問題タブ [significance]

私の研究では、A と B の間の特定の相互作用がそのレベルに影響を与えるかどうかをテストするために、ウイルス負荷測定値のメタ分析を実行しました。

これは、R を使用して取得したフォレスト プロットです。

とはいえ、どう解釈していいのかわからない。p=0.0073 であり、全体的な効果推定値の 95% CI が 0 と重ならないため、この結果が有意であることは理解しています。しかし、ひし形がフォレスト プロットの右側にあるということはどういう意味ですか?

最近、ゲームを単純化する電卓 (reactoridle) を開発しているときに、1 つの永続的な問題に遭遇しました。問題は、GUI の入力番号が特定の境界の間の番号に変更された場合、Enter キーを押すとすぐにその下の番号に戻り、もう一度 Enter キーを押すと繰り返されることさえありました。

その背後にある数学は確かなものでしたが、コードの一部が別の部分と何らかの形で矛盾していると考えました。

コードの最初の部分は、熱セルによって生成される熱を計算し、2 番目のコードは、その熱を処理するために各コンポーネントで必要なアップグレードを再計算します。つまり、現在のアップグレードがコードの動作と競合の境界にあるとします。その後、アップグレードをインクリメントすると、すぐに元に戻ります。コードの最初の部分が熱を計算し、2 番目のコードが、その熱を達成するためにアップグレードを 1 つ減らすことができると判断します。

関連するコードは次のとおりです。

ご覧のとおり、最初の部分で計算された熱に を掛けることで問題を解決しました1 + 0x4p-50d。これは、アルゴリズムの 2 番目の部分がアップグレードを再び切り下げるのを防ぐのに十分なだけ熱が調整されるようにするためです。大幅に異なる熱量を表示することは避けてください。

同じ問題が、他の 2 つのコンポーネントに関連するコードの並列部分で発生しますが、はるかに大規模であるため、一度に複数の数値にジャンプします。最初のコンポーネントで行ったのと同じ方法で解決しないことをお勧めします。これは、他のものと衝突する可能性が高いためです。

この問題にアプローチするための、いわばより厳密な方法はありますか?

前もって感謝します。

基本的な例を調べると、Vennerable の入力はベクトルのリストである必要があることがわかります。そこで、バイナリ p 値行列を取得して、それらの共通の特性に基づいてベン図を作成しようとすると、次のようになります。

図 1 間違った出力

期待される出力: 由緒ある 3 つの円のベン図

スタウト

R: 3.3.1
OS: Debian 8.5

トレーニング データにロジスティック回帰モデルを当てはめた後、受け取った各係数の有意水準を取得する方法はありますか?

私は方法を見つけようとしていましたが、自分自身を理解することができませんでした.

カイ二乗検定を実行すると、各特徴の有意水準が得られると思いますが、まずすべての特徴で検定を一緒に実行できるかどうかわかりません。次に、数値データ値があるので、正しい結果が得られるかどうかそれも疑問のままです。

現在、statsmodel と scikit Learn を使用してモデリング部分を実行していますが、pySparl ML または MLLib 自体からこれらの結果を取得する方法を知りたいと思っています。

誰かが光を当てることができれば、それは役に立ちます

次のデータがあります（dat）

上記のデータ セットに対して TukeysHSD ペアワイズ テストを実行したいと考えています。テストの結果から、有意な比較をグラフに組み込みたいと思います (有意なグループ間に「*」または「**」記号を表示)。

これは試みられたコードです:

各結果を外部配列として保存してからggplot2に呼び出すことなく、テストの結果（「重要性」）をグラフに直接組み込む方法（できるかどうか）と方法がわかりません。

統計的に有意な結果が得られた領域のみをハッチングしようとしています。Basemap と pcolormesh を使用してこれを行うにはどうすればよいですか?

次のように scikit-learn の順列テストを使用して、結果の重要性を見つけようとしています。

ここで、clf.best_estimator は交差検証の結果です。

いくつかの分類子 (いくつかの独立した clf.best_estimator_) に使用しますが、それらすべての p 値は同じ 0.00990099009901 です。

なぜこれが起こるのか分かりません。奇妙なことに、これは scikit-learn ユーザー ガイドのリンクされたコードで報告されている数値と同じです。

ggplot で geom_boxplot を使用して、平均的な生物学的パラメーター (つまり、体重、長さ、年齢、状態など) を経時的に (具体的には何年にもわたって) 視覚化しています。また、線形モデル (具体的には + geom_smooth(method = "lm") を使用) と stat_smooth を使用したスプラインを使用して、各データ セットに傾向線を当てはめました。図の例を次に示します。

近似曲線を使用した箱ひげ図の例

ほとんどの場合、時間の経過とともに各パラメータの平均値が増加傾向にあるように見えます。私がやりたいことは、これを統計的にテストすることですが、カテゴリ x 変数データ (この場合は年) でこれを行う方法がわかりません。基本的に、回帰型分析を実行して時間の経過とともに大幅に増加したかどうかをテストするオプションを探していますが、2 つの連続変数はありません。アドバイスをいただければ幸いです。

ありがとうございました。