タグ付けされた質問 「odds」

ロジスティック回帰とロジット回帰の違いは何ですか？私はそれらが類似している（または同じものさえ）ことを理解していますが、誰かがこれら2つの違いを説明できますか？オッズについてですか？

21 regression  logistic  terminology  logit  odds 

オッズを理解するのに苦労していますが、それらの解釈方法について基本的な説明をお願いします。 オッズに関連するさまざまな投稿を見つけましたが、それらのほとんどは私が理解しようとしているものよりも複雑です。オッズの解釈方法の例を次に示します。イベントが発生するオッズが3対1の場合、イベントは発生しない1回ごとに3回発生します。この解釈が正しいかどうかはわかりません。したがって、オッズの解釈に関するガイダンスやその他の例は大歓迎です。

13 probability  intuition  odds 

世界にドッジボール選手が80人いると想像してください。彼らはそれぞれ、他の79人のプレイヤーとランダムに何千ものドッジボールゲームをプレイしました。これはチームのない世界です（たとえば、すべてのプレイヤーは各ゲームでどちらかのチームでドラフトされる可能性があります）。各プレイヤーの以前の勝率を知っています（たとえば、1つはすべての以前のゲームの46％を獲得し、もう1つは彼の以前のゲームの56％を獲得しました）。試合が予定されていて、各チームで誰がプレーしているのかがわかります。以前の勝率も知っています。 チームの構成に基づいて各チームが勝つ確率を計算する最良の方法は何ですか？ 比較的高度な計算（ロジスティック回帰など）が必要な場合は、詳細をいくつか教えてください。私はSPSSにかなり精通していますが、フォローアップの質問をする必要はありません。 さらに、アーカイブデータを使用してメソッドの精度をどのように調べることができますか？ほとんどのプレイヤーは40〜60％程度ホバリングしているので、はっきりとは分からないでしょうが、それでもです。 具体的には、チームAが勝つ確率はどのくらいですか？ A-以前の勝率が52％、54％、56％、58％、60％の個人で構成B-以前の勝率が48％、55％、56％、58％、60％の個人で構成 （これは、説明のための単なるランダムな例です。2つの非常に良いチームです。） 編集：非常に単純なアルゴリズムから始めて、それがどのように機能するかを見る方法はありますか？各チームのパーセンテージを単純に合計し、パーセンテージが最も高いチームが勝つと予測することができます。もちろん、分類は正確ではありませんが、数千件以上のアーカイブされたゲームを偶然よりも予測できるかどうかを確認できました。

13 probability  games  paired-comparisons  odds 

だから、私たちは秘密のサンタを仕事にしていた。 私たちは8人です。私たちはそれぞれ順番に、名前の書かれたボウルから小さな紙を引き出しました。唯一のルール：名前を引く場合は、紙をボウルに戻し、もう一度試す必要があります。 人々をA、B、C、D、E、F、G、Hと呼びましょう。これは、紙を選んだ順序でもあります。 昨夜はギフト交換をしました。 AはFの秘密のサンタでした。 BはEの秘密のサンタでした。 CはDの秘密のサンタでした。 DはCの秘密のサンタでした。 EはBの秘密のサンタでした。 FはAの秘密のサンタでした。 GはHの秘密のサンタでした。 HはGの秘密のサンタでした。 何が起こったのかわかりますか？カップル作りました。 AとFはお互いの秘密のサンタでした。 BとEはお互いの秘密のサンタでした。 CとDはお互いの秘密のサンタでした。 GとHはお互いの秘密のサンタでした。 これが発生する可能性はどのくらいですか？

11 combinatorics  odds 

1つのロジスティック回帰の説明を理解するのが困難です。ロジスティック回帰は、温度と死んでいるか死んでいない魚との間のものです。 ロジスティック回帰の傾きは1.76です。次に、魚が死ぬ確率はexp（1.76）= 5.8倍になります。言い換えれば、魚が死ぬ確率は、摂氏1度の気温の変化ごとに5.8倍に増加します。 2012年には50％の魚が死亡するため、2012年の気温が摂氏1度上昇すると、魚の死亡率は82％に上昇します。 2012年の気温が摂氏2度上昇すると、魚の死滅率は97％に上昇します。 摂氏3度の増加-> 100％魚が死ぬ。 1、2、3の計算方法を教えてください。（82％、97％、100％）

9 logistic  odds-ratio  odds 

質問として、オッズ比(p1/q1)/(p2/q2)から相対リスクへの変換は(p1/(p1+q1))/(p2/(p2+q2))かなり簡単にできるので、これを行う前に注意する必要があることはあるのでしょうか。 ケースコントロール研究をしている場合、この種の研究からの相対的なリスクがわからないため、変換を行うべきではないことは明らかですが、他に考慮すべきことはありますか？ ありがとう。

9 epidemiology  relative-risk  odds 

ロジスティック回帰を実行するときに、確率ではなくオッズを使用するのはなぜですか？

8 regression  logistic  odds 

統計的相互作用に関するジャーナル記事を評価しています。 記事は、血圧の厳しくない制御と重度の高血圧への進行との関係を確立しようとしています。それは、既存の高血圧が予後因子であると疑っています（）。p=0.048&lt;0.05p=0.048&lt;0.05p=0.048<0.05 その防御はそれです -値はわずかに有意です。これは偶然かもしれません。既存の高血圧が本当に予後不良因子である場合、低血糖の率は、妊娠性高血圧のないものと比較して、緊密性の低い対照群と緊密な対照群でより高かったはずです。ppp この抗弁は本当に有効ですか？この議論は、「既存の高血圧」を重度の高血圧への進行の危険因子として反駁するように聞こえます。 以下はデータです。 Pre-existing hypertensionGestational hypertensionOR=2.11OR=1.13p=0.048Pre-existing hypertensionOR=2.11Gestational hypertensionOR=1.13p=0.048\begin{array} {|c|c|} \hline \text{Pre-existing hypertension} & OR=2.11 \\ \hline \text{Gestational hypertension} & OR=1.13 \\ \hline & p=0.048 \\ \hline \end{array} Pre-existing hypertensionLess-tight controlTight controlProgression15996No progression210267Pre-existing hypertensionProgressionNo progressionLess-tight control159210Tight control96267\begin{array} {|c|c|c|} \hline \text{Pre-existing hypertension} & \text{Progression} & \text{No progression} \\ \hline …

8 interaction  odds