Redian新闻
>
有人号称自己的是学统计的
avatar
有人号称自己的是学统计的# Joke - 肚皮舞运动
p*n
1
TJmax $55+tax收的, 戴着还不错,就是有点吃不准这个款式,留还是退呢?谢谢。
avatar
p*j
2
我知道这个不是Joke,但介于这个版经常有人发题目。我觉得这个应该适合这个版。
简而言之就是我说验证某验孕手法是否有效,找100个育龄妇女测试,实际检验有效率
,结果这位号称统计学专业的人,声称2010年上海育龄妇女的生育率是2.41%,考虑流
产啥的算4%,某骗子只要假装把脉,把所有的结果都说成negative,就有奇高的有效率。
我很怀疑,医学上测试一个产品有效,是按照这种方法随机抽选普通人作为测试者的吗
?那么根本不用选育龄妇女了,直接随意抽选男女老幼,这样骗子的有效率岂不是更高
得惊人?
原文在此:
http://www.mitbbs.com/article/USANews/31539713_0.html
avatar
G*e
3
不戴墨镜的人飘过。。。。。
avatar
g*a
4
从所有目标人群中。要检测验孕方法的话,当然是要从所有的育龄妇女中随机选取。不
过100名选取的妇女中必须要一部分已经怀孕的(3个月以内,外表看不出)。简单一点
的话,用fisher's exact test就行了吧。精确一点,用logistic regression?
用bayesian来计算有点奇怪。而且2.41%的生育率定义不明确。从一个长的时间来看,
应该99%以上的育龄妇女都会有生育的。
avatar
g*n
5
阳光太刺眼,老了容易得白内障。还是出门带比较好

【在 G**********e 的大作中提到】
: 不戴墨镜的人飘过。。。。。
avatar
p*j
6
就算是应该随机抽选,那也应该排除掉怀孕占总人口比例很小这个因素。直接拿总数做
分母来计算测孕准确率,太可笑了吧?如果是总人口中只有万分之一的病,全部都是
negative的伪测试,准确率是99.99%,这样高端的统计,对于我这个电影学院体育特招
文科生,实在不理解。

【在 g**a 的大作中提到】
: 从所有目标人群中。要检测验孕方法的话,当然是要从所有的育龄妇女中随机选取。不
: 过100名选取的妇女中必须要一部分已经怀孕的(3个月以内,外表看不出)。简单一点
: 的话,用fisher's exact test就行了吧。精确一点,用logistic regression?
: 用bayesian来计算有点奇怪。而且2.41%的生育率定义不明确。从一个长的时间来看,
: 应该99%以上的育龄妇女都会有生育的。

avatar
S*a
7
留吧。价格蛮好!
avatar
l*e
8
同不懂
坐等高手解惑

【在 p**j 的大作中提到】
: 就算是应该随机抽选,那也应该排除掉怀孕占总人口比例很小这个因素。直接拿总数做
: 分母来计算测孕准确率,太可笑了吧?如果是总人口中只有万分之一的病,全部都是
: negative的伪测试,准确率是99.99%,这样高端的统计,对于我这个电影学院体育特招
: 文科生,实在不理解。

avatar
I*a
9
这取决于你这个classification 问题对两类错误所能“忍受”的程度,也就是 loss f
unction. 如果你说1:1, false positive and false negative 对我来说都一样,那
么就完全可以像你说的那样来测试。
但是如果说想看看这人到底会不会诊断,你得和别的诊断方法来比较,单纯数字是没有
意义的。比如,他能正确率95%,你作为control 的方法,都猜negative 正确率也是9
5%,那么他的方法就是没用的。
统计上,这种情况 (when case percentage is quite low, such as some kind of ra
re diseases) 下,可以用所谓的matching 的方法来做test,就像二楼说的那样。

。不
一点
看,

【在 p**j 的大作中提到】
: 就算是应该随机抽选,那也应该排除掉怀孕占总人口比例很小这个因素。直接拿总数做
: 分母来计算测孕准确率,太可笑了吧?如果是总人口中只有万分之一的病,全部都是
: negative的伪测试,准确率是99.99%,这样高端的统计,对于我这个电影学院体育特招
: 文科生,实在不理解。

avatar
p*j
10
在医药检验方面,全部都猜negative结果准确率是95%,这是完全错误的计算方式造成
的。没有任何国家的药监局会接受这种测试准确率的计算方法。根本不是有用没用的
问题,这准确率是95%,这个数字根本就是错的,否则任何造假检验器械的都可以做广
告说自己检测准确率为95%,因为人群中只有5%的人有这种病。

f
是9
ra

【在 I*****a 的大作中提到】
: 这取决于你这个classification 问题对两类错误所能“忍受”的程度,也就是 loss f
: unction. 如果你说1:1, false positive and false negative 对我来说都一样,那
: 么就完全可以像你说的那样来测试。
: 但是如果说想看看这人到底会不会诊断,你得和别的诊断方法来比较,单纯数字是没有
: 意义的。比如,他能正确率95%,你作为control 的方法,都猜negative 正确率也是9
: 5%,那么他的方法就是没用的。
: 统计上,这种情况 (when case percentage is quite low, such as some kind of ra
: re diseases) 下,可以用所谓的matching 的方法来做test,就像二楼说的那样。
:
: 。不

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。