ROC curve-wat je altijd al wilde weten maar niet durfde te vragen...

Dit bericht is, zoals zovele, geïnspireerd door de vraag van de student. Het blijkt dat velen van ons ROC-curves gebruiken in de analyse zonder echt te weten waarvoor die curves dienen en hoe ze tot stand komen. De classificatiemodellen zijn een zeer populair hulpmiddel geworden en maken deel uit van veel geïmplementeerde, algemeen beschikbare black-box Lees er meer over ROC curve-wat je altijd al wilde weten maar niet durfde te vragen...[…]

Paarsgewijze vergelijkingen

Post-hoc paarsgewijze vergelijkingen maken heel vaak deel uit van de dagelijkse routine van de datawetenschapper. Wanneer we ANOVA of niet-parametrische testen doen met meer dan twee groepen is dat onvermijdelijk. Op een bepaald moment wil je misschien een mooie visualisatie hebben van wat significant is en wat niet. Eventueel met p-waarden op de plot geschreven. Dan Lees er meer over Paarsgewijze vergelijkingen[…]

Sankey percelen

Sankey plots worden vaak gebruikt om stromen te illustreren, bijvoorbeeld behandelingsveranderingen in de geneeskunde. De bovenstaande plot illustreert de veranderingen in behandeling bij astmapatiënten. Sommige kleine stromen zijn weggelaten. Dankzij het network3D pakket is het leuk geworden om sankey plots te maken! Door java scripts te implementeren kunnen ze interactief zijn. Er zijn echter enkele valkuilen bij het gebruik hiervan Lees er meer over Sankey percelen[…]

Forestplot R pakket - wat je er niet mee kan doen.

Wanneer u een meta-analyse uitvoert, visualiseert u uw resultaten meestal met een zogenaamde forest plot. De plot is automatisch beschikbaar in de packages voor meta-analyse (zoals meta), maar er zijn momenten dat je het "from the scratch" zou willen plotten en het volledig zou willen aanpassen. Na wat geworstel met ggplot2 ontdek je het forestplot pakket Lees er meer over Forestplot R pakket - wat je er niet mee kan doen.[…]

Interacties en waarom begrijpen we ze allemaal verkeerd?

Waar komt de interpretatie van de interactie vandaan? Laten we aannemen dat we patiënten in onze steekproef hebben en een lineair model (eenvoudig of gemengd). Voor het lineaire model hebben we een vergelijking van de vorm: Y = A0 + A1 * X1 + A2 * X2 + A3 * X1 * X2, waarbij A0 het snijpunt is en A1 en A2 de hoofdeffecten van respectievelijk X1 en X2. Lees er meer over Interacties en waarom begrijpen we ze allemaal verkeerd?[…]

Weinig gedachten over het berekenen van de steekproefomvang voor een enkel deel

Laten we zeggen dat we een steekproefomvang moeten berekenen voor een schatting van een enkele proportie (testen). Als we nu wiskunde en enige variabiliteit in de gebruikte formules weglaten, kunnen we het op twee manieren doen: Ten eerste: de kracht van een enkele test gebruiken en dan hoeven we alleen maar de test te verwerpen of niet de hypothese van een Lees er meer over Weinig gedachten over het berekenen van de steekproefomvang voor een enkel deel[…]

nl_NLDutch
Gratis WordPress-thema's