Biostatistics on the Table

Интересно, видимо, устроен алгоритм оценивания параметров в Firth's penalized maximum likelihood (с profile penalized log likelihood выводом).
В коде тестовая статистика, соответствующая p-значению, вычисляется из p-значения, а не наоборот. Наверное, какие-то занятные вычислительные аспекты есть.

Стив Брантон запустил новую серию «Оптимизация», думаю, что будет интересно и полезно

Why Adjusted Regression Coefficients Are Less Descriptive Than They Look

Kristoffer Magnusson (исследователь в области клинической психологии) ведет любопытный блог, который называется R Psychologist. У него можно посмотреть множество интересных статистических визуализаций, в частности, как-то у нас упоминалась визуализация по доверительным интервалам.

У автора вышла еще одна интерактивная визуализация: Why Adjusted Regression Coefficients Are Less Descriptive Than They Look. Здесь автор утверждает, что сначала нужно определить цель исследования в линейной множественной регрессии (прогноз или причинно-следственный вывод, описание), а затем рассматривать корректировки как отдельный анализ. Главный вывод автора: исследовательский вопрос определяет метод, а не наоборот.

Как выбирать между тремя тестами: хочется возможностей ослабления допущений генеративного процесса идите в сторону теста Рао, хочется простых и приятных оценок эффекта, элегантной простоты и логичности действий (то есть постпроцессинга) - в сторону Вальда, хочется идеала и красоты - в сторону тестов отношения правдоподобий.

С другой стороны, ну сказал то, что сказал. Без теории максимального правдоподобия, в принципе все становится странным. Так что да, три теста. Вот такой флоучарт статистических тестов. У вас какие-то данные (а желательно еще без данных) -> оберните их в генеративный процесс и решите (сто раз подумайте) нужны ли тесты гипотез -> выберите одну из трех 😐

Сейчас понял, что я не то хотел сказать, а то, что если гипотеза выражена не в формулировках этих трех тестов, то я буду к ней крайне подозрительно относиться. Хотя никто, конечно, не формулирует (ну или формулирует, но не явно) свои гипотезы в форму теста Рао, но приспрсобиться можно )

Давно молчал. И вот, что я могу сказать, для меня (практически*) существуют только 3 теста гипотез: тест Вальда, тест Рао и самый главный тест - тест отношения правдоподобий. Все остальное - детали.
* - из этого правила есть некоторые исключения, связанные с точными тестами.

Открыт набор на онлайн-программу переподготовки «Биостатистика и анализ медицинских данных»!
bioinf.me/education/stat | Регистрация до 16 июля, 23:59 МСК

Эта программа подойдёт тем, кто планирует развиваться в биомедицинских исследованиях, уже владеет начальными навыками статистического анализа в R, но чувствует недостаток глубины понимания применяемых методов.

Мы поможем систематизировать знания, укрепить теоретическую базу, овладеть необходимыми техническими навыками и увидеть, какие профессиональные перспективы открывает современная биостатистика!

🌑 Стоимость:
• 97 000 рублей – для физических лиц
• 82 000 рублей – для выпускников программы переподготовки Института биоинформатики
• 107 000 рублей – для юридических лиц
🐚По итогам конкурсного отбора участники могут получить грант в виде скидки на обучение🐚

🌑 Процесс поступления:
• заполнить анкету до 16 июля, 23:59 МСК
• пройти тестирование 18 или 25 июля

Ждём ваших заявок! ❤️

✨ Мы в VK | Мы в почте | Мы в Telegram

#bioinf_online #bioinf_education
@bioinformatics_institute

Апдейт по книге Bayesian Workflow
1. Гелман анонсировал выход печатной версии, про электронную со свободным доступом пока информации нет
2. Вехтари опубликовал примеры из книги (используются cmdstanr, brms, marginaleffects, есть и биомедицинские примеры)

В мае начинается третий сезон открытого онлайн-лектория «Разрушители статистических мифов»!
Регистрация | 19 мая, 16 июня, 7 июля

В новом сезоне преподаватели трека по биостатистике Института биоинформатики продолжат разбирать привычные статистические практики, которые выглядят безобидно, но иногда ведут исследователя совсем не туда!

На этот раз поговорим о том, в какие дебри могут завести автоматические методы отбора признаков для регрессионных моделей, обсудим тонкости (не)правильного описания признаков в Таблице I, а также подробно разберём стандартное оправдание: «нам просто не хватило мощности».

19 мая, 19:00 МСК | Евгений Бакин

🦖 Миф №7: Автоматизированный выбор многофакторной модели: кто ищет, тот всегда найдёт

16 июня, 19:00 МСК | Алексей Глазков

🦖 Миф №8: Придай нормальности описательной статистике

7 июля, 19:00 МСК | Матвей Славенко

🦖 Миф №9: Расчёт мощности: лучше поздно, чем никогда

Будет (само)критично, местами болезненно, но, как всегда, с любовью к статистике и здравому смыслу ❤️

✨ Мы в VK | Мы в почте | Мы в Telegram

#bioinf_online #bioinf_education
@bioinformatics_institute

Ротман и Дали опубликовали свою пирамиду в виде препринта. Теперь можно ссылаться.
Dahly, D., & Rothman, K. (2025). The Rothman-Dahly Evidence Pyramid. Zenodo. https://doi.org/10.5281/zenodo.18084434

Как вам такая терминология?
Мне в ней что-то не нравится, но пока не могу точно сформулировать, что именно.