主に医学・疫学・社会科学系の論文を読むときに、こんなことに注目しながら査読やknowledge gap探し(先行研究の弱点を見つけること)をしていますというリストです。 もちろんリストに載っていないポイントに関するコメントも個別ですることはあります。 自分で論文を書くときにも、この辺りができるだけクリアになるように表現しようと意識しています。 職場でのTeaching用にざっと作ったものなので英語です。 そのうち更新すると思います。 ご参考までに。
主に医学・疫学・社会科学系の論文を読むときに、こんなことに注目しながら査読やknowledge gap探し(先行研究の弱点を見つけること)をしていますというリストです。 もちろんリストに載っていないポイントに関するコメントも個別ですることはあります。 自分で論文を書くときにも、この辺りができるだけクリアになるように表現しようと意識しています。 職場でのTeaching用にざっと作ったものなので英語です。 そのうち更新すると思います。 ご参考までに。
今回は統計学で有名な「シンプソンのパラドックス」という問題について紹介したいと思います。簡単にいえば、同じデータでも分析の仕方によって全く矛盾したように見える結果が得られるというお話です。データだけ見ると、信じがたいような直感に反する現象がおきるので頭の体操としてとても面白いです。 あまりに有名なパラドックスであるため日本語でも解説がいくつか出ていますが、人によって言っていることが違っていたり、不完全であったりします。多くはシンプソンによるオリジナルの論文を読んでないことから起因するのだと思います。 例えばシンプソンのパラドックスを交絡の問題だと捉える人は多いですが、個人的に不完全だと思います(間違いではない)。このように誤解が広まった歴史的背景も含めて、詳しく書いていきたいと思います。ちなみにアニメのシンプソンズはこの問題と全く無関係です。 そもそもシンプソンのパラドックスとは? シンプ
機械学習など主に予測を目的とした統計手法に強いイメージのPythonでしたが、統計的因果推論を行うためのライブラリ、“DoWhy”がついにリリースされました。 DoWhy | Making causal inference easy — DoWhy | Making Causal Inference Easy documentation これまで因果推論があまり浸透してこなかった*1データサイエンス界に新しい風が吹くのではと期待が高まります。 一方でこのパッケージが何を可能にし、逆に何ができないのかを理解しなければ、雑なデータ分析が増えて逆に有害なのではと思い、今回ブログを書くことにしました。 先に言っておくと、私自身はPythonをメインに使っているわけではありません(使ったことはあるので一応コードを読んで何が起こっているかくらいはわかります)。したがって本記事の目的は、DoWhyライブ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く