চিকিত্সা দর্শকদের জন্য বিশ্বাসযোগ্য ব্যবধানগুলি কীভাবে সংক্ষিপ্ত করবেন


21

স্ট্যান এবং ফ্রন্টএন্ড প্যাকেজগুলির সাথে rstanarmবা brmsআমি মিশ্র-মডেলগুলির মতো আগে যেমন করেছি তেমন সহজেই বায়েশিয়ান পদ্ধতিতে ডেটা বিশ্লেষণ করতে পারি lme। আমার ডেস্কে ক্রুশকে-গেলম্যান-ওয়াগেনমেকারস-ইত্যাদির বেশিরভাগ বই এবং নিবন্ধগুলি থাকা সত্ত্বেও এগুলি আমাকে কীভাবে চিকিত্সা দর্শকদের জন্য ফলাফলগুলি সংক্ষিপ্ত করতে হবে তা জানায় না, বায়সিয়ানদের ক্রোধের স্কাইলা এবং চিকিত্সা পর্যালোচকদের চ্যারিবিডিসের মধ্যে ছেঁড়া ( "আমরা তাত্পর্যগুলি চাই, না যে ছড়িয়ে পড়া জিনিসগুলি"।

উদাহরণ: গ্যাস্ট্রিক ফ্রিকোয়েন্সি (1 / মিনিট) তিনটি গ্রুপে পরিমাপ করা হয়; স্বাস্থ্যকর নিয়ন্ত্রণ হল রেফারেন্স। প্রতিটি অংশগ্রহণকারীর জন্য বেশ কয়েকটি পরিমাপ রয়েছে, তাই fre লা ঘনঘন বিশেষজ্ঞ আমি নিম্নলিখিত মিশ্র-মডেলটি ব্যবহার করেছি lme:

summary(lme(freq_min~ group, random = ~1|study_id, data = mo))

সামান্য সম্পাদিত ফলাফল:

Fixed effects: freq_min ~ group 
                   Value Std.Error DF t-value p-value
(Intercept)        2.712    0.0804 70    33.7  0.0000
groupno_symptoms   0.353    0.1180 27     3.0  0.0058
groupwith_symptoms 0.195    0.1174 27     1.7  0.1086

সরলতার জন্য, আমি 95% সিআই হিসাবে 2 * স্ট্যান্ড ত্রুটি ব্যবহার করব।

ঘন ঘনবাদী প্রসঙ্গে, আমি এটিকে সংক্ষেপে বলতাম:

  • নিয়ন্ত্রণ গোষ্ঠীতে আনুমানিক ফ্রিকোয়েন্সি ছিল ২. / / মিনিট (সম্ভবত সিআই যোগ করুন এখানে, তবে আমি কখনও কখনও এটিকে এড়িয়ে চলে নিরঙ্কুশ এবং পার্থক্য সিআই দ্বারা সৃষ্ট বিভ্রান্তির কারণে)।
  • নো-সাইটিস গ্রুপে, নিয়ন্ত্রণের চেয়ে ফ্রিকোয়েন্সি 0.4 / মিনিট, সিআই (0.11 থেকে 0.59) / মিনিট, পি = 0.006 দ্বারা বেশি ছিল।
  • সহ-লক্ষণ গ্রুপে, ফ্রিকোয়েন্সি নিয়ন্ত্রণের চেয়ে 0.2 / মিনিট, সিআই (-0.04 থেকে 0.4) / মিনিট, পি = 0.11 দ্বারা বেশি ছিল।

এটি একটি মেডিকেল প্রকাশনার সর্বাধিক গ্রহণযোগ্য জটিলতা সম্পর্কে, পর্যালোচক সম্ভবত দ্বিতীয় ক্ষেত্রে "তাত্পর্যপূর্ণ নয়" যুক্ত করতে বলবেন।

এখানে stan_lmerএবং ডিফল্ট প্রিরিয়ারগুলির সাথে একই ।

freq_stan = stan_lmer(freq_min~ group + (1|study_id), data = mo)


           contrast lower_CredI frequency upper_CredI
        (Intercept)     2.58322     2.714       2.846
   groupno_symptoms     0.15579     0.346       0.535
 groupwith_symptoms    -0.00382     0.188       0.384

যেখানে ক্রেডিআই হ'ল 90% বিশ্বাসযোগ্য ব্যবধান (প্রথম বারের জন্য 90% ডিফল্ট হিসাবে কেন ব্যবহৃত হয় তার প্রথম চিত্র দেখুন))

প্রশ্নাবলী:

  • উপরের সংক্ষিপ্ত বিবরণটি বায়েশিয়ান বিশ্বে কীভাবে অনুবাদ করবেন?
  • পূর্ব-আলোচনার কতটুকু প্রয়োজন? আমি পুরোপুরি নিশ্চিত যে যখন প্রিয়ারদের উল্লেখ করব তখন কাগজটি স্বাভাবিক "সাবজেক্টিভ অনুমান" নিয়ে ফিরে আসবে; বা কমপক্ষে "কোনও প্রযুক্তিগত আলোচনা নয়, দয়া করে" তবে সমস্ত বায়েশিয়ার কর্তৃপক্ষ অনুরোধ করে যে ব্যাখ্যাটি কেবল প্রবীণদের প্রসঙ্গেই বৈধ।
  • বায়েশিয়ান ধারণাগুলি বিশ্বাসঘাতকতা না করে আমি কীভাবে সূত্রের কিছু "তাত্পর্য" সারোগেট সরবরাহ করতে পারি? "বিশ্বাসযোগ্যভাবে পৃথক" (উউউহ ...) বা প্রায় বিশ্বাসযোগ্যভাবে আলাদা (বুওহা ..., "" তাত্পর্যের প্রান্তে) এর মতো কিছু লাগে thing

জোনাহ গ্যাব্রি এবং বেন গুডরিচ (২০১))। আর্টনার্ম: স্ট্যানের মাধ্যমে বায়েসিয়ান অ্যাপ্লাইড রিগ্রেশন মডেলিং। আর প্যাকেজ সংস্করণ 2.9.0-3। https://CRAN.R-project.org/package=rstanarm

স্ট্যান ডেভলপমেন্ট টিম (2015)। স্ট্যান: সম্ভাব্যতা এবং নমুনা দেওয়ার জন্য একটি সি ++ গ্রন্থাগার, সংস্করণ ২.৮.০। ইউআরএল http://mc-stan.org/

পল-খ্রিস্টান বুয়ার্কনার (২০১))। brms: স্ট্যান ব্যবহার করে বয়েসিয়ান রিগ্রেশন মডেল। আর প্যাকেজ সংস্করণ 0.8.0। https://CRAN.R-project.org/package=brms

পিনহেরো জে, বেটস ডি, দেবরোয় এস, সরকার ডি এবং আর কোর টিম (২০১ 2016)। nlme: লিনিয়ার এবং ননলাইনার মিশ্রিত প্রভাব মডেল । আর প্যাকেজ সংস্করণ 3.1-124, http://CRAN.R-project.org/package=nlme>।


1
মেডিক্যাল জার্নালের পর্যালোচক / সম্পাদকদের সাথে আমার কোনও অভিজ্ঞতা নেই, তবে সম্ভবত আপনি বলতে চেষ্টা করতে পারেন যে শূন্য সম্ভাবনা রয়েছে যে বিরতি নেতিবাচক, শূন্য সম্ভাবনা যে "কোনও লক্ষণ নয়" ডামি ভেরিয়েবলের সহগ নেতিবাচক, এবং প্রায় 5% সম্ভাবনা "লক্ষণ সহ" ডামি ভেরিয়েবলের সহগটি নেতিবাচক। আপনি প্রায় 5% আরও নিখুঁতভাবে করে পরিমাণ নির্ধারণ করতে পারেন mean(as.matrix(freq_stan)[,"groupwith_symptoms"] < 0)
বেন গুডরিচ

আমরা এটি ভেবেছিলাম, এবং 5% ঠিক আছে বলে মনে হচ্ছে; গবেষকরা এটিকে "তাত্পর্য" হিসাবে অনুবাদ করবেন, তবে তারা সাধারণত তাত্পর্যকে ভুল বোঝায়, ডাবল অস্বীকৃতি দ্বারা তারা ঠিক হবে। অন্যদিকে, "জিরো সম্ভাবনা" হত্যাকারী: আপনি কি তা গ্রহণ করবেন? সম্ভবত <1 / রেফ (পি <0.001) একটি আনুমানিক হবে? তবে আবার: যখন আমি পি <এক্সএক্সএক্স লিখি তখন আমি তাত্পর্যপূর্ণ বিশ্বে am
ডিয়েটার মেনেন

উপরের n_eff এ রেফ সংশোধন করুন।
ডিয়েটার মেনে

1
আমি ব্যক্তিগতভাবে একটি "এন_এফ সুযোগে 1 এর চেয়ে কম" হিসাবে লেজ সম্ভাবনার কথা উল্লেখ করব না কারণ এন_এফটি যথাযথভাবে যার সাথে গড় অনুমান করা হয় তার সাথে সম্পর্কিত। সহগের জন্য 1 টি নেতিবাচক অঙ্কন পেতে আপনি সম্ভবত যথেষ্ট দীর্ঘ আপনার চেইনগুলি চালাতে পারেন group_nosymptomsএবং তারপরে বলতে পারেন এটির নেতিবাচক হওয়ার সম্ভাবনা 1 / draws। তবে বাধা দেওয়ার জন্য, চেইন কখনই এই ডেটাগুলির জন্য নেতিবাচক অঞ্চলে ঘুরে বেড়াতে পারে না, সুতরাং আমি অনুমান করি আপনি সম্ভবত এটির চেয়ে কম বলবেন 1 / draws
বেন গুডরিচ

আমি কোনও ডোমেন বিশেষজ্ঞের জন্য পি-ভ্যালু অন্তর্ভুক্ত করার বিষয়ে কিছু ভাল পরামর্শ পেয়েছি তবে এখানে পরিসংখ্যান বিশেষজ্ঞের পর্যালোচক নয়: stats.stackexchange.com/questions/148649/… । আমরা একটি রক্ষণশীল upperbound যেমন পি <সর্বনিম্ন (সমস্ত প্যারামিটার n_eff) ব্যবহার যখন P = 0.
stijn

উত্তর:


16

দ্রুত চিন্তা:

1) মূল সমস্যাটি হ'ল আপনি কীভাবে প্রয়োগ করেছেন এমন প্রশ্নের উত্তর যা আপনি আপনার দর্শকদের জন্য উত্তর দিতে চাইছেন, কারণ এটি নির্ধারণ করে যে আপনি আপনার পরিসংখ্যানগত বিশ্লেষণ থেকে কোন তথ্য চান। এই ক্ষেত্রে, আমার কাছে মনে হচ্ছে আপনি গ্রুপগুলির মধ্যে পার্থক্যের বিশালতা (অথবা সম্ভবত আপনার শ্রোতাদের কাছে এটির পরিমাপ বেশি যদি গ্রুপগুলির অনুপাতের মাত্রা অনুমান করতে চান)। পার্থক্যগুলির মাত্রাটি আপনি যে প্রশ্নটিতে উপস্থাপন করেছেন তা সরাসরি বিশ্লেষণ দ্বারা সরবরাহ করা হয় না। তবে বায়েশীয় বিশ্লেষণ থেকে আপনি যা চান তা সরাসরি গ্রহণ করার জন্য: আপনি পার্থক্যের (বা অনুপাত) এর উত্তরোত্তর বিতরণ চান। তারপরে, পার্থক্যের (বা অনুপাত) এর পূর্ববর্তী বিতরণ থেকে আপনি সরাসরি সম্ভাবনার বিবৃতি যেমন:

"95% সবচেয়ে বিশ্বাসযোগ্য পার্থক্য [নিম্ন 95% এইচডিআই সীমা] এবং [উচ্চ 95% এইচডিআই সীমা] এর মধ্যে পড়ে" "এখানে আমি %৫% সর্বোচ্চ ঘনত্বের ব্যবধান [এইচডিআই] বিশ্বাসযোগ্য ব্যবধান হিসাবে ব্যবহার করছি এবং কারণ সেগুলি দ্বারা সর্বোচ্চ ঘনত্বের প্যারামিটার মানগুলি সংজ্ঞায়িত করুন যে তারা 'সর্বাধিক বিশ্বাসযোগ্য' হিসাবে চিহ্নিত হয়েছে)

একটি মেডিকেল-জার্নাল শ্রোতা স্বজ্ঞাত এবং সঠিকভাবে সেই বক্তব্যটি বুঝতে পারে, কারণ এটি সাধারণত দর্শকদের মনে হয় যে একটি ঘনত্ববাদী আত্মবিশ্বাসের ব্যবস্থার অর্থ (যদিও এটি ঘনত্বে আস্থাভাজন অন্তর্ভুক্তির অর্থ নয়)।

স্ট্যান বা জেজিএস থেকে আপনি কীভাবে পার্থক্যগুলি (বা অনুপাত) পাবেন? কেবলমাত্র এমসিএমসি চেইনের পোস্ট প্রসেসিংয়ের মাধ্যমে। শৃঙ্খলার প্রতিটি পদক্ষেপে, প্রাসঙ্গিক পার্থক্যগুলি (বা অনুপাত) গণনা করুন, তারপরে পার্থক্যগুলির (বা অনুপাত) এর উত্তরোত্তর বিতরণ পরীক্ষা করুন। উদাহরণগুলি DBDA2E https://sites.google.com/site/doingbayesiandataanalysis/ তে এমসিসিসির জন্য সাধারণত চিত্র 7.9 (p। 177) এ, চিত্র 8.6 (পৃষ্ঠা 211) এর জেএজিএসের জন্য এবং বিভাগ 16.3 (p) এ স্ট্যানের জন্য দেওয়া আছে 46 468) ইত্যাদি!

২) শূন্যের পার্থক্য প্রত্যাখ্যানযোগ্য কিনা তা সম্পর্কে বিবৃতি দিতে যদি আপনি traditionতিহ্যের দ্বারা বাধ্য হন তবে আপনার কাছে দুটি বায়েশিয়ান বিকল্প রয়েছে।

2 এ) একটি বিকল্প হ'ল শূন্যের কাছাকাছি অন্তরগুলি এবং এইচডিআইয়ের সাথে তাদের সম্পর্ক সম্পর্কিত সম্ভাব্যতা বিবৃতি দেওয়া। এর জন্য, আপনি শূন্যের কাছাকাছি ব্যবহারিক সমতুল্য (আরওপিই) একটি অঞ্চল স্থাপন করেছেন, যা আপনার প্রয়োগ ডোমেনের জন্য উপযুক্ত সিদ্ধান্ত মাত্র? --- তাত্পর্যপূর্ণ কতটা তুচ্ছ ছোট? যেমন সীমানা সেট করা নিয়মিতভাবে ক্লিনিকাল অ-নিকৃষ্টমানের পরীক্ষায় করা হয়, উদাহরণস্বরূপ। আপনার ক্ষেত্রে যদি আপনার 'ইফেক্ট সাইজ' পরিমাপ থাকে তবে 'ছোট' এফেক্ট আকারের জন্য সম্মেলন হতে পারে এবং ROPE সীমাটি ছোট প্রভাবের অর্ধেক হতে পারে say তারপরে আপনি সরাসরি সম্ভাবনার বিবৃতি যেমন:

"পার্থক্যের পূর্ববর্তী বিতরণের মাত্র 1.2% কার্যত শূন্যের সমতুল্য"

এবং

"95% সবচেয়ে বিশ্বাসযোগ্য পার্থক্যগুলি সমস্ত ব্যবহারিকভাবে শূন্যের সমতুল্য নয় (যেমন, 95% এইচডিআই এবং রোপ ওভারল্যাপ হয় না) এবং তাই আমরা শূন্যকে প্রত্যাখ্যান করি।" (উত্তরোত্তর বিতরণ থেকে সম্ভাব্যতা বিবৃতি মধ্যে পার্থক্য লক্ষ্য করুন, যে বিবৃতি উপর ভিত্তি করে পরবর্তী সিদ্ধান্ত বনাম)

আপনি ব্যবহারিক উদ্দেশ্যে, শূন্যের একটি পার্থক্যও গ্রহণ করতে পারেন, যদি 95% সর্বাধিক বিশ্বাসযোগ্য মানগুলি বাস্তবিক সমান ও শূন্য হয় equivalent

2 বি) দ্বিতীয় বায়েশিয়ান বিকল্পটি হ'ল বায়েশিয়ান নাল হাইপোথিসিস টেস্টিং। (লক্ষ্য করুন যে উপরের পদ্ধতিটি ছিল না"হাইপোথিসিস টেস্টিং" বলা হয়!) বায়েসিয়ান নাল হাইপোথিসিস টেস্টিং একটি পূর্বসূচী বিতরণের তুলনায় বায়েশিয়ান মডেল তুলনা করে যা পার্থক্যটি কেবলমাত্র একটি বিকল্প পূর্ব বিতরণের বিরুদ্ধে শূন্য হতে পারে যা ধরে নেয় পার্থক্যটি সম্ভাবনার কিছু বিচ্ছিন্ন পরিসর হতে পারে। এই জাতীয় মডেলের তুলনার ফলাফলটি (সাধারণত) বিকল্প বিতরণের নির্দিষ্ট পছন্দের উপর খুব দৃ .়তার সাথে নির্ভর করে এবং বিকল্প পূর্বের নির্বাচনের জন্য তাই সতর্কতার সাথে ন্যায়সঙ্গততা তৈরি করতে হবে। নাল এবং বিকল্প উভয়ের জন্য ন্যূনতম-হালকা-অবহিত প্রিরিয়ারগুলি ব্যবহার করা ভাল যাতে মডেল তুলনাটি সত্যই অর্থবহ হয়। নোট করুন যে মডেল তুলনা গ্রুপগুলির মধ্যে পার্থক্যের অনুমানের চেয়ে বিভিন্ন তথ্য সরবরাহ করে কারণ মডেল তুলনাটি একটি ভিন্ন প্রশ্নকে সম্বোধন করছে। সুতরাং, এমনকি একটি মডেল তুলনা সঙ্গে,

স্ট্যান / জেজিএস / এমসিএমসি আউটপুট থেকে কোনও বয়েশিয়ান নাল হাইপোথিসিস পরীক্ষা করার উপায় থাকতে পারে তবে আমি এই ক্ষেত্রে জানি না। উদাহরণস্বরূপ, কেউ একটি বেয়েস ফ্যাক্টরের সাথে সেভেজ-ডিকির সান্নিধ্যের চেষ্টা করতে পারে, তবে তার মধ্যে পার্থক্যগুলির উপর পূর্ব ঘনত্বটি জানার উপর নির্ভর করা হবে, যার জন্য আগে থেকে কিছু গাণিতিক বিশ্লেষণ বা কিছু অতিরিক্ত এমসিসিএম আনুমানিক প্রয়োজন হবে।

নাল মান সম্পর্কে সিদ্ধান্ত নেওয়ার জন্য দুটি পদ্ধতি সিএইচ-তে আলোচনা করা হয়েছে। ডিবিডিএ 2 এর 12 টি https://sites.google.com/site/doingbayesiandataanalysis/ । তবে আমি সত্যিই চাই না যে এই আলোচনাটি নাল মানগুলি নির্ধারণের "সঠিক" উপায় সম্পর্কে একটি বিতর্ক দ্বারা সজাগ হয়ে উঠুক; তারা ঠিক আলাদা এবং তারা বিভিন্ন তথ্য সরবরাহ করে। আমার জবাবের মূল পয়েন্টটি উপরে পয়েন্ট 1, উপরে: গ্রুপগুলির মধ্যে পার্থক্যের উত্তর বিতরণ দেখুন।


3
আমাদের সাইটে আপনাকে স্বাগতম! আপনি আমাদের সম্প্রদায়ের অংশ হয়ে উঠলেন এটি দুর্দান্ত!
টিম

আপনি যদি এই অ্যাকাউন্টটি একটি stats.stackexchange.com/users/16592 (এটিও আপনার বলে মনে হয়) এর সাথে একত্রীকরণ করতে চান তবে আপনি এটি stats.stackexchange.com/contact এর মাধ্যমে স্বয়ংক্রিয়ভাবে করতে পারেন ।
অ্যামিবা বলছে মনিকাকে

আপনি এখানে brms ব্যবহার করে বর্ণিত অনুমান পরীক্ষা করতে পারেন। দেখুন: github.com/paul-buerkner/brms
বিজেডাব্লু

3

এইরকম শিষ্টাচার অনুসরণ করে এটি @ জন কে ক্রুশকে একটি মন্তব্য হিসাবে লেখা উচিত ছিল, তবে দীর্ঘ মন্তব্যগুলি গঠন করা শক্ত। দুঃখিত।

  • @ জন কে। কুরস্কে লিখেছেন: সম্পূর্ণ এমসিএমসি চেইনের পোস্ট প্রসেসিংয়ের মাধ্যমে ...

lower_CredIএবং upper_CredIমূল পোস্টে নির্ণিত ছিল হিসাবে আপনি পূর্ণ এমসিএমসি চেইন থেকে উল্লেখ এবং শুধুমাত্র সামান্য সাথে উন্নত তুলনা জন্য ফরম্যাট করা হয় lmeআউটপুট। আপনি যখন এইচডিআইকে সমর্থন করছেন, এগুলি সাধারণ কোয়ান্টাইলগুলি; এই উদাহরণে প্রতিসম পোস্টেরিয়রের সাথে এটি কোনও বড় পার্থক্য করে না।

  • দড়ি এবং প্রভাব আকার

আমি দেখেছি নীতিশাস্ত্র কমিটিগুলিতে আবেদনগুলি প্রভাবের আকার সম্পর্কে অনুমানের কথা উল্লেখ না করে পরিসংখ্যানিক শক্তি গণনা করা হয়েছিল। এমনকি এমন ক্ষেত্রে যেখানে "ক্লিনিক্যালি প্রাসঙ্গিক প্রভাব" সংজ্ঞায়নের কোনও উপায় নেই, চিকিত্সক গবেষকদের কাছে ধারণাটি ব্যাখ্যা করা কঠিন। নিকৃষ্টমানের বিচারের জন্য এটি কিছুটা সহজ তবে এগুলি প্রায়শই অধ্যয়নের বিষয় হয় না।

সুতরাং আমি পুরোপুরি নিশ্চিত যে আর.পি.ই.এস. প্রবর্তন গ্রহণযোগ্য হবে না - অন্য একটি অনুমান, লোকেরা একাধিক সংখ্যাকে মাথায় রাখতে পারে না। বেইস ফ্যাক্টরগুলি কাজ করতে পারে, কারণ পি-ভ্যালুগুলির মতো বাড়ি নেওয়ার জন্য কেবলমাত্র একটি সংখ্যা রয়েছে।

  • গতকাল দেশের সর্বোচ্চ তাপমাত্রা

আমি অবাক হয়েছি যে স্ট্যান দল থেকে @ জন কে ক্রুশকে বা @ বেন গুডরিচ কেউই প্রিয়ারদের উল্লেখ করেন নি; বিষয়ের বেশিরভাগ কাগজপত্র ফলাফল উপস্থাপনের সময় পূর্ব সংবেদনশীলতার বিস্তারিত আলোচনা জিজ্ঞাসা করে।

আপনার বইয়ের পরবর্তী সংস্করণে ভাল লাগবে - আশা করি স্ট্যানের সাথে - আপনি "নির্বাচিত উদাহরণগুলির জন্য 100 শব্দ সহ এটি কীভাবে প্রকাশ করতে হবে (একটি অ-পরিসংখ্যান কাগজে)" বাক্সগুলি যুক্ত করতে পারেন। যখন আমি আপনার অধ্যায়টি 23.1 শব্দের দ্বারা নেব, একটি সাধারণ চিকিত্সা গবেষণা কাগজ 100 পৃষ্ঠাগুলি এবং পরিসংখ্যান দ্বারা দীর্ঘ হবে ...


* মূল বিষয়টি ছিল পার্থক্যগুলির উত্তরোত্তর বন্টন (দলগুলির মধ্যে, গ্রুপগুলির সংমিশ্রনের মধ্যে) দিকে তাকানো। এমসিএমসি চেইনের পোস্ট প্রসেসিংয়ের জন্য এটি প্রয়োজন।
জন কে। কুরস্কে

* দড়ি: আপনি "নিশ্চিত যে ROPE গ্রহণযোগ্য হবে না" এবং "চিকিত্সক গবেষকদের কাছে ধারণাটি ব্যাখ্যা করা কঠিন" quite আমি তখন দেখছি না যে বেয়েস ফ্যাক্টরগুলি ব্যাখ্যা করা বা গ্রহণযোগ্যতা অর্জনে আরও সহজতর হবে, কারণ কোনও বেইস ফ্যাক্টর সিদ্ধান্তের জন্য কিছু নির্দিষ্ট বিএফ প্রান্তিকের আরও বিস্তৃত ব্যাখ্যা এবং ন্যায়সঙ্গততা গ্রহণ করে !! আমার কাছে মনে হয় আপনি ধরে নিয়েছেন যে আপনার শ্রোতারা একটি ঘন ঘনবাদী কাঠামোয় স্থায়ীভাবে ossified; যদি এটি হয় তবে কেবল ঘন ঘন পরিসংখ্যান ব্যবহার করুন বা আপনার কাজটি আরও আলোকিত জার্নালে জমা দিন।
জন কে। ক্রশচে

* আপনি সিএইচ 23.1 এর সুপারিশ সম্পর্কে তীব্রভাবে অতিরঞ্জিত করে দেখেন, যা আসলে খুব অল্প পরিমাণে পাঠ্যে সংক্ষিপ্তভাবে সম্বোধন করা যেতে পারে, বিশেষত আপনি এখানে যেমন ব্যবহার করেন এমন সাধারণ মডেলগুলির জন্য। পরবর্তী মন্তব্যে অবিরত ...
জন কে। কুরস্কে

1
(i) বায়েশিয়ান ব্যবহারকে অনুপ্রাণিত করুন - এটি আপনাকে প্রচুর পরিমাণে তথ্যমূলক উত্তরোত্তর বিতরণ দেয় gives (ii) মডেল এবং এর পরামিতিগুলি ব্যাখ্যা করুন, যা এই ক্ষেত্রে সহজ easy (iii) এই ক্ষেত্রে পূর্বের - আবার তুচ্ছ হিসাবে ন্যায়সঙ্গত করুন কেবল আপনি এটি ছড়িয়ে দিতে বলেছেন যে ছড়িয়ে পড়া প্রিয়ারদের উত্তরোত্তর উপর মূলত কোনও প্রভাব নেই। (তবে আপনি যদি বেয়েস ফ্যাক্টর ব্যবহার করেন না তবে এর জন্য পূর্বেরটি অত্যন্ত গুরুত্বপূর্ণ)) (iv) এমসিসিএম চেইনের সাবলীলতার প্রতিবেদন করুন - সমস্ত পরামিতি এবং পার্থক্যের জন্য ESS প্রায় 10,000 ছিল বলে তুচ্ছ। পরবর্তী মন্তব্যে অব্যাহত ...
জন কে। ক্রশচে

1
(v) উত্তরোত্তরটির ব্যাখ্যা করুন: প্রতিটি আগ্রহের পার্থক্যের জন্য কেবল উত্তরকেন্দ্রের কেন্দ্রীয় প্রবণতা (যেমন মোড) এবং এর 95% এইচডিআই উল্লেখ করুন। এটি কোনও টুইটের মতো সংক্ষিপ্ত নয়, তবে এটি কেবল কয়েকটি অনুচ্ছেদে।
জন কে। ক্রশচে
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.