คำถามติดแท็ก confidence-interval

ชุดข้อมูลของฉันประกอบด้วยการเสียชีวิตโดยรวมหรือการอยู่รอดของสิ่งมีชีวิตที่ไซต์สามประเภททั้งฝั่งกลางและกลาง ตัวเลขในตารางด้านล่างแสดงถึงจำนวนเว็บไซต์ 100% Mortality 100% Survival Inshore 30 31 Midchannel 10 20 Offshore 1 10 ฉันต้องการทราบว่า # ของเว็บไซต์ที่มีอัตราการตาย 100% มีความสำคัญตามประเภทของไซต์หรือไม่ ถ้าฉันใช้ไคสแควร์ 2 x 3 ฉันจะได้ผลลัพธ์ที่สำคัญ มีการเปรียบเทียบแบบคู่หลังที่ฉันสามารถเรียกใช้หรือฉันควรใช้ ANOVA จิสติกส์หรือการถดถอยด้วยการแจกแจงแบบทวินามหรือไม่ ขอบคุณ!

9 logistic  multiple-comparisons  chi-squared  r  text-mining  clustering  classification  feature-selection  unsupervised-learning  time-series  references  mode  hypothesis-testing  confidence-interval  bootstrap  normal-distribution  order-statistics  correlation  statistical-significance  spss  bayesian  beta-binomial 

ฉันมีสองชุดข้อมูลจากการศึกษาความสัมพันธ์ของจีโนมกว้าง ข้อมูลเท่านั้นที่มีคืออัตราส่วนคี่และช่วงความมั่นใจ (95%) สำหรับแต่ละ SNP ฉันต้องการสร้างพล็อตป่าเปรียบเทียบสองอัตราต่อรอง แต่ฉันไม่สามารถหาวิธีในการคำนวณช่วงความเชื่อมั่นที่รวมกันเพื่อให้เห็นภาพผลสรุป ฉันใช้โปรแกรมPLINKเพื่อทำการวิเคราะห์เมตาโดยใช้เอฟเฟกต์คงที่ แต่โปรแกรมไม่ได้แสดงช่วงความมั่นใจเหล่านี้ ฉันจะคำนวณช่วงความมั่นใจได้อย่างไร ข้อมูลที่มีคือ: อัตราส่วนที่แปลกสำหรับการศึกษาแต่ละครั้ง ช่วงความมั่นใจ 95% และ ข้อผิดพลาดมาตรฐาน

9 confidence-interval  meta-analysis  genetics  odds-ratio 

จะคำนวณการครอบคลุมช่วงเวลาแบบไม่ต่อเนื่องได้อย่างไร? สิ่งที่ฉันรู้วิธีการทำ: ถ้าฉันมีแบบจำลองต่อเนื่องฉันสามารถกำหนดช่วงความมั่นใจ 95% สำหรับค่าที่คาดการณ์ของฉันแต่ละค่าจากนั้นดูความถี่ที่ค่าจริงอยู่ในช่วงความมั่นใจ ฉันอาจพบว่ามีเพียง 88% ของช่วงเวลาที่ช่วงความมั่นใจ 95% ของฉันครอบคลุมค่าจริง สิ่งที่ฉันไม่รู้จะทำอย่างไร: ฉันจะทำสิ่งนี้อย่างไรกับแบบจำลองที่ไม่ต่อเนื่องเช่นปัวซองหรือแกมม่าปัวซอง? สิ่งที่ฉันมีสำหรับรุ่นนี้มีดังต่อไปนี้ทำการสังเกตเพียงครั้งเดียว (จากกว่า 100,000 แผนฉันจะสร้าง :) การสังเกต #: (โดยพลการ) ค่าที่คาดการณ์: 1.5 ความน่าจะเป็นที่คาดการณ์ไว้คือ 0: .223 ความน่าจะเป็นที่คาดการณ์ไว้ 1: .335 ความน่าจะเป็นที่คาดการณ์ไว้ที่ 2: .251 ความน่าจะเป็นที่คาดการณ์ไว้ 3: .126 ความน่าจะเป็นที่คาดการณ์ไว้ที่ 4: .048 ความน่าจะเป็นที่คาดการณ์ไว้ที่ 5: .014 [และ 5 หรือมากกว่านั้นคือ. 019] ... ( ฯลฯ ) ความน่าจะเป็นที่คาดการณ์ไว้ที่ 100 …

9 confidence-interval  discrete-data 

การทดสอบการเปลี่ยนรูปเป็นการทดสอบที่สำคัญโดยพิจารณาจากการสุ่มตัวอย่างซ้ำซากจากข้อมูลต้นฉบับ Resamples resamples จะถูกวาดโดยไม่มีการแทนที่ตรงกันข้ามกับ bootstrap ตัวอย่างซึ่งถูกวาดด้วยการแทนที่ นี่คือตัวอย่างที่ฉันทำในการทดสอบการเปลี่ยนรูปแบบง่าย ๆ (ความคิดเห็นของคุณยินดีต้อนรับ) การทดสอบการเปลี่ยนรูปมีข้อดีอย่างมาก พวกเขาไม่ต้องการรูปร่างประชากรที่เฉพาะเจาะจงเช่นภาวะปกติ มันใช้กับสถิติที่หลากหลายไม่ใช่แค่สถิติที่มีการแจกแจงอย่างง่ายภายใต้สมมติฐานว่าง พวกเขาสามารถให้ค่า p ที่แม่นยำมากโดยไม่คำนึงถึงรูปร่างและขนาดของประชากร (หากมีการใช้การเปลี่ยนลำดับมากพอ) ฉันได้อ่านด้วยว่ามันมักจะมีประโยชน์ที่จะให้ช่วงความมั่นใจพร้อมกับการทดสอบซึ่งสร้างขึ้นโดยใช้การเปลี่ยนรูป bootstrap แทนการเปลี่ยนรูปแบบการเปลี่ยนรูปแบบใหม่ คุณสามารถอธิบาย (หรือเพียงแค่ให้รหัส R) ว่าจะสร้างช่วงความมั่นใจอย่างไร (เช่นสำหรับความแตกต่างระหว่างค่าเฉลี่ยของตัวอย่างสองตัวอย่างในตัวอย่างด้านบน) แก้ไข หลังจาก googling ฉันพบการอ่านที่น่าสนใจนี้

9 confidence-interval  bootstrap  permutation-test 

ฉันมีเครื่องตรวจจับที่จะตรวจสอบเหตุการณ์ที่มีบางส่วนน่าจะเป็นพี หากเครื่องตรวจจับบอกว่ามีเหตุการณ์เกิดขึ้นแสดงว่าเป็นกรณีเสมอดังนั้นจึงไม่มีผลบวกปลอม หลังจากที่ฉันเรียกใช้บางครั้งฉันก็พบเหตุการณ์k ฉันต้องการคำนวณจำนวนเหตุการณ์ทั้งหมดที่เกิดขึ้นตรวจพบหรืออื่น ๆ ด้วยความมั่นใจ 95% ตัวอย่างเช่นสมมติว่าฉันพบเหตุการณ์ 13 เหตุการณ์ ฉันต้องการที่จะสามารถคำนวณว่ามีระหว่างวันที่ 13 และ 19 เหตุการณ์ที่มีความเชื่อมั่น 95% ขึ้นอยู่กับพี นี่คือสิ่งที่ฉันได้ลองมา: ความน่าจะเป็นในการตรวจจับเหตุการณ์kหากมีทั้งหมดnคือ: binomial(n, k) * p^k * (1 - p)^(n - k) ผลรวมของส่วนที่มากกว่าnจากkถึงอนันต์คือ: 1/p ซึ่งหมายความว่าความน่าจะเป็นของการมีเหตุการณ์ทั้งหมดnเหตุการณ์คือ: f(n) = binomial(n, k) * p^(k + 1) * (1 - p)^(n - k) ดังนั้นถ้าผมต้องการที่จะเป็น 95% แน่ใจว่าฉันควรจะหาผลรวมบางส่วนแรกf(k) + …

9 probability  confidence-interval