科学の箱

科学・IT・登山の話題

機械学習

Statistical Reasoning for Public Health

投稿日:2014年4月16日 更新日:

Module up to 3

SES – 社会経済的地位

Cognitive function – 認知機能

The authors used the graphic alone to demonstrate the study findings. Why did they not need to first adjust for potential confounders?
As this is a randomized cohort study, the threat of confounding variables either distorting or masking (hiding) the main association of interest is minimal.

http://clinicaltrials.gov/show/NCT00697047

risk or risk ratio

  • risk – population level
  • risk ratio – individual level

odds ratio (relative odds)

Lecture 5

Time to event = Survival

イベントが起きる = censored

incidents rateの利用

カプラン-マイヤー法

Quiz – 2

効果があること = リスクの軽減として認識されるので、リスクの範疇で説明できる。

センサーの取り扱いについて確認すること

Lecture 6

Estimated SE by stimulation

marginal error

Lecture 7

sampleが少ないときのCLT利用について

CLTが利用できるサンプルの大きさ

t分布の利用

サンプルが小さければサンプルの誤差も大きくなるので推定に大きくなった誤差を考慮する。

dfが∞になると95%SEは1.96(正規分布と等しくなる)

Individual range from population ≠ 母集団の平均

Lecture 8

CI for comparing two population

2つのグループで統計量を比較するときに使える。

ratioスケールのレンジは0~1のためにright skewerdで正規分布に従わない。対数化すると正規化する。

Null values は2つの集団の統計量が等しいときの値

null valuesがcofidnece intervalにはいるならばno association(相関がない)といえる

null valuveがconfidence interval外ならばno assoicationではないといえ、統計的に有意となる。

リンパノードの発見をドクター別に比較して、明らかな差があるかを検定する。あれば、より優れた方法があることになる。

平均の比較

  • 異なった2つの方法のうちどちらが優れているか(時間を重ねてもよい、だめ)
  • before / after testing.

before/afterでは統計的に有意だとしても他の要因がある可能性があるのでコントロールグループとの比較が必要になる。ないと回帰だけであり、双方向の因果関係、見せ掛けの回帰などの落としあながある。

サンプルサイズが異なる場合には当然non-pairedになる。

差のSEはお互いのSEを足しこむことになる。

unpairedでnon-randomizedである場合には効果があっても別の要因による可能性がある。

Lecture 9

t検定であることは差があることだけであり、差の方向と差の度合いはわからない。

因果関係の検定にはコントロールグループとの比較がいる。

メタ情報

inarticle



メタ情報

inarticle



-機械学習
-

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

Core Concept in Data Analysis – Week 1

パート Data Mining Core Analysis Visualization Illustrate Data Mining data mining = patterns in data + …

no image

kaggle Titanic Tutorial – 3

DecitionTreeのパラメータを調整する。 まずはMaxDepthから from sklearn.model_selection import LeaveOneOut from sklearn. …

no image

R Dataset – AirPassengers

データの説明 1949~1960年における月別飛行機搭乗者数 フォーマット このデータは時系列データであることがわかる。 > str(AirPassengers)  Time-Series [1 …

no image

irisをナイーブベイズで分類

ナイーブベイズの概要 ナイーブベイズは教師ありの分類アルゴリズムの一つである。 計算アルゴリズムとしてはベイズ定理を用いている。 機械学習における特徴としてはいかがある 実装が簡単であり、複雑なハイパ …

no image

SVMでグリッドサーチ

IrisデータについてSVMで分類をしてみた。さて、今回はSVMモデルのパラメータをいじってみてより精度が高いモデルを作ってみる。 すべての学習モデルはハイパーパラメータと呼ばれる学習モデルに影響を与 …

2014年4月
月 火 水 木 金 土 日
« 3月   5月 »
 123456
78910111213
14151617181920
21222324252627
282930  

side bar top



アーカイブ

カテゴリー