Po tym spotkaniu zadaję pytanie o przekształcone wstecz konwencje dotyczące przedziałów ufności.
Zgodnie z tym artykułem nominalny CI transformowany wstecznie CI dla średniej logarytmicznej zmiennej losowej wynosi:
LCL(X)=exp(Y+var(Y)
/ a nie naiwny /
Jakie są takie elementy CI dla następujących przekształceń:
- ix 1 / 3
A co z przedziałem tolerancji dla samej zmiennej losowej (mam na myśli wartość pojedynczej próbki losowo pobranej z populacji)? Czy istnieje ten sam problem z przedziałami przekształcanymi wstecz, czy będą one miały zasięg nominalny?
confidence-interval
data-transformation
back-transformation
Germaniawerks
źródło
źródło
Odpowiedzi:
Dlaczego w ogóle dokonujesz transformacji wstecz? Ma to zasadnicze znaczenie dla odpowiedzi na twoje pytanie, ponieważ w niektórych przypadkach naiwna transformacja jest właściwą odpowiedzią. Właściwie myślę, że będę argumentować, że jeśli naiwna transformacja wsteczna nie jest właściwą odpowiedzią, to nie powinieneś w ogóle przekształcać transformacji.
Uważam, że ogólny problem transformacji kręgosłupa jest bardzo problematyczny i często wypełniony mętnym myśleniem. Patrząc na cytowany artykuł, co sprawia, że uważają, iż rozsądnym pytaniem jest to, że CI przekształcony wstecz nie uchwycił pierwotnego środka? To błędna interpretacja wartości przekształconych wstecz. Uważają, że zasięg powinien być przeznaczony do bezpośredniej analizy w przestrzeni przekształconej wstecz. A następnie tworzą transformację wsteczną, aby naprawić ten błąd zamiast ich interpretacji.
Jeśli wykonasz analizy wartości dziennika, wówczas twoje szacunki i wnioski będą miały zastosowanie do tych wartości dziennika. Tak długo, jak weźmiesz pod uwagę jakąkolwiek transformację wsteczną, reprezentację tego, jak ta analiza dziennika wygląda w przestrzeni wykładniczej, i tylko w takim przypadku, jesteś w porządku z naiwnym podejściem. W rzeczywistości jest to dokładne. Dotyczy to każdej transformacji.
Robienie tego, co robią, rozwiązuje problem próby przekształcenia CI w coś, co nie jest, CI transformowanych wartości. Jest to obarczone problemami. Rozważ powiązanie, w którym jesteś teraz, dwa możliwe CI, jeden w przekształconej przestrzeni, w której przeprowadzasz analizy, i jeden przekształcony z powrotem, przedstawiają bardzo różne stwierdzenia o tym, gdzie prawdopodobne mu jest w drugiej przestrzeni. Zalecana transformacja wsteczna stwarza więcej problemów niż rozwiązuje.
Najlepszą rzeczą do wyciągnięcia z tego dokumentu jest to, że gdy zdecydujesz się przekształcić dane, ma to głębszy niż oczekiwano wpływ na znaczenie twoich szacunków i wniosków.
źródło