বেঁচে থাকার বিশ্লেষণে সেন্সর দেওয়ার লেম্যানের ব্যাখ্যা


13

সেন্সরিং কী এবং কীভাবে বেঁচে থাকার বিশ্লেষণে এটি হিসাব করা দরকার তা আমি পড়েছি তবে আমি এর কম গাণিতিক সংজ্ঞা এবং আরও স্বজ্ঞাত সংজ্ঞা শুনতে চাই (ছবিগুলি দুর্দান্ত হবে!)। কেহ আমাকে ১) সেন্সরিং এবং ২) ক্যাপলান-মিয়ার কার্ভস এবং কক্স রিগ্রেশন সম্পর্কিত জিনিসগুলিকে কীভাবে প্রভাবিত করে তার ব্যাখ্যা দিতে পারে?


আমি বেঁচে থাকার বিশ্লেষণে লিনিয়ার ডিগ্রেশন পডকাস্ট শোনার পরামর্শ দিচ্ছি এবং বাম এবং ডান সেন্সরিংয়ের সহজ সরল সংজ্ঞা এবং কক্স মডেলটির প্রেরণা শুনি।
উরি গোরেন

উত্তর:


16

সেন্সরিং প্রায়শই কাটা কাটার সাথে তুলনায় বর্ণনা করা হয় । দুটি প্রক্রিয়াটির চমৎকার বিবরণ জেলম্যান এট আল (2005, পৃষ্ঠা 235) সরবরাহ করেছেন:

কাটা তথ্য ডেটা সেন্সর করা ডেটার থেকে পৃথক যে কাটা পয়েন্টের বাইরে পর্যবেক্ষণের কোনও গণনা উপলব্ধ available সেন্সর করে কাটা কাটা বিন্দু ছাড়িয়ে পর্যবেক্ষণের মানগুলি হারিয়ে যায় তবে তাদের সংখ্যাটি পর্যবেক্ষণ করা হয়।

সেন্সরিং বা কাটা কাটা কিছু স্তর (ডান-সেন্সরিং) এর কিছু স্তরের (বাম-সেন্সরিং) নীচে বা উভয়ের জন্যই মানগুলির জন্য ঘটতে পারে।

নীচে আপনি স্ট্যান্ডার্ড সাধারণ বিতরণের উদাহরণ খুঁজে পেতে পারেন যা (মধ্যম) পয়েন্টে সেন্সর করা হয়েছে বা (ডানদিকে) কাটা হয়েছে । যদি নমুনাটি কেটে ফেলা হয় তবে কাটছাঁটির উপরে সেন্সর করা নমুনা মানগুলির সাথে আমাদের কাটা বিন্দুর বাইরে কোনও ডেটা নেই, সুতরাং আপনার নমুনায় সেগুলি উপ-উপস্থাপিত হয়।2.02.0

এখানে চিত্র বর্ণনা লিখুন

সেন্সরিংয়ের স্বজ্ঞাত উদাহরণটি হ'ল আপনি আপনার উত্তরদাতাদের তাদের বয়স সম্পর্কে জিজ্ঞাসা করেছেন তবে এটি কেবল কোনও মান পর্যন্ত রেকর্ড করুন এবং এই মানটির উপরে থাকা সমস্ত বয়সগুলি, 60 বছর বলে, "60+" হিসাবে রেকর্ড করা আছে। এটি সেন্সরবিহীন মানগুলির জন্য সুনির্দিষ্ট তথ্য এবং সেন্সরকৃত মান সম্পর্কে কোনও তথ্য রাখে।

এতটা সাধারণ নয়, সেন্সরিংয়ের বাস্তব জীবনের উদাহরণটি পোলিশ মাতুরা পরীক্ষার স্কোরগুলিতে দেখা গিয়েছিল যা ইন্টারনেটে বেশ মনোযোগ আকর্ষণ করেছিল । উচ্চ বিদ্যালয়ের শেষে পরীক্ষা নেওয়া হয় এবং উচ্চ শিক্ষার জন্য আবেদন করতে সক্ষম হওয়ার জন্য শিক্ষার্থীদের অবশ্যই এটি পাস করতে হবে। আপনি নীচের প্লটটি থেকে অনুমান করতে পারেন যে শিক্ষার্থীরা ন্যূনতম পরিমাণে কীভাবে পরীক্ষায় উত্তীর্ণ হতে হবে? আশ্চর্যের বিষয় নয়, অন্যথায় সাধারণ বিতরণে "ফাঁক" সহজেই "পূর্ণ" হতে পারে যদি আপনি সেন্সরিংয়ের সীমানার ঠিক উপরে ওভার-প্রতিনিধিত্বকারী স্কোরগুলির উপযুক্ত ভগ্নাংশ নেন।

এখানে চিত্র বর্ণনা লিখুন

বেঁচে থাকার বিশ্লেষণের ক্ষেত্রে

সেন্সরিং ঘটে যখন আমাদের বেঁচে থাকার ব্যক্তিগত সময় সম্পর্কে কিছু তথ্য থাকে তবে আমরা বেঁচে থাকার সময়টি ঠিক জানি না

(ক্লিনবাউম এবং ক্লিন, 2005, পৃষ্ঠা 5) উদাহরণস্বরূপ, আপনি কিছু ওষুধ দিয়ে রোগীদের চিকিত্সা করেন এবং অধ্যয়ন শেষ না হওয়া অবধি তাদের পর্যবেক্ষণ করেন, তবে অধ্যয়ন শেষ হওয়ার পরে তাদের কী হবে তা আপনার কোনও অজানা নেই (কোনও রিলপস বা পার্শ্ব প্রতিক্রিয়া ছিল?), আপনি কেবল জানেন যে তারা " " অধ্যয়ন শেষে কমপক্ষে অবধি বেঁচে গেছেন ।

নীচে আপনি কাপলান – মাইর অনুমানকারী ব্যবহার করে ওয়েইবুল বিতরণ মডেলিংয়ের মাধ্যমে উত্পন্ন ডেটার উদাহরণ খুঁজে পেতে পারেন । পুরো ডেটাসেটের উপর ভিত্তি করে নীল বক্ররেখার চিহ্নিত মডেল, মাঝের প্লটটিতে আপনি সেন্সর করা নমুনা এবং সেন্সর করা ডেটা (লাল বক্ররেখায়) অনুমান করা মডেল দেখতে পাবেন, ডানদিকে আপনি কাটা নমুনা এবং এমন নমুনা (লাল বক্ররেখা) হিসাবে অনুমিত মডেল দেখতে পাবেন। আপনি দেখতে পাচ্ছেন, অনুপস্থিত ডেটা (কাটা) অনুমানের উপর উল্লেখযোগ্য প্রভাব ফেলেছে, তবে সেন্সরিং স্ট্যান্ডার্ড বেঁচে থাকা বিশ্লেষণ মডেলগুলি ব্যবহার করে সহজেই পরিচালনা করা যায়।

এখানে চিত্র বর্ণনা লিখুন

এর অর্থ এই নয় যে আপনি ছাঁটাই হওয়া নমুনাগুলি বিশ্লেষণ করতে পারবেন না, তবে এই জাতীয় ক্ষেত্রে আপনাকে অজানা তথ্য "অনুমান" করার চেষ্টা করে এমন তথ্য হারিয়ে যাওয়ার জন্য মডেলগুলি ব্যবহার করতে হবে।


ক্লেইনবাউম, ডিজি এবং ক্লেইন, এম (2005)। বেঁচে থাকার বিশ্লেষণ: একটি স্ব-শিক্ষার পাঠ্য। স্প্রিঙ্গের।

গেলম্যান, এ।, কার্লিন, জেবি, স্টার্ন, এইচএস, এবং রুবিন, ডিবি (2005)। বায়েশিয়ান ডেটা বিশ্লেষণ। চ্যাপম্যান অ্যান্ড হল / সিআরসি।


আপনি জানেন কি এই মতুরা প্লটটি কোথা থেকে এসেছে? আমি গুগল করার চেষ্টা করেছি এবং রেডডিট লিঙ্কটি পেতে থাকি তবে এটিতে কোনও উল্লেখ নেই। এটি কেবল কোনও অ্যাট্রিবিউশন ছাড়াই imgur.com এ নিয়ে যায়। আপডেট: এটি পাওয়া গেছে। cke.edu.pl//images/files/matura/informacje_o_wynikach/2013/… পৃষ্ঠা 18.
অ্যামিবা বলেছেন মনিকাকে

1
অ্যামিবা @ আপনি যদি আরও বিশদে আগ্রহী হন তবে আমার সাথে নির্দ্বিধায় যোগাযোগ করুন। আমি জানি এই বিষয়টির বেশিরভাগ উপকরণগুলি দুর্ভাগ্যক্রমে পোলিশ ভাষায়। ছবিটি একটি জিনিস তবে আমার এক বন্ধু এই ডেটাটির আরও বিশদ বিশ্লেষণ করেছে (বিটিডাব্লু, এটি অনুরোধে উপলব্ধ)।
টিম

2

সেন্সরিং বেঁচে থাকার বিশ্লেষণের কেন্দ্রবিন্দু।

মূল ধারণাটি হ'ল তথ্য সেন্সর করা হয়, এটি আপনার কাছে অদৃশ্য। সহজভাবে ব্যাখ্যা করা হয়েছে, নমুনার প্রত্যেকে মারা যাওয়ার আগে আপনি যদি জীবনের সময়গুলি রেকর্ড করেন তবে জীবনের সময়গুলির একটি সেন্সরযুক্ত বিতরণ পাওয়া যায়। আপনি যদি সময়টি এক্স-অক্ষের উপরে "ডানদিকে" সরিয়ে নিয়ে যাওয়ার কথা ভাবেন, তবে এটিকে ডান-সেন্সরিং বলা যেতে পারে।

এছাড়াও অন্যান্য ধরণের রয়েছে: বাম-সেন্সরিং এবং উইন্ডো-সেন্সরিং। শিক্ষণীয় পরিচয়ের জন্য সেজ দ্বারা প্রকাশিত ইভেন্ট ইতিহাস বিশ্লেষণে যেমন অ্যালিসনের 1984 এর পাঠ্যটি দেখুন।

উদাহরণ: আপনি যদি জনসংখ্যায় বিবাহবিচ্ছেদের হার গণনা করেন তবে আপনি কেবলমাত্র এমন ব্যক্তিকে অন্তর্ভুক্ত করতে চান যারা তালাক দেওয়ার ঝুঁকিতে আছেন (অর্থাত্ তারা বিবাহিত)। লোকেরা বিবাহবিচ্ছেদ (শোক, বিলোপ) ব্যতীত অন্য কারণে যদি তাদের বিবাহ বন্ধ করে দেয় তবে আপনি তাদের সেন্সর করতে চান। তাদের আর বিবাহবিচ্ছেদের ঝুঁকি নেই। আপনার কাপলান-মেয়ার অনুমানগুলি (এবং প্লটগুলি) সেন্সর করার সময় সীমাবদ্ধ পর্যবেক্ষণগুলিকে অন্তর্ভুক্ত করা উচিত নয়, তবে সেই সময় পয়েন্ট অবধি এগুলি অন্তর্ভুক্ত করা উচিত।


গ্রাফিকস বা প্লট?
রুস্টিস্ট্যাটিকস্টিয়ান
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.