<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Stanley Young Stanyoung , PhD, CEO, CGStat LLC
Bob Obenchain, PhD, Consultor Principal, Risk Benefit Statistics LLC
Goran Krstic, Autoridad de Salud de Fraser
Los conjuntos de datos grandes (observacionales) generalmente presentan oportunidades de investigación, pero también problemas que pueden llevar a afirmaciones falsas. En Big Data, el error estándar de una estimación de efecto va a cero a medida que aumenta el tamaño de la muestra, por lo que incluso pequeños sesgos pueden llevar a reclamaciones declaradas (pero falsas). Además, el promedio de tratamiento puede ser casi sin sentido cuando hay interacciones con factores de confusión que crean una variación local en los tamaños del efecto. Los mineros de datos necesitan métodos estadísticos que puedan manejar de manera simple y eficiente estas fuentes de sesgo. Aquí, demostramos el uso de un complemento JMP, Moving Median, y una nueva plataforma JMP, Control local, para el análisis de dos conjuntos de datos. Nuestro primer estudio de caso ilustra la reducción del sesgo en un conjunto de datos de epidemiología ambiental. Nuestro segundo estudio utiliza el control local en un ejemplo de calidad del aire en series temporales. Al detectar interacciones, los mineros de datos pueden producir análisis más realistas y más relevantes que reducen el sesgo que suele implicar la variedad y la heterogeneidad de Big Data.
