सांख्यिकी और बिग डेटा confounding

5

वास्तव में एक “अन्य चर के लिए नियंत्रण” कैसे होता है?

यहाँ वह लेख है जिसने इस प्रश्न को प्रेरित किया है: क्या अधीरता हमें मोटा करती है? मुझे यह लेख पसंद आया, और यह "अन्य चर के लिए नियंत्रण" (आईक्यू, कैरियर, आय, आयु, आदि) की अवधारणा को अच्छी तरह से प्रदर्शित करता है ताकि प्रश्न में सिर्फ 2 चर के …

141 regression causality confounding controlling-for-a-variable statistics-in-media

15

अमेरिकी चुनाव परिणाम 2016: भविष्यवाणी मॉडल में क्या गलत हुआ?

पहले यह ब्रेक्सिट था , अब अमेरिकी चुनाव है। कई मॉडल भविष्यवाणियों को एक विस्तृत मार्जिन से बंद कर दिया गया था, और क्या यहां सीखने के लिए सबक हैं? कल देर शाम 4 बजे पीएसटी के रूप में, सट्टेबाजी बाजार अभी भी हिलेरी 4 से 1 के पक्ष में …

108 predictive-models ensemble confounding

3

किस अस्पताल को चुना जाना चाहिए? एक की सफलता दर अधिक है, लेकिन दूसरे की सफलता दर अधिक है

यह सवाल गणित स्टैक एक्सचेंज से माइग्रेट किया गया था क्योंकि इसका उत्तर क्रॉस वैलिडेट पर दिया जा सकता है। 7 साल पहले पलायन कर गए । मेरे पास एक सवाल है जो मेरे सांख्यिकी शिक्षक ने निम्नलिखित समस्या के बारे में कहा है। मेरा सवाल इस स्थिति में सिम्पसन …

27 self-study confounding simpsons-paradox

3

क्या हमें वास्तव में "सभी प्रासंगिक भविष्यवक्ताओं को शामिल करने की आवश्यकता है?"

अनुमान के लिए प्रतिगमन मॉडल का उपयोग करने की एक बुनियादी धारणा यह है कि "सभी प्रासंगिक भविष्यवक्ताओं" को भविष्यवाणी समीकरण में शामिल किया गया है। औचित्य यह है कि एक महत्वपूर्ण वास्तविक दुनिया कारक को शामिल करने में विफलता पक्षपाती गुणांक की ओर ले जाती है और इस प्रकार …

15 regression assumptions bias predictor confounding

1

कन्फ़्यूडर - परिभाषा

एम। काट्ज़ ने अपनी पुस्तक मल्टीवीरेबल एनालिसिस (धारा 1.2, पेज 6) में कहा है, " एक कन्फ़्यूडर रिस्क फैक्टर से जुड़ा होता है और परिणाम से संबंधित होता है। " कन्फ़्यूडर को परिणाम से संबंधित क्यों होना चाहिए ? क्या कन्फ्यूडर के लिए यह पर्याप्त होगा कि वह परिणाम के …

14 causality definition confounding

1

अनुपातों का विश्लेषण करने की तकनीक

मैं सलाह और टिप्पणियों की तलाश कर रहा हूं जो अनुपात और दरों के विश्लेषण से निपटते हैं। जिस क्षेत्र में मैं विशेष रूप से अनुपातों के विश्लेषण का काम करता हूं, वह व्यापक है लेकिन मैंने कुछ पत्र पढ़े हैं जो यह सुझाव देते हैं कि यह समस्याग्रस्त हो …

13 modeling multiple-regression generalized-linear-model interaction confounding

4

प्रोग्रेसेंस के कारण प्रॉपरिटी स्कोर मैचिंग वर्क क्यों करता है?

प्रिजर्वेशन स्कोर मिलान का उपयोग अवलोकन संबंधी अध्ययनों में कारण निष्कर्ष बनाने के लिए किया जाता है ( रोसेनबम / रुबिन पेपर देखें )। यह काम करने के पीछे सरल अंतर्ज्ञान क्यों है? दूसरे शब्दों में, यदि हम यह सुनिश्चित करते हैं कि उपचार में भाग लेने की संभावना दो …

13 causality regression-strategies propensity-scores confounding

2

रुबिन के कारण मॉडल में असंबद्धता- आम आदमी की व्याख्या

रुबिन के कारण मॉडल को लागू करते समय, (अप्राप्य) मान्यताओं में से एक है, जिसकी हमें आवश्यकता नहीं है, यह अपरिग्रह है, जिसका अर्थ है (Y(0),Y(1))⊥T|X(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X जहां एलएचएस प्रतिपक्ष हैं, टी उपचार है, और एक्स कोविरेट्स हैं जिन्हें हम नियंत्रित करते हैं। मैं सोच रहा हूं कि ऐसे व्यक्ति …

13 causality treatment-effect confounding

3

एक प्रयोग डिजाइन में एक संभावित उलझन

प्रश्न का अवलोकन चेतावनी: इस प्रश्न के लिए सेट अप की बहुत आवश्यकता है। कृपया मेरा साथ दें। मेरा और मेरा एक सहयोगी एक प्रयोग डिजाइन पर काम कर रहे हैं। डिज़ाइन को बड़ी संख्या में बाधाओं के आसपास काम करना चाहिए, जिसे मैं नीचे सूचीबद्ध करूंगा। मैंने एक ऐसी …

12 mixed-model experiment-design simulation confounding

3

नियंत्रित प्रयोगों में लर्किंग चर के कौन से उदाहरण प्रकाशनों में हैं?

इस कागज़ पे: लर्किंग वेरिएबल्स: कुछ उदाहरण ब्रायन एल जॉइनर द अमेरिकन स्टेटिस्टिशियन वॉल्यूम। 35, नंबर 4, नवंबर, 1981 227-233 ब्रायन जॉइनर का दावा है कि "यादृच्छिककरण रामबाण नहीं है"। यह सामान्य कथनों के विपरीत है जैसे नीचे दिया गया है: एक अच्छी तरह से डिज़ाइन किए गए प्रयोग में …

11 confounding random-allocation

2

क्या ऐसा वैरिएबल होना संभव है जो एक प्रभाव संशोधक और एक कन्फ़्यूज़र दोनों के रूप में कार्य करता हो?

क्या एक ऐसा चर होना संभव है जो किसी प्रभाव-मापी (मापक) संशोधक के रूप में कार्य करता है और किसी दी गई जोड़ी के लिए जोखिम-परिणाम परिवर्तनों की पुष्टि करता है? मैं अभी भी भेद का थोड़ा अनिश्चित हूँ। मैंने अंतर को समझने में मेरी मदद करने के लिए चित्रमय …

10 interaction causality confounding

1

अनोवा (और ड्रॉप 1) जीएलएमएम के लिए अलग-अलग उत्तर क्यों प्रदान करते हैं?

मेरे पास फॉर्म का GLMM है: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) जब मैं उपयोग करता हूं drop1(model, test="Chi"), तो मुझे Anova(model, type="III")कार के पैकेज से उपयोग करने की तुलना में अलग-अलग परिणाम मिलते हैं या summary(model)। ये उत्तरार्द्ध दो ही जवाब …

10 r anova glmm r mixed-model bootstrap sample-size cross-validation roc auc sampling stratification random-allocation logistic stata interpretation proportion r regression multiple-regression linear-model lm r cross-validation cart rpart logistic generalized-linear-model econometrics experiment-design causality instrumental-variables random-allocation predictive-models data-mining estimation contingency-tables epidemiology standard-deviation mean ancova psychology statistical-significance cross-validation synthetic-data poisson-distribution negative-binomial bioinformatics sequence-analysis distributions binomial classification k-means distance unsupervised-learning euclidean correlation chi-squared spearman-rho forecasting excel exponential-smoothing binomial sample-size r change-point wilcoxon-signed-rank ranks clustering matlab covariance covariance-matrix normal-distribution simulation random-generation bivariate standardization confounding z-statistic forecasting arima minitab poisson-distribution negative-binomial poisson-regression overdispersion probability self-study markov-process estimation maximum-likelihood classification pca group-differences chi-squared survival missing-data contingency-tables anova proportion

confounding पर टैग किए गए जवाब