sorel Posted August 3, 2016 Share Posted August 3, 2016 Dez regras simples para usar as estatísticas de forma eficaz 20 de junho de 2016 Sob crescente pressão para reportar os resultados precisos como eles interpretam quantidades cada vez maiores de dados, os pesquisadores estão descobrindo que é mais importante do que nunca para seguir as práticas estatísticas sólidas. Por essa razão, uma equipe de estatísticos incluindo o Carnegie Mellon University Robert E. Kass escreveu "Dez regras simples para a prática estatística eficaz." Publicado na PLoS Computational Biology para a série da revista popular "Dez Regras Simples", as diretrizes são projetados para ajudar a pesquisa comunidade, particularmente os cientistas que não são peritos em estatística ou sem um estatístico dedicado como parte de sua equipe de entender como evitar o armadilhas do raciocínio estatístico bem-intencionado, mas impreciso. "A tarefa central e comum para nós como investigadores de pesquisa é decifrar os dados que são capazes de dizer sobre os problemas que estamos tentando resolver", escreveu Kass, professor de estatística e aprendizado de máquina e co-diretor interino do Centro para a Neural base de Cognição, e seus co-autores. "A estatística é uma língua construída para auxiliar este processo, com probabilidade de sua gramática." Eles continuaram, "Enquanto conversas rudimentares são possíveis sem um bom domínio da língua (e são realizados rotineiramente), análise estatística baseada em princípios é fundamental para a braços com muitos fenômenos sutis para garantir que nada sério será perdido na tradução e aumentar a probabilidade de que o seu resultados da investigação vai resistir ao teste do tempo. " As regras, que foram disponibilizados on-line 09 de junho, receberam uma quantidade extraordinária de atenção até agora, com mais de 37.000 páginas vistas, já tornando-se um dos 20 melhores papéis mais vistos na série, que inclui cerca de 60 trabalhos no total .. sua popularidade não surpreende Michael J. Tarr, chefe do Departamento de Psicologia da CMU. "As ciências e, em particular nos campos da psicologia e da neurociência, têm estado sob crescente escrutínio nos últimos anos por práticas estatísticas, por vezes, pobres", disse Tarr. "Orientações simples e compreensível quanto articuladas por Kass e seus colegas ajudará tremendamente em lembrar alunos e professores quanto à importância da pesquisa estatisticamente bem fundamentada. Seu papel é um instante" leitura obrigatória "para quem se preocupa com a ciência boa e reprodutível . " Um resumo das regras 10: # 1 - Métodos Estatísticos deverá permitir dados para responder a questões científicas Colaborando com os estatísticos muitas vezes é mais útil no início de uma investigação, pois os usuários inexperientes de estatísticas muitas vezes se concentrar em qual técnica usar para analisar os dados, em vez de considerar todas as maneiras os dados podem responder à pergunta científica subjacente. # 2 - Os sinais vêm sempre com Noise Variabilidade vem em muitas formas, mas é crucial para entender quando é bom e quando é o ruído, a fim de expressar a incerteza. Ele também ajuda a identificar prováveis fontes de erro sistemático. # 3 - Plan Ahead, realmente Ahead Fazer perguntas em fase de projecto pode salvar dores de cabeça na etapa de análise. coleta de dados cuidadosa também pode simplificar muito a análise e torná-la mais rigorosa. # 4 - Preocupação Sobre Qualidade de Dados Quando se trata de análise de dados, "no lixo produz lixo para fora." A complexidade da recolha de dados moderna requer muitas suposições sobre a função da tecnologia, muitas vezes incluindo a tecnologia de pré-processamento de dados, o que pode ter efeitos profundos que podem facilmente passar despercebidas. # 5 - Análise estatística é mais que um conjunto de computações software estatístico fornece ferramentas para auxiliar na análise, e não defini-los. O contexto científico é fundamental, e a chave para a análise estatística baseada em princípios é trazer métodos analíticos em estreita correspondência com questões científicas. # 6 - Keep it Simple Simplicidade supera complexidade. Um grande número de medições, as interações entre as variáveis explicativas, os mecanismos não-lineares de ação, dados em falta, confusão, vieses de amostragem e outros fatores podem exigir um aumento na complexidade do modelo. Mas, tenha em mente que um bom design, bem implementada, pode muitas vezes permitem que métodos simples de análise para produzir resultados fortes. # 7 - Fornecer avaliações de variabilidade A finalidade básica de análise estatística é para ajudar a avaliar a incerteza, muitas vezes sob a forma de um intervalo de erro ou de confiança padrão, e um dos grandes sucessos de modelagem estatística e inferência é que ele pode fornecer estimativas de erros padrão a partir dos mesmos dados que produzem as estimativas da quantidade de interesse. Ao relatar os resultados, é essencial para fornecer alguma noção de incerteza estatística. # 8 - Verifique suas suposições software estatístico amplamente disponível torna mais fácil para realizar análises sem muita atenção para suposições inerentes, e este corre o risco de imprecisa, ou mesmo enganosa, resultados. Por isso, é importante compreender os pressupostos contidos nos métodos e fazer o possível para compreender e avaliar essas suposições. # 9 - Sempre que possível, replicar! Idealmente, a replicação é executada por um investigador independente. Os resultados científicos que resistir ao teste do tempo são aqueles que se confirmou através de uma variedade de diferentes, mas intimamente relacionados, situações. Em muitos contextos, a replicação completa é muito difícil ou impossível, como em experiências em larga escala, tais como ensaios clínicos multicêntricos. Nesses casos, um padrão mínimo seria seguir Regra 10. # 10 - Faça a sua Análise reproduzível Dado o mesmo conjunto de dados, em conjunto com uma descrição completa da análise, deve ser possível reproduzir as tabelas, figuras e inferências estatísticas. Melhorar drasticamente a capacidade de reproduzir os achados por ser muito sistemática sobre os passos na análise, compartilhando a dados e código usado para produzir os resultados e seguindo aceitos estatísticas melhores práticas. Além de Kass, os co-autores são da Johns Hopkins University Brian S. Caffo, de North Caroline State University Marie Davidian, da Universidade de Harvard Xiao-Li Meng, e Nancy Reid, da Universidade da Califórnia em Berkeley e da Universidade de Toronto. "Eu sou um grande crente no valor de identificar as principais idéias em estatística, e afirmando-los de forma clara e concisa", disse Kass. "A série de 10 regras simples é óptimo, tendo provou o seu valor como um formato para conceitos científicos de alto nível. Este artigo foi trabalho muito difícil, mas tivemos uma grande equipe e eu estava extremamente feliz com o resultado." Explorar mais: Estatísticas da educação, as práticas de análise de dados com base em provas necessárias para lutar contra a crise reprodutibilidade na ciência Mais informações: Robert E. Kass et al. Dez regras simples para a prática efectiva de Estatística, PLOS Computational Biology (2016). DOI: 10.1371 / journal.pcbi.1004961 Referência do Jornal: Biologia Computacional PLoS Oferecido pela Carnegie Mellon University 2 Quote Link to comment Share on other sites More sharing options...
Guest Zangado Posted August 3, 2016 Share Posted August 3, 2016 o pessoal aqui vai se tornar , tecnico financeiro, fisico, matemático, analista da bolsa , técnico de analise laboratorial antes de ganhar algo na loteria uma grande parte já ficou fera em excel, já virou programador, fora alguns numerólogos de plantão Quote Link to comment Share on other sites More sharing options...
sorel Posted August 3, 2016 Author Share Posted August 3, 2016 edcronos2 gostase do assunto( a bordagem) isto transportando para loteria para padroes,temos nos aprofundar pois o tempo vai passar e vai vir a cobrança porque nao estudei mais a internet oferece, use!! 1 Quote Link to comment Share on other sites More sharing options...
nenao Posted August 4, 2016 Share Posted August 4, 2016 11 horas atrás, edcronos2 disse: o pessoal aqui vai se tornar , tecnico financeiro, fisico, matemático, analista da bolsa , técnico de analise laboratorial antes de ganhar algo na loteria uma grande parte já ficou fera em excel, já virou programador, fora alguns numerólogos de plantão pura verdde...kkkkk quando comecei as matrizes eram elaboradas no caderno, hoje uso o excel ,bem logo serei programador kkkkk e ainda nao acredito que continuo apostando kkkk Quote Link to comment Share on other sites More sharing options...
Recommended Posts
Join the conversation
You can post now and register later. If you have an account, sign in now to post with your account.
Note: Your post will require moderator approval before it will be visible.