কিভাবে এবং কখন Bonferroni সমন্বয় ব্যবহার করবেন


21

বোনফেরনির সামঞ্জস্য কখন ব্যবহার করবেন সে সম্পর্কে আমার দুটি প্রশ্ন রয়েছে:

  • একাধিক পরীক্ষার সমস্ত ক্ষেত্রে কোনও Bonferroni সমন্বয় ব্যবহার করা কি উপযুক্ত?
  • যদি কেউ একটি ডেটা সেটে একটি পরীক্ষা করে, তবে একটি সেই ডেটাটিকে আরও ভাল স্তরে বিভক্ত করে (উদাহরণস্বরূপ লিঙ্গ দ্বারা ডেটা বিভক্ত করে) এবং একই পরীক্ষা করে, এটি কীভাবে স্বতন্ত্র পরীক্ষার সংখ্যাকে প্রভাবিত করতে পারে? এটি হল, যদি এক্স হাইপোথিসগুলি যদি পুরুষ এবং স্ত্রী উভয়ই থেকে প্রাপ্ত ডেটাসেটে পরীক্ষা করা হয় এবং তারপর পুরুষ এবং মহিলা তথ্য আলাদাভাবে দিতে ডেটাসেট বিভক্ত হয় এবং একই অনুমানগুলি পরীক্ষিত হয় তবে পৃথক অনুমানের সংখ্যাটি এক্স হিসাবে থাকবে বা কারণে বৃদ্ধি পাবে অতিরিক্ত পরীক্ষা?

আপনার মন্তব্যের জন্য আপনাকে ধন্যবাদ।

উত্তর:


14

বনফেরনি সামঞ্জস্যটি সর্বদা পরিবার-ভিত্তিক ত্রুটির হারের শক্তিশালী নিয়ন্ত্রণ সরবরাহ করবে। এর অর্থ এই যে, যাহা প্রকৃতি এবং পরীক্ষা, অথবা তাদের মধ্যে সম্পর্ক সংখ্যা, যদি তাদের অনুমানের পূরণ করা, এটা নিশ্চিত করবে যে সমস্ত পরীক্ষার মধ্যে এমনকি এক ভ্রান্ত উল্লেখযোগ্য ফলাফল থাকার সম্ভাবনা সবচেয়ে হয় , আপনার মূল ত্রুটি স্তর । এটি সর্বদা উপলব্ধα

এটি ব্যবহার করা উপযুক্ত কিনা (অন্য পদ্ধতির বিপরীতে বা সম্ভবত কোনও সামঞ্জস্য নেই) আপনার লক্ষ্য, আপনার শৃঙ্খলার মানদণ্ড এবং আপনার নির্দিষ্ট পরিস্থিতির জন্য আরও ভাল পদ্ধতির উপলব্ধতার উপর নির্ভর করে। খুব কমপক্ষে, আপনার সম্ভবত হলম-বনফেরোনি পদ্ধতিটি বিবেচনা করা উচিত, যা কেবল সাধারণ তবে কম রক্ষণশীল।

আপনার উদাহরণ প্রসঙ্গে যেহেতু আপনি বিভিন্ন পরীক্ষার সম্পাদন করা হয়, আপনি হয় পরিবার-জ্ঞানী ত্রুটি হার (ভুল অন্তত একটি নাল হাইপোথিসিস প্রত্যাখ্যান সম্ভাবনা) বৃদ্ধি। আপনি যদি প্রতি অর্ধে কেবল একটি পরীক্ষা করেন তবে হোমেলের পদ্ধতি বা মিথ্যা আবিষ্কারের হার (যা পরিবার-ভিত্তিক ত্রুটি হারের চেয়ে আলাদা) নিয়ন্ত্রণ করে এমন পদ্ধতি সহ অনেকগুলি সমন্বয় সম্ভব possible আপনি যদি কয়েকটি উপ-পরীক্ষা অনুসরণ করে পুরো ডেটা সেট সেট করে পরীক্ষা করেন তবে পরীক্ষাগুলি আর স্বাধীন হয় না তাই কিছু পদ্ধতি আর উপযুক্ত হয় না। আমি আগেই বলেছি, বনফেরোনি যে কোনও ক্ষেত্রে সর্বদা উপলভ্য এবং বিজ্ঞাপন হিসাবে কাজ করার গ্যারান্টিযুক্ত (তবে এটি খুব রক্ষণশীলও হতে পারে ...)।

আপনি কেবল পুরো বিষয়টি উপেক্ষা করতে পারেন। সাধারণত, পরিবার-ভিত্তিক ত্রুটির হার বেশি তবে মাত্র দুটি পরীক্ষা দিয়ে এখনও এটি এতটা খারাপ নয়। আপনি পুরো ডেটা সেটটিতে একটি পরীক্ষা দিয়েও শুরু করতে পারেন, মূল ফলাফল হিসাবে বিবেচিত, তারপরে বিভিন্ন গোষ্ঠীর উপ-পরীক্ষা করা হয়, অসম্পূর্ণ করা হয় কারণ এগুলি গৌণ ফলাফল বা আনুষঙ্গিক অনুমান হিসাবে বোঝা যায়।

আপনি যদি সেভাবে অনেকগুলি ডেমোগ্রাফিক ভেরিয়েবল বিবেচনা করেন (তবে কেবলমাত্র গোপনীয়তা থেকে লিঙ্গগত পার্থক্যের জন্য পরীক্ষা করার পরিকল্পনা বা সম্ভবত আরও পদ্ধতিগত মডেলিংয়ের পদ্ধতির বিপরীতে) সমস্যাটি "ডেটা ড্রেজিং" এর একটি উল্লেখযোগ্য ঝুঁকির সাথে আরও গুরুতর হয়ে উঠবে (একটি পার্থক্য সুযোগের মাধ্যমে তাৎপর্যপূর্ণভাবে উপস্থিত হয় যা আপনাকে ডেমোগ্রাফিক ভেরিয়েবল সম্পর্কে বুট করার জন্য কিছু সুন্দর গল্প সহ একটি অনির্বাচিত পরীক্ষাটি উদ্ধার করতে দেয় যেখানে বাস্তবে আসলে কিছুই ঘটে না) এবং একাধিক পরীক্ষার জন্য আপনাকে অবশ্যই কিছু রূপ সমন্বয় বিবেচনা করা উচিত। এক্স বিভিন্ন অনুমানের সাথে যুক্তিটি একইরকম থেকে যায় (এক্স হাইপোথেসিকে দুবার পরীক্ষা করা - প্রতিটি ডেটার সেট অর্ধেকের এক - এক্স অনুমানকে একবার পরীক্ষা করার চেয়ে উচ্চতর পরিবার-ভিত্তিক ত্রুটি হার অন্তর্ভুক্ত করে এবং আপনার সম্ভবত এটির জন্য সামঞ্জস্য করা উচিত)।


1
দ্রষ্টব্য যে পৃথক ভেরিয়েবলের জন্য হোলমের (যেমন: মিনিট-পি) তুলনায় কম রক্ষণশীল পদ্ধতি রয়েছে।

2

আমি একই ইস্যুটির দিকে চেয়ে ছিলাম এবং বইটিতে একটি পাঠ্য পেয়েছি:

সম্পর্কিত অধ্যায়ের একটি অনুলিপি এখানে নিখরচায় পাওয়া যায়:

http://www.utdallas.edu/~herve/Abdi-Bonferroni2007-pretty.pdf

α[পিটি]=1-(1-0.05)(1/10)=0,0051, ২০ টি পরীক্ষার জন্য যা 0.002 ইত্যাদি)

ন্যায়সঙ্গতভাবে, আমি আমার বর্তমান গবেষণা প্রকল্পের জন্য অনেকগুলি পৃথক অর্থনৈতিক / একনোমেট্রিক নিবন্ধ দেখেছি এবং সেই সীমিত অভিজ্ঞতায় আমি 2-5 পরীক্ষার তুলনা করার সময় অনেকগুলি নিবন্ধের মধ্যে এ ধরনের সংশোধন প্রয়োগ করতে পারি নি।


ভবিষ্যতের পাঠকরা যদি তা অনুসরণ করতে চান এবং যদি লিঙ্কটি মারা যায় তবে তাদের সিদ্ধান্ত নিতে সহায়তা করতে আপনি এখানে লিঙ্কটিতে থাকা তথ্যের একটি সংক্ষিপ্তসার সরবরাহ করতে পারেন?
গুং - মনিকা পুনরায়

0

আপনাকে অবশ্যই মনে রাখতে হবে যে মেডিকেল ডেটা এবং বৈজ্ঞানিক ডেটা হিটারোসেসটাস্টিক মেডিক্যাল ডেটা কখনও হোমোসেসডেস্টিক জৈবিক তথ্যের বিপরীতে পরীক্ষামূলক হয় না ir এও মনে রাখবেন যে পাওয়ার টেস্টিং এবং বোনফেরনির ধরণের সংশোধনের ভূমিকা নিয়ে অনেক আলোচনা অজান্তে বিকল্প বিতরণের প্রকৃতি নিয়ে কেবল জল্পনা কল্পনা জড়িত। পাওয়ার গণনায় বিটা সেট করা একটি স্বেচ্ছাসেবী পদ্ধতি। চিকিত্সা পরিসংখ্যানবিদদের কেউই এটি বিজ্ঞাপন করেন না। দ্বিতীয়ত, যদি তথ্যের নমুনাগুলির (অভ্যন্তরীণ) স্বতঃসংশোধন হয় তবে কেন্দ্রীয় সীমাবদ্ধতা উপপাদ্য লঙ্ঘিত হয়েছে এবং সাধারণ ভিত্তিক গাউসিয়ান পরীক্ষাটি বৈধ নয়। তৃতীয়ত, স্মরণ করুন যে নর্মাল ডিস্ট্রিবিউশনটি এই অর্থে উদ্ভট হয়ে উঠছে যে অনেক চিকিত্সা ঘটনাগুলি ফ্র্যাক্টাল ভিত্তিক বিতরণ যা সীমিত উপায় এবং / অথবা সসীম বৈকল্পিক (কচির ধরণের বিতরণ) রাখে না এবং ফ্র্যাক্টাল প্রতিরোধী পরিসংখ্যান বিশ্লেষণের প্রয়োজন হয়। প্রাথমিক বিশ্লেষণের সময় আপনি যা খুঁজে পেয়েছেন তাতে কোনও পোস্ট-হক অ্যান্সিলিসিস ড্রপেন্ডিংয়ের কাজ করা অনুচিত। পরিশেষে, বিষয়বস্তু দ্বিপক্ষীয়তা অগত্যা বৈধ নয় এবং বনফেরনির সংশোধনের শর্তগুলি কেবলমাত্র একটি অগ্রাধিকার পরীক্ষামূলক ডিজাইনের সময় অনন্যভাবে ছিটিয়ে দেওয়া গুরুত্বপূর্ণ উপাদান। নাইজেল টি জেমস। এমবি বিসিহির, (ইউকে মেডিকেল ডিগ্রি), এমএসসি (প্রয়োগ পরিসংখ্যানগুলিতে)। বিষয়বস্তু দ্বিঘাতশীলতা অগত্যা বৈধ নয় এবং বনফেরনির সংশোধনের শর্তগুলি কেবলমাত্র একটি অগ্রাধিকার পরীক্ষামূলক ডিজাইনের সময় অনন্যভাবে ছিটিয়ে দেওয়া গুরুত্বপূর্ণ উপাদান। নাইজেল টি জেমস। এমবি বিসিহির, (ইউকে মেডিকেল ডিগ্রি), এমএসসি (প্রয়োগ পরিসংখ্যানগুলিতে)। বিষয়বস্তু দ্বিঘাতশীলতা অগত্যা বৈধ নয় এবং বনফেরনির সংশোধনের শর্তগুলি কেবলমাত্র একটি অগ্রাধিকার পরীক্ষামূলক ডিজাইনের সময় অনন্যভাবে ছিটিয়ে দেওয়া গুরুত্বপূর্ণ উপাদান। নাইজেল টি জেমস। এমবি বিসিহির, (ইউকে মেডিকেল ডিগ্রি), এমএসসি (প্রয়োগ পরিসংখ্যানগুলিতে)।

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.