Рандомизация, бутстреп и методы Монте-Карло, Примеры статистического анализа данных по биологии и экологии Опции

[stok1946]

Критерия Крамера-Уэлча (еще приплюсовали сюда и Стьюдента) нет. Но причем здесь Крамер? Это вызывает удивление. И причем здесь Уэлч? И почему этот критерий как пишет Орлов непараметрический? Где аргументы?
Назовите критерий - критерий Крамера-Уэлча-Фишера-Стьюдента-Саттарвайта-Рао.

Любой термин - "штамп межчеловеческого ожидания со сложно-переменным значением". Т.е. выборочная оценка истинного параметра. И, как английский суд, основана на прецедентах.
За "Крамера-Уэлча" говорят, например:
http://www.machinelearning.ru/wiki/index.p...терий_Стьюдента
http://matstats.ru/kramer.html
Против - хотя бы дискуссия на нашем форуме:
http://forum.disser.ru/index.php?showtopic=2550&st=0
Мне, честно говоря, не кажется, что проблема точности в статистике сводится только к тому, следует ли упоминать Крамера среди творцов приближенных формул для решения проблемы Беренса-Фишера или ограничиться Уэлчем и Сатервайтом.
Столь же туманна и малозначима для меня лейбла "параметрический или непараметрический критерий" (то ли в числе предположений его использования есть требование соответствия данных какому-либо теоретическому распределению, то ли при оценке р-значения он на оное распределение опирается). Тот же Х2-критерий одни называют параметрическим, а другие - нет. Единственным индикатором здесь является сущность процедуры тестирования.
Но я с готовностью удалю из своей книги бедолагу Крамера, коль скоро он Вам не пришелся по душе (тем более, что я этот критерий вообще в книге не использовал).

Относительно мета-анализа прикрепляю файл, перевод которого явился основой для упоминаемого Вами раздела. Там в свою очередь есть ссылки, которые могут Вам помочь.

Как я уже упоминал, скан книжки Манли весит 200 Мегабайт. Порекомендуйте любимый файлообменник и свяжитесь со мной по электронной почте (есть причины не выкладывать ее в открытый доступ).

Прикрепленные файлы

 MA_workshop.pdf ( 624,53 килобайт ) Кол-во скачиваний: 384

 

[pifagor]

Любой термин - "штамп межчеловеческого ожидания со сложно-переменным значением". Т.е. выборочная оценка истинного параметра. И, как английский суд, основана на прецедентах.
За "Крамера-Уэлча" говорят, например:
http://www.machinelearning.ru/wiki/index.p...терий_Стьюдента
http://matstats.ru/kramer.html
Против - хотя бы дискуссия на нашем форуме:
http://forum.disser.ru/index.php?showtopic=2550&st=0
Мне, честно говоря, не кажется, что проблема точности в статистике сводится только к тому, следует ли упоминать Крамера среди творцов приближенных формул для решения проблемы Беренса-Фишера или ограничиться Уэлчем и Сатервайтом.
Столь же туманна и малозначима для меня лейбла "параметрический или непараметрический критерий" (то ли в числе предположений его использования есть требование соответствия данных какому-либо теоретическому распределению, то ли при оценке р-значения он на оное распределение опирается). Тот же Х2-критерий одни называют параметрическим, а другие - нет. Единственным индикатором здесь является сущность процедуры тестирования.
Но я с готовностью удалю из своей книги бедолагу Крамера, коль скоро он Вам не пришелся по душе (тем более, что я этот критерий вообще в книге не использовал).

Относительно мета-анализа прикрепляю файл, перевод которого явился основой для упоминаемого Вами раздела. Там в свою очередь есть ссылки, которые могут Вам помочь.

Как я уже упоминал, скан книжки Манли весит 200 Мегабайт. Порекомендуйте любимый файлообменник и свяжитесь со мной по электронной почте (есть причины не выкладывать ее в открытый доступ).

В упомянутых вами ссылках неправильно используют название критерия, но хоть правильно пишут, как им пользоваться. А Орлов ни то, ни другое.
Крамер не бедолага, он крупный статистик, но просто не имеет отношения к вопросу.
А решений проблемы Беренса-Фишера в смысле приближенных много. Одно из них- процедура Вэлча. Есть работы, в которых авторы методом Монте-Карло показали сильную устойчивость процедуры Вэлча как к неравенству дисперсий, так и к ненормальности распределения. Вот и все дела.

[pifagor]

Я не применял бутстреп. Я мало знаком с примерами его использования. Но я тем не менее выскажу свое мнение о вашей книге.

1) Ваша книга абсолютно нужна. Не вижу доступной литературы по бутстрепу и Монте-Карло для биологов на русском языке. Может она и есть, но как-то я не вижу.
Поэтому, ваша книга уверен будет востребована.
2) Позвольте профану высказать пожелания. Побольше примеров конкретных данных и сравнить классические методы и тот же бутстреп. Они есть в вашей книге. Но-больше. Пусть книга вырастет в объеме. Зато таких дубарей, как я, а нас много, убеждают примеры. Буквально брать примеры из Лакина, Урбаха, Гланца и - сравнение. Учебников много.
3) Примеры из биологии и медицины? Экологии? Плохое название для книги. Просто- использование таких-то методов в биологии, медицине и экологии.
4) Книга пишется хорошим языком.
5) Примеры типа Куйбышевское водохранилище? Я вас призываю писать учебное пособие по бутстрепу для биологов, медиков, экологов. Шире примеры. Опять больше примеров.
6) Список литературы с указанием сайтов - это современно и хорошо.

7) Что касается переводов зарубежных книг. Оно бы и надо, и вас стимулировала-бы конкуренция, но думаю, придется долго ждать. Даже в советские годы зарубежные книги выходили через несколько лет после их издания. Дорога ложка к обеду.
Так что желаю успеха (а успех будет, уверяю вас) и дописывайте остальные главы. Нужно. Молодежь и не только молодежь скажет спасибо. Тираж надо тысяч 10000. Или даже больше.
Вот такое мнение профана.

[stok1946]

Буквально брать примеры из Лакина, Урбаха, Гланца и - сравнение. Учебников много.
Так что желаю успеха (а успех будет, уверяю вас) и дописывайте остальные главы.

Во-первых, у нас - принцип: работать только со своими примерами и примерами своих друзей. А Вы - попробуйте пример из Гланца самостоятельно.
Во-вторых, мы окончательно обжились в R. Список скриптов в приложении растет, так что можно книгу позиционировать, как учебник по R для начинающих (коими мы сами и являемся).

Наконец, по ссылке
http://www.ievbras.ru/ecostat/Kiril/Article/A32/Stare.htm
можно всегда скачать свежую версию книги.
Кстати, в последний раз был добавлен новый раздел 2.3. про таблицы сопряженности, которые столь любимы в медицине (и которые малознакомы нам).
Ждем разносов, полезных и разных.

"Критерий Крамера" мы убрали. Похоже, что чистка статистических рядов от "упоминающих всуе Крамера, применяющих термин достоверность или говорящих нулевая гипотеза верна" - основная забота российской статистики.
Теперь очередь за Валлисом. И за отрицательностью лямбды Гудмэна

Сообщение отредактировал stok1946 - 8.09.2012 - 16:54

[Диана]

"Критерий Крамера" мы убрали. Похоже, что чистка статистических рядов от "упоминающих всуе Крамера, применяющих термин достоверность или говорящих нулевая гипотеза верна" - основная забота российской статистики.
Теперь очередь за Валлисом. И за отрицательностью лямбды Гудмэна

значит упоминать критерий Крамера при анализе таблиц сопряженности не стоит

[Диана]

в статье мед.журнала была фраза: Атрибутивное значение многофакторной модели определяли по критерию Найджелкерка с вычислением величины R2(в квадрате). вопрос: величина R2 (без уточнения используемого критерия) -это коэффициент детерминации (стр. 64 Вашей книги)

Сообщение отредактировал Диана - 13.09.2012 - 14:28

[stok1946]

значит упоминать критерий Крамера при анализе таблиц сопряженности не стоит

pifagor имел в виду модификацию формулы параметрического критерия Стьюдента для оценки равенства средних двух выборок. которую выполнил Уэлч (Welch), чтобы применять ее для неравных дисперсий и объемов .
Это, вероятно, не относится к формуле Крамера для коэффициент связи в таблицах сопряженности (т.е. попытки нормировать ХиХи-статистику).
Даже pifagor сказал, что он - достойный дядька и ото всюду его изгонять нельзя.

Мы использовали при подборе моделей приведенный коэффициент детерминации (Adjusted R2), рассчитываемый по формулам средних квадратов.
Nagelkerke (1991) обобщил формулу для расчета коэффициента детерминации, используя оценки максимального правдоподобия ( она приведена, например, в http://en.wikipedia.org/wiki/Coefficient_of_determination )

[pifagor]

pifagor имел в виду модификацию формулы параметрического критерия Стьюдента для оценки равенства средних двух выборок. которую выполнил Уэлч (Welch), чтобы применять ее для неравных дисперсий и объемов .
Это, вероятно, не относится к формуле Крамера для коэффициент связи в таблицах сопряженности (т.е. попытки нормировать ХиХи-статистику).
Даже pifagor сказал, что он - достойный дядька и ото всюду его изгонять нельзя.

Мы использовали при подборе моделей приведенный коэффициент детерминации (Adjusted R2), рассчитываемый по формулам средних квадратов.
Nagelkerke (1991) обобщил формулу для расчета коэффициента детерминации, используя оценки максимального правдоподобия ( она приведена, например, в http://en.wikipedia.org/wiki/Coefficient_of_determination )

Проф. Орлов иногда называет себя учеником Крамера, иногда учеником Боровкова (автор учебника), иногда учеником Большева (таблицы по математической статистике). На меньшее он не согласен. Только такие учителя и не иначе. Всех остальных он считает невеждами и плагиаторами. Так, например, он называет Кобзаря, автора полезного справочника по статистическим методам. Причина же, по-моему, кроется в том, что Кобзарь в своем обширном списке литературы, увы, не упоминает опусы Орлова. Амбиции, все амбиции. Обиды живых классиков.