Bez kevorda

Kolichestvo zaregistrirovannyh uchchachixya: 7,9 ming.

Jamoat salomatligi uchun R -dagi Logistik regressiyaga xush kelibsiz! Nima uchun logistik regressiya emas, balki sog'liqni saqlash uchun logistik regressiya? Xo'sh, har bir ma'lumot to'plamiga alohida e'tibor berilishi kerak va sog'liqni saqlash ma'lumotlari alohida e'tiborga muhtoj bo'lgan o'ziga xos xususiyatlarga ega. Bir so'z bilan aytganda, ular tartibsiz. Seriyadagi boshqalar singari, bu ham amaliy mashg'ulot bo'lib, u sizga haqiqiy hayotdagi chalkash ma'lumotlar bo'yicha ko'p tajriba beradi, bu kursning namunasi sifatida bemorlarning bir qator xususiyatlaridan qandli diabetga chalinganlarni bashorat qiladi. Qolaversa, regressiya modelidan olingan natijalarning talqini siz qabul qilayotgan nuqtai nazarga qarab farq qilishi mumkin va jamoat salomatligi nafaqat individual bemorning nuqtai nazarini, balki aholi sonini ham hisobga olishi kerak. Bu degani,Ushbu kursda yoritilganlarning ko'p qismi har qanday ma'lumotlar to'plamiga qo'llanilganda logistik regressiya uchun to'g'ri keladi, shuning uchun siz ushbu kursning tamoyillarini logistika regressiyasida ham kengroq qo'llashingiz mumkin bo'ladi. Kurs oxirida siz quyidagilarni bajara olasiz: Logistika regressiyasini qo'llash mumkin bo'lgan vaqtni tushuntirib bering. Oddiy va koeffitsient nisbatlarini aniqlang Rda oddiy va ko'p logistik regressiya tahlilini o'tkazing va chiqishni sharhlang. Bir nechta regressiya modelini tanlashning ba'zi umumiy usullarini ta'riflang va solishtiring Bu kurs gipotezani tekshirish, p qiymatlari va "Sog'liqni saqlash statistikasi" mutaxassisligining birinchi ikkita kursida R dan foydalanish kabi ko'nikmalarga asoslangan. Agar siz bu ko'nikmalarni bilmasangiz,Biz sizga ushbu kursni boshlashdan oldin "Jamoat salomatligi uchun statistik fikrlash" va "Jamoat salomatligi uchun chiziqli regressiya" ni o'rganishni taklif qilamiz. Agar siz bu ko'nikmalarni yaxshi bilsangiz, ishonchimiz komilki, siz "Jamoat salomatligi statistikasi: sog'liqni saqlash uchun logistik regress" bo'yicha o'z bilim va ko'nikmalaringizni oshirasiz. Umid qilamizki, sizga kurs yoqadi!

Poluchaemye navyki

Logistik regressiya, R dasturlash

Retsenziy

Bu sizning bilimingizni sinab ko'rish uchun yaratilgan testlar bo'yicha chiziqli regressiya bilan solishtirganda yaxshiroqdir

Ajoyib kurs! Hayot fanining barcha talabalari va hozirda ma'lumotlar fani va klinik tadqiqotlar va ilmiy tadqiqotlar sohasida ishlayotganlar ushbu kursni o'tashlari kerak

Logistik regressiyaga kirish

Jamoat salomatligi statistikasi: sog'liqni saqlash uchun logistik regressiyaga xush kelibsiz! Bu haftada siz logistika regressiyasi va uning sog'liqni saqlashda qo'llanilishi bilan tanishasiz. Biz nima uchun chiziqli regressiya ikkilik natijalar bilan, koeffitsiyentlar va koeffitsientlar nisbatida ishlamasligiga to'xtalamiz va siz yangi ko'nikmalaringizni mashq qilib, haftani yakunlaysiz. Bu haftaning oxiriga kelib, siz logistika regressiyasi qachon qo'llanilishi mumkinligini tushuntira olasiz, koeffitsientlar va koeffitsientlar nisbatlarini aniqlay olasiz. Omad!

Tayyorgarlik

Aleks Shisha

Tibbiy statistika professori

Tekst video

Logistik regressiya ehtimollik emas, balki ehtimollik haqida. Lekin nega? Nima farqi bor? Ko'p oddiy odamlar ularni aralashtirib yuborishadi, lekin statistik mutafakkir sifatida siz va men bunga qodir emasmiz. Odds har bir muvaffaqiyatsizlik uchun kutilgan muvaffaqiyatlar sonini tavsiflaydi. Qimor o'yinlarida koeffitsientlardan foydalaniladi, chunki bukmeykerning qimor o'yinchisiga qaraganda qancha to'lashini tushuntirish qulay. Misol uchun, agar otda ettidan bittagacha, ba'zida ettidan bittasiga yoki ettidan farq bo'lsa, demak, uning g'alaba qozonish uchun bir imkoniyati bor, lekin yettitasi mag'lub. Uzoq vaqt davomida, har bir musobaqada u g'alaba qozonadi, u etti poygada yuguradi va mag'lub bo'ladi. Shuning uchun yutqazishdan ko'ra yutqazish ehtimoli ko'proq. Ammo, agar u g'alaba qozonsa, bukmeyker sizga tikkaningizdan etti barobar ko'proq beradi. Otning g'alaba qozonish ehtimoli qanday? Xo'sh,etti yutqazish va bitta g'alaba qozonish imkoniyati bo'lsa, bizning 7 plyus 1 jami 8 imkoniyatga teng. Demak, uning g'alaba qozonish ehtimoli sakkizdan bir yoki 12,5 foizni tashkil etadi, mag'lubiyat ehtimoli esa sakkizdan etti yoki 87,5 foizni tashkil qiladi. Ammo agar ot g'alaba qozonish uchun hatto pul deb atalsa-chi? Demak, bu g'alaba qozonish kabi mag'lubiyatga uchrashini ham anglatadi, bu odatda 50-50. Demak, g'alaba qozonish uchun 50 ta imkoniyat va mag'lubiyat ehtimoli 50 ta. G'alaba qozonish ehtimoli shuning uchun 50 ni 50 ga 50 ga bo'lish, bu 50 foizni tashkil etadi, xuddi tanga otish. Logistik regressiya ehtimollikni emas, balki imkoniyatlarni modellashtirishni o'z ichiga oladi. Aslida, biz ko'rib turganimizdek, u tabiiy logarifmni modellashtiradi. Kundalik koeffitsientlar ehtimollik yoki ehtimollikdan farqli o'laroq salbiy qiymatlarni qabul qilishi mumkin,va ehtimollikdan farqli o'laroq, u birdan yuqori qiymatlarni olishi mumkin. Bu ikkalasi ham matematikaning ishlashini ta'minlash uchun zarurdir, lekin, odatda, biz faqat diabet kasalligi kabi, sodir bo'layotgan voqealarning ehtimolini bilishni xohlamaymiz, biz ham jurnallar farqi qanday o'zgarishini bilishni xohlaymiz. bemorning yoshiga bog'liq omillar. Shunday qilib, keksa odamlar diabetga chalinish ehtimoli yoshlarga qaraganda ko'proq yoki kamroq. Logistika regressiyasida, bu keksa odamlarda qandli diabetga chalinish ehtimolini yosh odamlarda diabetga chalinish ehtimolini solishtirish orqali baholanadi. Birinchisini ikkinchisiga bo'linib, log -koeffitsient nisbati beriladi. Yaxshiyamki, biz talqinning antilogarifmini, log odds nisbatini, eksponentlashtirish deb ataladigan protsedurani qabul qilishimiz mumkin, bu esa talqin qilish ancha oson. Bu faqat bitta koeffitsient boshqasiga bo'linadi. Misol uchun,Agar biz keksa odamlarning imkoniyatlarini yoshlarga taqsimlasak va natijada koeffitsientlar nisbati birdan katta bo'lsa, demak, keksa odamlarda diabetga chalinish ehtimoli yoshlarga qaraganda ko'proq. Bu to'g'ri. Biz ko'rdikki, ehtimollik va koeffitsientlar bir xil emas va logistika regressiyasi matematikasi toq shkalada ishlaydi. Yaxshiyamki, chiqishni eksponentatsiya qilishning oson hiylasi, logistik regressiya formulasi bizga talqin qilinishi mumkin bo'lgan koeffitsientlarni beradi. Bu kurs sizga buni amalga oshirish uchun juda ko'p amaliyot beradi.va logistika regressiyasi matematikasi log toq shkalasida ishlaydi. Yaxshiyamki, chiqishni eksponentatsiya qilishning oson hiylasi, logistik regressiya formulasi bizga talqin qilinishi mumkin bo'lgan koeffitsientlarni beradi. Bu kurs sizga buni amalga oshirish uchun juda ko'p amaliyot beradi.va logistika regressiyasi matematikasi log toq shkalasida ishlaydi. Yaxshiyamki, chiqishni eksponentatsiya qilishning oson hiylasi, logistik regressiya formulasi bizga talqin qilinishi mumkin bo'lgan koeffitsientlarni beradi. Bu kurs sizga buni amalga oshirish uchun juda ko'p amaliyot beradi.