Visualización de flujo de trabajo de inferencia

Question

I proporcionar apoyo estadístico para un departamento de salud pública. Como se puede imaginar, hemos reunido una gran cantidad de mapas sobre una base regular. Para mí, los mapas son otro tipo de visualización de datos - útil para obtener una idea de los datos, para la generación y comprobación de hipótesis, etc. Pero que no solemos seguir a través de modelado y la hipótesis de la prueba.

¿Cómo usted/su organización? ¿Qué hace un flujo de trabajo que incluye la inferencia? Quién está involucrado? ¿Qué herramientas utiliza? Cuál sería el ideal aspecto, si tenía a su manera?

Gracias!

EDITAR

Para ser claros, tengo curiosidad acerca de las diferentes estrategias para ir de datos espaciales, formales, las pruebas estadísticas de hipótesis acerca de lo que está pasando en el mundo. Por ejemplo, digamos que yo estoy tratando de destino de una campaña educativa para incrementar los exámenes de tuberculosis. Yo (personalmente) sería un mapa de los casos de TB en contra de las covariables de interés (por ejemplo, la mediana de los ingresos o porcentaje de extranjeros residentes) y tratar de ver si había algún patrón.

Yo podría o no podría encontrar alguna; pero que en última instancia, construir un modelo para estimar la asociación entre estas variables y el número de la demografía. Este es un paso fundamental porque de lo bueno que los humanos están en la búsqueda de patrones en los que no existen, o encontrar interesante. Yo sé cómo hacer esto por mi cuenta, pero tengo curiosidad acerca de cómo las diferentes organizaciones de institucionalizarlo (en todo caso).

Answer 1

Muy interesante pregunta!

En primer lugar, su pregunta alude a lo que yo denomino 'minería de datos' y creo que vale la pena replantearnos el problema de forma explícita como algunas personas aquí no lo tengo: con cualquier conjunto de datos (no tiene que ser espacial) para lograr una relación estadísticamente válida de la convención es que debe estar en o por encima de un 95% de probabilidad. Sin embargo, si usted hace 20 pruebas de las probabilidades son altas de que al menos uno de los 'estadísticamente válida" los resultados que obtenemos es debido a la pura casualidad. Para su mala práctica de jugar con un conjunto de datos (en SIG sería mapeo) para visualizar los muchos posibles relaciones entre variables, encontrar una interesante y plug en los stats y cita el resultado como si esta era la única prueba que había hecho. Usted todavía puede usar el resultado, pero debes tener en cuenta el número de pruebas que has hecho.

Es que lo que usted estaba manejando?

Tu pregunta parece preguntar cómo las personas formalizar evitar este problema. Mi respuesta es que el 'no' de la opción que comentas es común. Estadísticos médicos (por ejemplo, a mi novia) en mi experiencia de aplicar un estándar mucho más alto de rigor a este tipo de proceso del que se encuentra en otras áreas, sospecho que todo tipo de datos asignación de fuera de la salud pública se realiza sin ningún tipo de consideración formal del problema con las estadísticas de fórmulas que se están ciegamente aplicadas sin la comprensión del proceso de manera adecuada. Una geológico ejemplo que viene a la mente:

He leído un revisado de papel donde los autores observaron cómo pozo rendimiento (cantidad de agua que podría ser bombeado) relacionados con la geología y espacial influye en África, por ejemplo, el espesor de la capa de grava que fue excavado a través de antes de acostarse roca fue golpeada. La idea era ayudar a pozo de los perforadores de modo que podrían dirigirse las mejores localizaciones para pozos de sondeo. Los autores descaradamente extrae los datos de la combinación de todo tipo de variables para ver cuál de ellos se acercó con un 95% de nivel de confianza y (supongo) ninguno de los revisores que han puesto en entredicho la validez de los resultados. Sus conclusiones fueron, por tanto, completamente digno de confianza.

Esperan que sea de interés