण विभिन्न कारणों से विफल हो जाएगा (उदाहरण के लिए पक्षपाती नमूनाकरण और क्लस्टर किए गए, अनुदैर्ध्य और / या स्थानिक रूप से अनुक्रमित डेटा के कुछ संयोजन)। मैंने ग्रेजुएट स्कूल में पार्ट टाइम परामर्श करने के लिए कुछ साल बिताए, जहाँ मैंने कई तरह के क्षेत्रों के लोगों के साथ काम किया। इसलिए, मुझे इस बारे में बहुत सोचना पड़ा।

मेरा अनुभव यह है कि सबसे महत्वपूर्ण बात यह है कि सामान्य डिब्बाबंद दृष्टिकोण अनुचित क्यों हैं और व्यक्ति को "अच्छा विज्ञान" करने की इच्छा के लिए अपील करता है। कोई भी सम्मानजनक शोधकर्ता कुछ ऐसा प्रकाशित नहीं करना चाहता है जो अनुचित सांख्यिकीय विश्लेषण के कारण उसके निष्कर्ष में भ्रामक रूप से भ्रामक है। मैंने कभी किसी ऐसे व्यक्ति का सामना नहीं किया है, जो "मुझे इस बात की परवाह नहीं है कि विश्लेषण सही है या नहीं, मैं सिर्फ इस प्रकाशित करना चाहता हूं " हालांकि मुझे यकीन है कि ऐसे लोग मौजूद हैं - मेरी प्रतिक्रिया वहां होगी यदि संभव हो तो पेशेवर संबंध समाप्त करें। सांख्यिकीविद् के रूप में, यह मेरी प्रतिष्ठा है कि अगर किसी को वास्तव में पता है कि वे क्या बात कर रहे हैं तो वह क्षतिग्रस्त हो सकती है जो कागज को पढ़ने के लिए होता है।

मैं मानता हूं कि यह किसी कि एक विशेष विश्लेषण अनुचित है समझाने के लिए चुनौतीपूर्ण हो सकता है, लेकिन मुझे लगता है कि सांख्यिकीविदों के रूप में हम चाहिए (क) ज्ञान आवश्यक पता करने के लिए वास्तव में क्या "डिब्बाबंद" दृष्टिकोण और साथ गलत हो सकता है (ख) है इसे समझाने की क्षमता एक उचित रूप से समझ में आने वाला तरीका है। जब तक आप एक सांख्यिकी या गणित प्रोफेसर के रूप में काम नहीं कर रहे हैं, तब तक आपकी नौकरी का एक हिस्सा गैर-सांख्यिकीविदों के साथ काम करने वाला है (और कभी-कभी अगर आप एक स्टेट / गणित प्रोफेसर हैं)।

के बारे में (क) , अगर सांख्यिकीविद् को यह ज्ञान नहीं है, तो वे डिब्बाबंद दृष्टिकोण को हतोत्साहित क्यों करेंगे? यदि सांख्यिकीविद् कह रहा है "एक यादृच्छिक प्रभाव मॉडल का उपयोग करें", लेकिन यह नहीं समझा सकता है कि स्वतंत्रता को एक समस्या क्यों माना जाता है, तो क्या वे उसी तरह से हठधर्मिता के लिए दोषी नहीं हैं जैसे ग्राहक है? कोई भी समीक्षक, सांख्यिकीविद या नहीं, एक सांख्यिकीय मॉडलिंग दृष्टिकोण के पांडित्य की आलोचना कर सकता है क्योंकि, चलो इसका सामना करते हैं - सभी मॉडल गलत हैं। लेकिन, यह जानने के लिए विशेषज्ञता की आवश्यकता है कि क्या गलत हो सकता है।

(बी) के बारे में , मैंने पाया है कि आमतौर पर गलत तरीके से "हिट होम" सबसे अधिक हो सकता है। उदाहरण:

  • एक्स

  • y=एक्सएक्स(0,1)y=1एक्स>1पीएक्सy

  • एक और आम स्थिति (पीटर द्वारा उल्लिखित भी) बता रही है कि स्वतंत्रता ग्रहण करना एक बुरा विचार क्यों है। उदाहरण के लिए, आप एक प्लॉट के साथ दिखा सकते हैं कि सकारात्मक ऑटोक्रेलेशन आमतौर पर "क्लस्टर्ड" अधिक होने वाले डेटा का उत्पादन करेगा और विचरण उस कारण के लिए कमतर होगा, जिससे कुछ सहज ज्ञान प्राप्त होता है कि भोले मानक की त्रुटियां कितनी छोटी हैं। या, आप डेटा को फिट किए गए वक्र के साथ भी साजिश कर सकते हैं जो स्वतंत्रता को मानता है और कोई भी नेत्रहीन यह देख सकता है कि क्लस्टर कैसे फिट (प्रभावी रूप से नमूना आकार को कम करके) एक तरह से प्रभावित करते हैं जो स्वतंत्र डेटा में मौजूद नहीं है।

एक लाख अन्य उदाहरण हैं, लेकिन मैं यहां अंतरिक्ष / समय की कमी के साथ काम कर रहा हूं :) जब चित्र बस किसी भी कारण से नहीं करेंगे (उदाहरण के लिए कि एक दृष्टिकोण क्यों प्रबल है) तो सिमुलेशन उदाहरण भी एक विकल्प है जो मैंने नियोजित किया है समय समय पर।


3

कुछ यादृच्छिक विचार क्योंकि यह एक जटिल मुद्दा है ...

मुझे लगता है कि एक बड़ी समस्या विभिन्न प्रकार के पेशेवर विषयों और स्नातक कार्यक्रमों में गणित की शिक्षा की कमी है।

आंकड़ों की गणितीय समझ के बिना, यह मामले के अनुसार लागू होने वाले सूत्रों का एक गुच्छा बन जाता है।

साथ ही, मामले की वास्तविक समझ प्राप्त करने के लिए, प्रोफेसरों को उन मूल समस्याओं के बारे में बात करनी चाहिए जो मूल लेखक उस समय सामना कर रहे थे जब उन्होंने अपने दृष्टिकोण प्रकाशित किए थे। इस विषय पर हजारों पुस्तकें पढ़ने की तुलना में कोई भी इससे अधिक सीख सकता है।

सांख्यिकी समस्याओं को हल करने के लिए एक टूलबॉक्स है, लेकिन यह एक कला भी है और किसी भी अन्य कला की तुलना में समान मुद्दों का सामना करती है।

एक उपकरण के साथ आवाज़ बनाने का तरीका सीख सकते हैं। लेकिन सक्षम होने से"खेल" एक साधन एक संगीतकार नहीं बन जाता है।

हालांकि, उन लोगों को खोजने के लिए असामान्य नहीं है जो लय, माधुर्य और सद्भाव की एक भी अवधारणा का अध्ययन किए बिना खुद को संगीतकार के रूप में देखते हैं।

एक ही पंक्ति में, कागजात प्रकाशित करने के लिए, ज्यादातर लोगों को एक सूत्र के पीछे की अवधारणाओं को जानने और समझने की आवश्यकता नहीं है ... आजकल वैज्ञानिकों को बस यह जानना होगा कि उन्हें किस कुंजी को दबाना है और कब इसे दबाया जाना है।

इसलिए इसका एमडी के "अहंकार" से कोई लेना-देना नहीं है। यह एक उप-सांस्कृतिक समस्या है, जो शिक्षा, रीति-रिवाजों और वैज्ञानिक समुदाय के मूल्यों से जुड़ी समस्या है।

एक ऐसे युग में क्या उम्मीद की जा सकती है जिसमें हजारों और हजारों और हजारों बेकार कागजात और किताबें कुछ अकादमिक आवश्यकताओं / नीतियों को पूरा करने के लिए प्रकाशित की जा रही हैं? एक ऐसे युग में, जिसमें किसी पत्र की मात्रा प्रकाशित होती है, उनकी गुणवत्ता की तुलना में अधिक महत्वपूर्ण है?

मुख्यधारा के वैज्ञानिक अब अच्छे विज्ञान के बारे में चिंतित नहीं हैं। वे संख्या के गुलाम हैं। वे हमारे युग के प्रशासनिक बग से प्रभावित (या संक्रमित) हैं ...

इसलिए, मेरे दृष्टिकोण से, आंकड़ों में एक अच्छा पाठ्यक्रम में अध्ययन के दृष्टिकोण के गणितीय, ऐतिहासिक और दार्शनिक आधार को शामिल किया जाना चाहिए, हमेशा कई रास्तों पर प्रकाश डाला जा सकता है। एक समस्या को हल करने के लिए ले लो।

अंत में, यदि मैं आँकड़ों में एक प्राध्यापक / संभावना हूँ तो मेरा पहला व्याख्यान (ओं) को समस्याओं की तरह समर्पित किया जाएगाकार्ड फेरबदल करना या सिक्का उछालना । यह दर्शकों को सुनने के लिए सही स्थिति में लाएगा ... शायद।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.