ওআর (বিজোড় অনুপাত) এর বিতরণ কী?

13

আমার কাছে 95 বা সিআই (আত্মবিশ্বাসের ব্যবধান) সহ "বা" উপস্থাপনের একটি সংবন্ধ রয়েছে।

আমি নিবন্ধগুলি থেকে পর্যবেক্ষণ করা OR এর জন্য P মানটি অনুমান করতে চাই। তার জন্য, আমার বিতরণ সম্পর্কিত একটি ধারণা প্রয়োজন। আমি নিরাপদে কোন বিতরণ অনুমান / ব্যবহার করতে পারি?

distributions odds-ratio

— তাল গালিলি
সূত্র

12

লগ বিজোড় অনুপাতের একটি সাধারণ অ্যাসিম্পোটিক বিতরণ রয়েছে:

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

সঙ্গে $\sigma$ অন্যসাপেক্ষ টেবিল থেকে আনুমানিক। উদাহরণস্বরূপ, নোটগুলির পৃষ্ঠা 6 দেখুন:

প্যারামেট্রিক মডেলগুলির জন্য অ্যাসিম্পটোটিক থিওরি

— Ars
সূত্র

আমার মনে হয়েছিল যে এটি এই ধরণের কিছু হবে - অনেক ধন্যবাদ!

— তাল গালিলি

উপরের সূত্রে কিছু সংশোধন করা উচিত। এটি var (লগ (ওআর)) ভ্যার (ওআর) নয়।

— ওয়াজটেক

3

আমি "প্যারামেট্রিক মডেলগুলির জন্য অ্যাসিম্পটোটিক তত্ত্ব" দেখতে লিঙ্কটিতে ক্লিক করেছি এবং এটি ভেঙে গেছে।

— প্লাসিডিয়া

লিংক মারা গেছে :(

— Alby

14

অনুমানকারীগুলির মধ্যে আশেপাশের সাধারণ বিতরণ থাকে । যদি না বেশ বড়, কিন্তু, তাদের ডিস্ট্রিবিউশন অত্যন্ত স্কিউ হয়। যখন , উদাহরণস্বরূপ, অনেক চেয়ে ছোট হতে পারে না (যেহেতু ), কিন্তু এটি নন-তুচ্ছ সম্ভাব্যতা সঙ্গে অনেক বড় হতে পারে। লগ রূপান্তর, গুণক কাঠামোর পরিবর্তে একটি সংযোজনযুক্ত, আরও দ্রুত স্বাভাবিকতায় রূপান্তরিত করে। একটি আনুমানিক বৈকল্পিকতা হ'ল: আত্মবিশ্বাসের জন্য ব্যবধান $\widehat{OR}$ $OR$ $n$ $OR=1$ $\widehat{OR}$ $OR$ $\widehat{OR}\ge0$

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

$\ln OR$ : ig end এর শেষ বিন্দুগুলির ক্ষতিকারক (অ্যান্টেলোগগুলি গ্রহণ) জন্য একটি আত্মবিশ্বাসের ব্যবধান সরবরাহ করে ।

\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

$OR$

অ্যাগ্রেস্তি, অ্যালান। শ্রেণিবদ্ধ তথ্য বিশ্লেষণ , পৃষ্ঠা 70।

— Marzieh
সূত্র

1

+1, @ মারজিয়েহ, সাইটে আপনাকে স্বাগতম। আমি আপনার কিছুটা বাড়িয়ে দেওয়ার স্বাধীনতা নিয়েছি । আপনার এখনও এটি পছন্দ হয়েছে তা নিশ্চিত করুন।

L A T E X

$\LaTeX$

— গুং - মনিকা পুনরায়

3

সাধারণত, একটি বৃহত নমুনা আকারের সাথে এটি যুক্তিসঙ্গত সান্নিধ্য হিসাবে ধরে নেওয়া হয় যে সমস্ত অনুমানকারী (বা তাদের কিছু সুবিধাজনক ফাংশন) এর একটি সাধারণ বিতরণ থাকে। সুতরাং, যদি আপনার প্রদত্ত আত্মবিশ্বাসের ব্যবস্থার সাথে সামঞ্জস্য করে কেবলমাত্র প- মূল্য প্রয়োজন হয় তবে আপনি কেবল নীচের দিকে অগ্রসর হতে পারেন:

এবং সংশ্লিষ্ট সি 1 সি 2 সিআইকে এবং রূপান্তর [ ডোমেনটি এবং ডোমেন is ] $OR$ $(c1,c2)$ $\ln(OR)$ $(\ln(c1),\ln(c2))$
$OR$ $(0,+\infty)$ $\ln(OR)$ $(-\infty,+\infty)$
যেহেতু প্রতিটি সিআই এর দৈর্ঘ্য তার স্তরের আলফা এবং অনুমানক স্ট্যান্ডার্ড বিচ্যুতির উপর নির্ভর করে,
$d (O R) = \frac{\ln (c 2) - \ln (c 1)}{z_{α / 2} * 2}$ $d(OR)=\frac{\ln(c2)-\ln(c1)}{z_{\alpha/2}*2}$ $[\text{Pr}(Z>z_{\alpha/2})=\alpha/2; z_{0.05/2}=1.96]$
(মানকৃত সাধারণ) পরীক্ষার পরিসংখ্যান to এর সাথে সম্পর্কিত পি- ভ্যালু গণনা করুন $z=\frac{\ln(OR)}{sd(OR)}$

— কাচের
সূত্র

এই সাইটটি লেটেক্স কমান্ডগুলিকে সমর্থন করে, আপনি কেবল এগুলিকে ডলারের চিহ্নগুলিতে বন্ধ করুন। উদাহরণস্বরূপ লিখুন "(- \ infty, \ infty)" enc চিহ্নগুলিতে আবদ্ধ। সিনট্যাক্সের জন্য উইকি পৃষ্ঠাটি দেখুন , তবে 'সূচনা-গণিত' এবং 'শেষ {গণিত' অংশগুলি উপেক্ষা করুন, কেবল ডলার চিহ্ন ব্যবহার করুন instead

(- \infty, \infty)

$(-\infty,\infty)$

— সম্ভাব্যতা

1

বৈষম্যের অনুপাত যেহেতু নেতিবাচক হতে পারে না, এটি নিম্ন প্রান্তে সীমাবদ্ধ, তবে উপরের প্রান্তে নয়, এবং তাই স্কিউ বিতরণও রয়েছে।

5

এই মন্তব্য প্রদান করার জন্য আপনাকে ধন্যবাদ! তবে যতক্ষণ না আপনি স্কিউনেসের পরিমাণ নির্ধারণ করতে পারেন, ততক্ষণ নিজেই সেই সত্যটি খুব কার্যকর নয়। প্রচুর বিতরণকারী পরিবারগুলি স্কিউড হয় তবে ব্যবহারিক স্বাভাবিক আনুমানিকতা রয়েছে যেমন চি-স্কোয়ার (গামা) এবং পোইসন এবং আরও অনেক কিছু দৃ strongly়ভাবে স্কিউ করা যায় তবে পরিবর্তনের (বা ঠিক) সাধারণের সাথে খুব সহজেই পরিবর্তনশীলের একটি সাধারণ পুনঃপ্রকাশের মাধ্যমে সরবরাহ করা যেতে পারে, যেমন লগনারমাল। রিপোর্ট করা ওআরএস থেকে পি-মানগুলি অনুমান করার জন্য কীভাবে স্কিউনেসের জ্ঞান ব্যবহার করা যেতে পারে তা বোঝাতে আপনি নিজের উত্তরটি বাড়িয়ে দিতে পারেন?

— হোবার