TGTGInsighttelegram intelligenceLIVE / telegram public index
← GZ学习频道

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @olddriverGDstudy · Post #49 · Mar 24

江湖舔狗传 江湖者,江湖也! 各兄弟五湖四海汇聚一堂,为的是个情字,讲的是个义字,说的是个道理。 江湖上无数前辈好汉,忍饥挨饿,夜以继日,通宵达旦,上下求索,陷过无数的坑,踏破无数双鞋换得了有限的几个极品资源,未曾敢占为己有,而是毫无保留,无私公布奉献。 这一切为什么?为的是天下草根、屌丝们,不受仙人跳之苦,不遭各种骗费之难,不枉花了辛苦搬砖的银两盘缠,这是多么高尚的精神,多么高贵的品质啊! 江湖就是江湖,林子大了什么鸟儿都有,舔狗们也像病毒般出没,为害人间。这些禽兽毫无尊严、毫无底线,从溜须拍马、到阿谀奉承,从冷屁股到甜盘子全方位无死角。 舔狗,做着劝婊子从良的梦,抱着救风尘女子出火坑的“崇高”的性幻想,岂不知自己已是婊子口中的笑话! 江湖有江湖的规矩,江湖有江湖的原则,江湖有江湖的风貌,江湖有江湖的脾气。 我知舔狗是死不光的,这一车死光了,下一车还在路上。 但舔狗永远不过是个道具而已,又何必自作多情。 舔狗,你听,电话声已响起,你的钟到了!闭上臭嘴,滚出去把门关上! 作者:41秒哥 标签:#语录

Hashtags

Results

1 similar post found

Search: #ebm_causal

当前筛选 #ebm_causal清除筛选
Ebm_base

@ebm_base · Post #131 · 08/20/2022, 05:18 PM

ДОГИ, ДАГИ, РЕБРА И ГРАФИК ⠀ При проведение клин исследований необходимо учитывать много переменных, помимо лечения и исходов. И при стат анализе необходимо учитывать и контролировать некоторые из них, чтобы минимизировать различные bias и смещение результатов 🤔 ⠀ ❗С этим может помочь прямой ациклический граф (DAG, directed acyclic graph) ❗ ⠀ Это визуальное отображение потенциальных взаимодействий 🙈 Так как в наших конкретных предположениях имеется упорядоченность во времени, то циклы не возникают (ацикличный) и есть определенное направление (прямой) 👨🏻‍🎓 ⠀ На рис.1 (в карусели) видно, что DAG состоит из узлов (факторы) и ребер (связи/стрелочки). По своей сути это лишь абстракция, которая помогает принимать решение🤓 ⠀ В него можно включать как известные факторы с изученным воздействием, так и неизвестным (в т.ч. по которым у нас нет данных) с предположениями о воздействии (жаль, что нам их не проверить 😭) Выявив визуально потенциальные источники ошибок, мы проводим стат анализ с коррекцией или без (зависит от типа bias/смещения) 🤖 ⠀ На важно знать, что есть 2 типа пути (рис.2): 🔸 прямой (все стрелки направлены от вмешательства к исходу) 🔸 непрямой (остальные) ⠀ В идеале у нас должен быть открыт основной прямой путь и закрыты все непрямые (на усмотрение исследователей и некоторые прямые), тогда получим оценку без смещений. Но вот тут и начинаются сложности... 😬 Чтобы закрыть путь когда-то надо проводить коррекцию, а когда-то не надо (большая, сложная и нудная тема, вы же тут не за этим 🙉) ⠀ С неизвестными/ненаблюдаемыми факторами мы ничего сделать не может, только думать и делать выводы👽 ⠀ И моя любимая рубрика «Ограничения» 🎉 (даже у рисуночков они есть): 📍 DAG лишь показывают определенный набор предположений, которые могут быть неверными. 📍 Они не отображают величину отклонений или взаимодействие со случайными ошибками. 📍 Они могут стать очень сложными (повторяющиеся измерения и прочее), что делает интерпретацию трудоемкой (но мб она отражает опасения о потенциальных bias’ах?). ⠀ Как думаете должно это внедрятся в практику и стать нормой при публикации результатов? #DAG#ebm_causal