Как оценивать значимости при динамических процессах, выбор метода оценки Опции

[vah1]

не могу не ответить плаву любезностью на любезность. а именно настоятельно рекомендую отяготится плаву размышлением над следующими вопросами которые почемуто прошли мимо его внимания.
1). один и тот же процесс может быть легко описан разными мат моделями, что однако не говорит о том что это разный процесс. следовательно возникает вполне осознанное требование поиска медицинского обоснования именно этого подхода, равно как и коэффициентов модели с точки зрения их интерпретации иначе получится влияние мочи на солнечные лучи
2). применительно к нашему случаю очевидно, что первые 12 дней данные регистрировались только раз в день и после и того реже следовательно на нашем временном ряду могут возникнуть выбросы (отклоняющиеся точки) как в конце времени эксперимента, так и вначале причём эти точки мы можем просто не заметить в силу того, что они пришлись между измерениями. Между тем модель плава зиждется на весьма сомнительно с точки зрения доказанности уверенности что этих выбросов нет. испльзуя стьюдент или МУ или вилкоксосна мы скромно утверждаем, что на такойто день различия либо есть либо нет.
3). Не равномерная дискретизация процесса естественным образом приведет к тому, что удельный вес начальных данных в постороении модели будет большим чем данных после 12 дня следовательно надо либо добавить точки или веса в конец(опять вопрос по какой модели) либо проредить в начале, а тогда кроме экспоненты появится возможность достоточно хорошо аппраксимировать сигнал и другими функциями т.е. см п 1

в завершении хотелосьбы отметить, что ИМХО конечно можно занятся спалйновыми аппроксимациями, фильтами из вейвлетов на компактном носителе, или нестабильными моделями (кстати как в хаосе определяется нестабильность) однаков начале надо посчитать простыми методами и если результат отличен от ожидаемого разобраться и подумать а не хвататься минуя первую стадию за какой-нибудь критерий Иванова-Рабиновича-фон Ниеша- де Плюсси

[плав]

1). один и тот же процесс может быть легко описан разными мат моделями, что однако не говорит о том что это разный процесс. следовательно возникает вполне осознанное требование поиска медицинского обоснования именно этого подхода, равно как и коэффициентов модели с точки зрения их интерпретации иначе получится влияние мочи на солнечные лучи

Попробуйте, а потом пишите. Разными моделями? Какими? Нести ахинею может каждый

2). применительно к нашему случаю очевидно, что первые 12 дней данные регистрировались только раз в день и после и того реже следовательно на нашем временном ряду могут возникнуть выбросы (отклоняющиеся точки) как в конце времени эксперимента, так и вначале причём эти точки мы можем просто не заметить в силу того, что они пришлись между измерениями. Между тем модель плава зиждется на весьма сомнительно с точки зрения доказанности уверенности что этих выбросов нет. испльзуя стьюдент или МУ или вилкоксосна мы скромно утверждаем, что на такойто день различия либо есть либо нет.

Вопрос остался без ответа, каким образом критерии Стьюдента могут убрать "вылетающие" точки из чего следует, что автор поста не очень разбирается в статистических методах, игнорирует проблему множественных сравнений (о которых знает любой мало-мальски знакомый со статистической теорией человек), но хочет всем продемонстрировать, какой он знающий и упоминает что-то про доказательность (видимо считая себя специалистом по доказательной медицине, но не потрудившимся почитать на эту тему)

в завершении хотелосьбы отметить, что ИМХО конечно можно занятся спалйновыми аппроксимациями, фильтами из вейвлетов на компактном носителе, или нестабильными моделями (кстати как в хаосе определяется нестабильность) однаков начале надо посчитать простыми методами и если результат отличен от ожидаемого разобраться и подумать а не хвататься минуя первую стадию за какой-нибудь критерий Иванова-Рабиновича-фон Ниеша- де Плюсси

Вообще-то если человек начинает конструировать неологизмы и у него появляется тяга к бессмысленным, но звучащим технически терминам... Мдаа...

Для тех, кто пытается что-то понять в этой ветке просто сообщу, что методика использования индивидуальных коэффициентов регрессии является принятой, желающие могут посмотреть Armitage и Berry, и ряд других серьезных пособий по статистике для медиков. Вообще иногда рекомендуется даже вместо дисперсионного анализа с повторными измерениями вначале сделать регрессию, а затем ДА на коэффициентах регрессии. К сожалению, любителей пофлудить тоже много...

[плав]

Сам ссылки на программы не проверял и не собираюсь, т.к. меня они не интересуют - предпочитаю составлять программы самостоятельно на языке Си. А вот алгоритмы посмотреть интересно.

А вот это зря. Если давать ссылки, то надо проверять, открываются ли они. Если проверять не хочется, то давайте ссылку на страницу, которая открывается и откуда Вы взяли информацию

[Игорь]

А вот это зря. Если давать ссылки, то надо проверять, открываются ли они. Если проверять не хочется, то жавайте ссылку на страницу, которая открывается и откуда Вы взяли информацию

Все ссылки, которые я даю (даже взятые из своих архивов), всегда проверяю перед тем, как предложить их собеседникам. В чем можно легко убедиться прямо сейчас. И со статьями по данным ссылкам хотя бы по диагонали ознакомился.

А не открывается (точнее не "не открывается", а неправильно исполняется) ссылка (на апплет Java) со ссылки. Ну тут уж, извините - обращайтесь к авторам публикации, проявившим небрежность при составлении или размещении кода своей программы. Именно данный код меня не интересует.

Причин неверного исполнения кода java может быть множество. Вот некоторые:
1. Не обеспечен доступ сервлета или апплета к необходимым фрагментам кода на стороне сервера или на машине клиента.
2. Несоответствие версии машина апплета и машины на компьютере пользователя.
3. Банальные ошибки в самом апплете.
4. Отстутствие (или принудительная блокировка) установленной машины java на компьютере пользователя.

Например, на всех моих компьютерах машины java заблокированы по двум причинам:
1. Не терплю java.
2. Соображения безопасности.

[vah1]

читая предыдущие посты у меня сложилось весьма приятное впечатление: спокойная атмосфера, деловое общение и вдруг такая истерика плава с приёмами достойными больше политических форумов. Например меня сильно удивило что плав применил такой приём как обвинение собеседника в незнании. Вывод делается на основе.. (чего?) а бог его знает. Следуя этой логике можно утверждать что плав игнорирует любую проблему о которой он не говорил. Как видно такой подход порочен. Будем надеятся что в научной работе плав всё же придерживается других подходов нежели бездоказательные утверждения.
Теперь о сути вопроса. Итак у нас есть временной ряд и надо как-то его обработать. тут надобно напомнить что ряд может быть как дискретным (ВСР), так и непрерывным.
1.Если с дискретного ряда мы можем записать все точки то это просто замечательно если нет то переходим к п.2
2. Если ряд непрерывный или мы регистрируем не все точки дискретного ряда, то тут появляется проблема о которой я писал на форуме (жаль что плав умудрился выбрать самую неправильную интерпретацию). итак если мы видим не все точки процесса то вполне естестевнно, что в тот момент времени когда регистрация не проходила ряд точек или только одна могут сушественно отклонится (а могут и нет).
3. Следовательно при применении любой аппроксимации ключевым является вопрос о том насколько качественно мы провели регистрацию точек и допускает или не допускает процесс наличие "выбросов". Если мы не можеи доказать, что выбросов нет, то применение любой аппроксимации наталкивается на существенные проблемы, ибо коэффициенты которые предлагает сравнивать плав весьма чувстительны к подобного рода изменениям тем более на коротком временном ряду. Возможно, плава посещают какие-то откровения, касаемые наличия/отсутствия выбросов в исследуемом ряду, однако в миру, без достаточно обоснованных частот снятия показателей это сделать не представляется возможным.
4. Ещё одна проблема (которую плав решил заболтать) это равномерность/неравномерность дискретизации при регистрации временного процесса. В примере с которого всё началось ближе к завершению серии процесс регистрации перестал быть равномерным, следовательно принципиальным является вопрос о востановлении пропущенных точек а это в свою очередь делает ещё более актуальным п.2
5. Данную проблему снимает простое сравнение наблюдений например на какой-то день. Поскольку, для корректности выводов, нам абсолютно не важно как вёл себя процесс до и после изменения и следовательно доказательства отсутсвия этих самых точек не являются необходимыми что существенно облегчает решение задачи.

Т.о. посроение мат модели процесса по варианту предложенному плавом возможно только в том случае если четко доказано отсутствие выпадающих точек и имеется равномерная дискретизация в регистрации процесса. Ни того не другого доказано не было следовательно предложенный подход ошибочен.

Отдельную тему являет собой медицинское осмысление предложенных моделей, жаль что плав не озаботился например подсчётом кол-ва моделей для описания например таких процесслв как ВСР или ЭЭГ, как видно моделей много, а вот интерпретация их с точки зрения медицины не всегда значима. таким образом один и тот же процесс может быть описан разными моделями о чём я и говорил. Где тут плав усмотрел ахинею?
ну и отмечу что плав дал характеристику приводимым им "нестабильными моделями"

"Вообще-то если человек начинает конструировать неологизмы и у него появляется тяга к бессмысленным, но звучащим технически терминам... Мдаа..."


П.С. ПРедлагаю прекратить подколы и серьёзно обсудить проблему анализа временных рядов. Если со статистикой хоть как-то медики разбираются то по временным рядам у большинства завал.

[Игорь]

П.С. ПРедлагаю прекратить подколы и серьёзно обсудить проблему анализа временных рядов. Если со статистикой хоть как-то медики разбираются то по временным рядам у большинства завал.

Уважаемый vah1!

Проблема анализа временных рядов разбирается в сотнях источников. Можно сказать, что это уже и не проблема . Проблема - статистическое сравнение двух (и более) временных рядов. В этой связи, если собеседники решат прекратить распри, и вернуться к реальному обсуждению проблемы, предлагаю остановиться на решении следующих вопросов.
1. Какие методы для этого применяются с учетом того, что дополнительные предположения о модели процесса, порождающего данные временные ряды, не вводятся?
2. Имеют ли особенности данные типа временных рядов относительно обычных выборок?

Может, это утверждение покажется слишком смелым, но отсчеты любых временных процессов производятся дискретно. Следовательно, непрерывных временных рядов (как отображений реальных процессов) не существует. Кстати, рассуждая аналогично - все измерения производятся с конечной точностью. Следовательно, не существует ни непрерывных данных, ни непрерывных распределений.

[плав]

Я коротко отвечу, почему надо либо (а) внимательно читать посты, либо (б) внимательно читать книги.
Итак, пост был посвящен анализу времени полувыведения радионуклидов у мышей. Это не временной ряд в том смысле, в котором его обычно понимают, потому как те процессы, которые изучаются в time series обладают иными свойствами и, чаще всего, они не имеют начала и конца. Соответственно, основные проблемы, наличие автокорреляции, устранение сезонных колебаний и т.п.
В данном посту речь шла о процессе с нулевым временем начала (введения) и, соответственно, временем окончания процесса (полным выведением радионуклида.
1) Соответственно, задача такого типа скорее имеет связь с анализом выживаемости. В любом случае, распределение времен выведения не подчиняется нормальному закону и, соответственно, то, что vah пишет про критерий Стьюдента уже демонстрирует его незнание проблемы.
2) Наличие "выбросов" хорошая идея, однако на статистическом форуме непонятная. Если автор действительно знает статистику, то он знает, что выброс (outlier), это величина, которая является крайне маловероятной при принятом распределении величины. Соответственно, надо вначале определиться с распределением случайной величины.
3) Решить проблему учета случайных колебаний относительно (теоретического) распределения времени выведения можно предположив форму этого теоретического времени выведения и считая колебания вокруг предсказанных теоретически значений случайными и распределенными по какому-то закону. Можно, например, предположить нормальное распределение ошибок и использовать OLS регрессию для получения параметров этого теоретического уравнения. Можно проанализировать семейство теоретических кривых и посмотреть, какая из них будет наилучшим образом описывать имеющиеся данные, т.е. минимизировать дисперсию ошибки. Так что, искуственно менять коэффициенты в модели будет сложновато. Если же предполагается, что можно подбирать модели разной степени сложности (например, полиномы разной степени), то на этот вопрос уже тоже известен ответ - модель должна быть минимально сложной, после которой наблюдается незначительное снижение дисперсии ошибки.
4) Временной ряд (любой и тот, который изучается обычно, и представленный в посте) интересен тем, что там имеется достаточно большое количество коррелирующих друг с другом точек (т.е. значение во время t+1 зависит от значения во время t). Соответственно, сравнение точек попарно является ошибочным, поскольку нарушает базовое допущение всех статистических тестов - независимость наблюдений в выборке. Если же предполагается провести n сравнений (разные объекты в момент времени t, затем t+1 и т.д. до n), то исследователь столкнется с проблемой мноественных сравнений, поскольку в каждый момент времени "значимое" отклонение может произойти в 5% случаев, а при 20 временных точках вероятность хотя бы одного "значимого отклонения составляет уже 64%. Это vah также проигнорировал, хотя речь идет о базовых понятиях статистики.
5) Вопрос равномерности/неравномерности дискретизации бессмысленнен, если используется относительно простая форма описания модели, поскольку здесь речь не идет о процессе, который внезапно начинает идти в обратном направлении
Соответственно:

[quote name='vah1' date='13.06.2008 - 18:23' post='4835']
Т.о. посроение мат модели процесса по варианту предложенному плавом возможно только в том случае если четко доказано отсутствие выпадающих точек и имеется равномерная дискретизация в регистрации процесса. Ни того не другого доказано не было следовательно предложенный подход ошибочен. [\quote]

является утверждением человека, который слабо знаком со статистической теорией, не читает литературы, но считает своим правом отстаивать свои (ошибочные) убеждения (причем игнорирование моих замечаний ранее этому хорошее подтверждением). Поскольку кроме постов в других ветках с предположениями об откатах (также весьма спекулятивные замечания) автор ничем другим замечен не был, соответственно, его безосновательная критика получила более жесткие комментарии, чем если бы он пытался уяснить суть проблемы.

И последнее:
6) "жаль что плав не озаботился например подсчётом кол-ва моделей для описания например таких процесслв как ВСР или ЭЭГ". А еще меня не заботит вопрос описания траектории полета листа дерева, колебаний размеров Эйфелевой башни и много других процессов, которые описываются другими закономерностями. Если есть желание пообсуждать описание ЭЭГ, то можно создать ветку и там это обсуждать.
В данной ветке обсуждалась конкретная задача. Повторюсь, если есть желание обсуждать тему, не имеющую отношение к данной ветке - создавайте новую ветку. Попытки писать о наболевшем в теме, не имеющей к этому отношению являются флудом и будут пресекаться.