Это, конечно, не идеальные симуляции (в дипломе и в должности откуда-то же «хирург» написано). Но это попытки поизучать даже такие «простые» вещи глубже, чем пишут в книгах или рассказывают на курсах. А там пишут в некоторых не совсем корректные вещи (а ведь с этих книг другие начинают изучать статистику)
Симуляция симуляции рознь 🫠
Матвей в коментариях предложил, что вместо бутстреп генерации выборок, можно использовать метод Монте-Карло (ведь я сам задаю параметры популяции и верность гипотез)
Ну и я по-быстрому повторил для экспоненциального распределения симуляцию, где увеличивается разница мат.ожиданий, т.е. Н0 неверна
И получил картину наоборот 🤔 Теперь t-тест даже при распределении, не соответствующему нормальному, ловит лучше
Чему верить? А фиг его знает теперь 😅
Мне видимо не надо верить 🥲
Матвей и другие коллеги, ваше мнение как никогда важно!)
Матвей в коментариях предложил, что вместо бутстреп генерации выборок, можно использовать метод Монте-Карло (ведь я сам задаю параметры популяции и верность гипотез)
Ну и я по-быстрому повторил для экспоненциального распределения симуляцию, где увеличивается разница мат.ожиданий, т.е. Н0 неверна
И получил картину наоборот 🤔 Теперь t-тест даже при распределении, не соответствующему нормальному, ловит лучше
Чему верить? А фиг его знает теперь 😅
Мне видимо не надо верить 🥲
Матвей и другие коллеги, ваше мнение как никогда важно!)
❤2🥰2
условия одинаковые (экспоненциальное распределение в популяции). Разница в методе сэмплинга (подписаны)
Забавно… Я себе не доверяю, поэтому думаю, что я где-то скриворучил (скорее всего в бустрепе MW) и поэтому выдает такую штуку
Если я действительно ошибся в нем… То и в остальных симуляциях значит тоже 😐🔫
В общем, как я и говорил, не верьте мне… Буду перепроверять и разбираться…
Забавно… Я себе не доверяю, поэтому думаю, что я где-то скриворучил (скорее всего в бустрепе MW) и поэтому выдает такую штуку
Если я действительно ошибся в нем… То и в остальных симуляциях значит тоже 😐🔫
В общем, как я и говорил, не верьте мне… Буду перепроверять и разбираться…
Похоже реально где-то в бутстрепе MW дело
Вот на МС вообще другие результаты
1. Выбросы в 10 раз в каждую выборку (по Х частота выбросов)
2. Выборсы в 1,5 раза только в одну выборку
Распределение экспоненциальное, размер выборок увеличил до 1000
Вот на МС вообще другие результаты
1. Выбросы в 10 раз в каждую выборку (по Х частота выбросов)
2. Выборсы в 1,5 раза только в одну выборку
Распределение экспоненциальное, размер выборок увеличил до 1000
Если вы все это осилили прочитать и не потерять голову, то можно было заметить пару вещей
- Ошибаться и признавать это, не стыдно и даже можно публично
- В статистике много нюансов (даже в проверке "простых" тестов)
- Не нужно верить первому же сообщению, надо сомневаться и перепроверять (других и даже самого себя)
P.S. смешно как сразу человек 10 отвалилось от канала
- Ошибаться и признавать это, не стыдно и даже можно публично
- В статистике много нюансов (даже в проверке "простых" тестов)
- Не нужно верить первому же сообщению, надо сомневаться и перепроверять (других и даже самого себя)
P.S. смешно как сразу человек 10 отвалилось от канала
❤14🤝7🔥2
Я как-то уже выкладывал это сообщением, но думаю можно повторить снова
Мои ресурсы:
Ютуб-канал журнального клуба (там в основном некоторые лекции и открытые заседания)
https://youtube.com/@journalclubebm_base2526
Чат-флудилка блога в ТГ (не знаю кому он может понадобиться, но вдруг кто-то очень хочет общаться со мной в беседе 🤷♂)
https://news.1rj.ru/str/+zM0W7uxBpcA1MmVi
Основной канал (там все от самых основ, площадка признана сами знаете чем)
https://instagram.com/ebm_base
Группа ВК журнального клуба (там сейчас новый админ и возрождение группы, пытаемся сделать интересно и вспомнить базу)
https://vk.com/jcmma
В общем, welcome (да, я занимаюсь переносом/переходом аудитории и мне не стыдно)
Мои ресурсы:
Ютуб-канал журнального клуба (там в основном некоторые лекции и открытые заседания)
https://youtube.com/@journalclubebm_base2526
Чат-флудилка блога в ТГ (не знаю кому он может понадобиться, но вдруг кто-то очень хочет общаться со мной в беседе 🤷♂)
https://news.1rj.ru/str/+zM0W7uxBpcA1MmVi
Основной канал (там все от самых основ, площадка признана сами знаете чем)
https://instagram.com/ebm_base
Группа ВК журнального клуба (там сейчас новый админ и возрождение группы, пытаемся сделать интересно и вспомнить базу)
https://vk.com/jcmma
В общем, welcome (да, я занимаюсь переносом/переходом аудитории и мне не стыдно)
YouTube
Journal club Ebm_base
Канал журнального клуба "Base of evidence-based medicine", на котором можно найти открытые заседания, лекции, стримы и многое другое, что происходит в жизни нашего клуба!
❤11👍1
Хватит это терпеть
Сказал бы я себе про свое поведение, но не скажу
😁4
Вроде сделал получше
и даже смог повторить версию Дамира Ильдаровича (спасибо ему за наводку)
1) создается 2 выборки. Распределение в каждой нормальное. Размер по 100 (n = 100). Истинная разница средних 5 (True MD = 5). Подробные параметры (1: rnorm (n = 100, mean =50, sd = 10); 2: rnorm(n = 100, mean = 55, sd = 10)).
2) в 1 группу добавляем выбросы, 10% случайных значений увеличивается в 2 раза. Таким образом я выравниваю средние значения между группами (т.е. Н0 о MD = 0 верна), но ранги (location shift) остаются неравны (т.е. Н0 о mean rank = 0 неверна).
3) повторяем 1000 раз, считаем как часто отклоняется Н0
4) повторяем шаги 1-3 50 раз
Получается механизм Монте-Карло (если я правильно понимаю), где Н0 для t-теста верна, а Н0 для Mann-Whitney неверна. Ну и видим интересный (но вроде логичный) результат, где t-тест не может найти разницу, а MW-тест ее видит.
Не уверен, что можно так представлять ранги через стандартизованную разницу рангов, но мне кажется вполне наглядно (SMD и SMR по Y - это абсолютные стандартизованные значения, t-тест и MW-тест по Y - частота отклонений Н0)
В общем, «простые» тесты не так просты
и даже смог повторить версию Дамира Ильдаровича (спасибо ему за наводку)
1) создается 2 выборки. Распределение в каждой нормальное. Размер по 100 (n = 100). Истинная разница средних 5 (True MD = 5). Подробные параметры (1: rnorm (n = 100, mean =50, sd = 10); 2: rnorm(n = 100, mean = 55, sd = 10)).
2) в 1 группу добавляем выбросы, 10% случайных значений увеличивается в 2 раза. Таким образом я выравниваю средние значения между группами (т.е. Н0 о MD = 0 верна), но ранги (location shift) остаются неравны (т.е. Н0 о mean rank = 0 неверна).
3) повторяем 1000 раз, считаем как часто отклоняется Н0
4) повторяем шаги 1-3 50 раз
Получается механизм Монте-Карло (если я правильно понимаю), где Н0 для t-теста верна, а Н0 для Mann-Whitney неверна. Ну и видим интересный (но вроде логичный) результат, где t-тест не может найти разницу, а MW-тест ее видит.
Не уверен, что можно так представлять ранги через стандартизованную разницу рангов, но мне кажется вполне наглядно (SMD и SMR по Y - это абсолютные стандартизованные значения, t-тест и MW-тест по Y - частота отклонений Н0)
В общем, «простые» тесты не так просты
❤2👍2
А про выбросы (я как раз симулирую кривые руки, или кабель плохо воткнули) можно почитать тут
Ну и подписаться можно, чтобы поддержать автора)
Ну и подписаться можно, чтобы поддержать автора)
Telegram
душно про дату
Разговор про выбросы часто выглядит чрезвычайно куцо.
* "Выбросы — это точечки и звездочки на босксплоте."
* "Регрессия / t-тест плохо переваривают выбросы, поэтому их нужно удалять."
* "Если в данных есть выбросы, то нужно использовать непараметрику / ранговые…
* "Выбросы — это точечки и звездочки на босксплоте."
* "Регрессия / t-тест плохо переваривают выбросы, поэтому их нужно удалять."
* "Если в данных есть выбросы, то нужно использовать непараметрику / ранговые…
❤4
Forwarded from Лечу лечить | МедИнвестГрупп
Не только онкологи, но и специалисты других областей медицины могут столкнуться с онкологическими заболеваниями. Каждый врач должен понимать, как работает система онкологической помощи в России, чтобы вовремя распознать симптомы, направить пациента к нужному специалисту и ответить на его вопросы.
Чтобы усилить онконастороженность среди студентов и молодых врачей, мы запускаем курс «Основы онкологической помощи»
Курс создан при поддержке ведущих экспертов из К+31, ПЭТ-Технолоджи, Высшей школы онкологии, Школы практической онкологии им. А. Павленко, Фонда «Вера» и многих других.
— Студенты 4−6 курсов медицинских и фармацевтических специальностей;
— Ординаторы любых специальностей;
— Врачи и провизоры, окончившие обучение в 2021-2024 годах.
Обучение полностью бесплатное и будет доступно с 28 октября!
Заявки на участие принимаются до 25 октября на сайте курса.
— Образованию и карьерным возможностям в онкологии;
— Маршрутизации онкологического пациента;
— Сообщению диагноза и поддержке пациента;
— Эпидемиологии, скринингу и биологии опухолевого роста;
— Основным методам диагностики в онкологии;
— Онконастороженности и ранней диагностике;
— Лечению онкологических заболеваний;
— Частым вопросам онкопациентов и их родственников.
#полезное
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤3
У коллег из ННАДМ есть интересные посты про конечные точки
Мне кажется, что должно быть интересно тем, кто хочет больше понимать в чтении и проведении исследований
Тут, тут, тут и тут
Материалов, конечно, больше, есть с чем ознакомиться 👍
Мне кажется, что должно быть интересно тем, кто хочет больше понимать в чтении и проведении исследований
Тут, тут, тут и тут
Материалов, конечно, больше, есть с чем ознакомиться 👍
Telegram
Независимая Национальная Академия Доказательной Медицины (НКО ННАДМ)
Коллеги, добрый день.
☑️Поговорим про суррогатные (surrogate endpoint) или «мягкие» конечные точки. Данное деление достаточно условно, тем не менее. Часть 1.
➤Если эффект оценивается с помощью достижения целевых значений лабораторных показателей (изменение…
☑️Поговорим про суррогатные (surrogate endpoint) или «мягкие» конечные точки. Данное деление достаточно условно, тем не менее. Часть 1.
➤Если эффект оценивается с помощью достижения целевых значений лабораторных показателей (изменение…
10👍5🔥1