好的，欢迎大家到这推介会在哪个我将要讲话关于珍珠的流感学习。 珍珠生物统计学家，他活过相当A尽管前期间，具体来说，这西班牙流感，和他曾是这第一的一到分析这每周数据那曾是集经过这我们局的这人口普查关于这西班牙流感，哪个发生在1918年， 1920年，和这为了这大的美国人城市。
珍珠，他曾是这第一的到做所以到分析这数据关于这西班牙流感，和他写了二报告关于它，他的流感学习一和二，哪个我们将要重访现在期间这推介会，和出色地看如何我们将要是有能力的到看进入这数据，分析这数据使用JMP。 这是联合的工作和克里斯哥特华特， WHO贡献了到这方法论的成分，和圭多埃雷格人， WHO发起这主意的重访珍珠的流感学习。
这概述的这讲话是作为如下。 第一的，患病的讨论A小的少量这西班牙流感，什么它曾是全部关于。 相当A致命大流行在那时间。 然后患病的介绍珍珠的流感学习，和患病的讲话A小的少量关于这数据那珍珠用过的在他的分析。 我们有添加一些人口普查数据从1910年在顶部的那为了我们的分析，哪个包含的A多变的选择程序和A无效的因素， A随机的因素，一个独立的普通的因素在我们的分析，和自举模拟从这数据。然后出色地是讨论我们的结果和比较那些结果和珍珠的结果，和然后出色地得出结论。
第一的的全部，这西班牙流感大流行病，到框架那A小的少量，它曾是一的这最致命的流行病在历史，作为亲眼目睹经过这列表这里显示这世界的最致命的流行病在随着时间的推移。 你能看那这西班牙流感这里行列第五在条款的这数字的死亡人数那它造成的。 吨他的列表是带头的经过这黑色的死亡人数，哪个被杀关于四次更多的人们比这西班牙流感做过。 然后以下这列表，你看冠状病毒- 19大流行出现，哪个我们得到全部裸露到。 它还出现在这列表仍然。
只是作为和冠状病毒- 19,聚会是更多的鼓励到发生外部，和还在这次已经的这西班牙流感大流行那里，那曾是这案件作为出色地，和甚至为了类到发生户外,作为你能看在这照片。
这西班牙流感大流行包含的三波浪。 这第一的一开始在行进1918年在这我们和传播到欧洲并这休息的这世界。 然后A更多的严重海浪，这最严厉的一开始在八月1918年在法国和传播迅速到这休息的这世界，作为出色地作为恰逢和这结尾的这第一的世界战争。然后A第三一哪个曾是较少的严重比这第二一，但更多的严重比这最初的海浪，开始在这早期的开始的1919和打一些具体的国家喜欢澳大利亚和伟大的英国。
这里你看这时间线的这三波浪的这西班牙流感大流行发生在这我们，更多的具体来说因为我们有珍珠的数据从这我们哪个我们看进入。这死亡收费曾是巨大的和最多死亡人数发生实际上在印度和中国。
什么曾是具体关于这西班牙流感大流行曾是那许多年轻的健康成年人死了作为显示经过A W图案的死亡费率，哪个是这里显示经过这满的黑色的线。 在对比到这ü形状的这普通的季节性的流感和肺炎死亡费率哪个是挂号的事先的到这大流行。
为了季节性的流感和肺炎，这ü形状节目那个人更年轻比四年的年龄和人们年长的比75年，那这些是最多打经过季节性的流感和肺炎。 特征的这西班牙流感大流行曾是那除了那些二年龄团体，还这年轻的成年人在这范围之间20和40年的年龄得到具体来说打经过这大流行病，最终领导向上到A巨大的死亡收费。
然后更远向前自始至终历史，流行病学家和历史学家的流行病学有应用统计分析到这西班牙流感大流行。 更多的具体来说，人们工作过在这我们作为出色地，即马克尔和同事，他们研究过这影响的非制药干预措施在美国人城市喜欢学校关闭，取消的民众聚会。
马梅伦德研究过这影响的地理的隔离的具体的领域和具体的地区在这我们。黏土，刘易斯，和塞韦尼尼研究过叉-城市变化的438我们城市，但还别处大约这世界，所以不是仅有的在这我们但还在欧洲，喜欢在挪威和西班牙。数据关于这西班牙流感流行病是分析了一起和人口普查数据和所以向前。 这西班牙流感大流行保持耐人寻味为了许多研究人员超过时间。
关于珍珠的流感学习现在，这里你看这第一的的他的流感学习，这开始的它。 第一的，他会谈关于这严重程度的这暴发和实际上那这死亡收费为了这团结的状态曾是放在关于550,000,哪个是关于五次更多的比这数字的人们WHO实际上死了期间这第一的世界战争。 因此，显示这严重程度的这大流行和实际上如何致命它曾是，如何爆炸性的它曾是。那曾是具体来说什么珍珠曾是感兴趣的在检查和有关到其他变量。
这第二的他的流感学习看起来作为接下来，所以这开始在至少。 那是一个更新的这第一的的他的学习因为他得到一些批评后第一的学习经过一些同行WHO批评的他为了不是存在准确的和肯定变量。 他有问题和什么我们现在参考到作为构造有效性。 一些的这数据是不是真的测量什么他们是应该到措施，所以他们是不是所以准确的和他们可以是定义的更多的合适的，更多的准确的在命令那他们真的措施什么他们应该措施。 他做过那。 他处理这数据再次，这变量。 放向上新的定义的这变量和感动向前。
这数据为了这第一的的他的学习看起来作为如下。 我们有数据从珍珠的39美国人城市。 这回复多变的他通缉到学习曾是这流行性指数，哪个是给予经过这象征我5个在他的学习。 那曾是这第一的回复多变的他通缉到学习和他通缉到还寻找其他变量喜欢人口统计那可以是预测的的这回复多变的。
现在，这回复多变的曾是A措施为了这爆发力的这暴发在条款的流行性死亡，所以如何爆炸性的这暴发曾是和打这各种各样的城市在这我们。 他定义的这顶峰时间比率，所以这顶峰的这过量的死亡费率分为经过这顶峰日期。 在这方式，他通缉到比较城市和一单身的非常锋利的顶峰到城市和A长的扁平化曲线的过量的死亡费率。 他设计的这流行性指数他自己。
他通缉到涉及这流行性指数到各种各样的因素喜欢这人口统计数据。第一的的全部，这人口密度为了1916年，和然后这地理的位置，哪个是A直的线距离从波士顿。 他还包括这年龄分配，志-正方形，哪个是一个年龄宪法指数显示这偏差在这年龄分配的这城市从A固定的标准年龄分配。 他还研究过这百分比人口生长在这十年1900, 1910.
除了这人口统计数据，他还涉及这死亡费率为了1916年，所以事先的到这大流行。 第一的的全部， A n总计的死亡速度从全部原因和然后特定的疾病，死亡费率为了具体的疾病，即肺的结核，有机的心疾病，急性肾炎和布莱特的疾病，或者失败的这肾脏，流感，肺炎，伤寒发烧，癌症，和麻疹。那里曾是相当一些相关性之间这些死亡费率。
我已经告诉你A小的少量关于这回复多变的那颗珍珠发达，即这流行性指数。 那做过不是出现进入只是A单身的试图，但他开始实际上从我1.第一的的一个流行性指数那他更远改善进入我2、我3、我4、和然后他曾是快乐的足够的到移动沿着和到工作和这我5个流行性性指数。 到区分然后城市和单身的，非常锋利的山峰到那些和长的，低的平坦的曲线的流行性死亡。
他更新这变量从他的第一的学习和这第二学习，和在那感觉，他还更新，他还修改的这流行性指数和这新的流行性指数。 他提到的到那一作为我6.作为其他多变的的兴趣，他还定义的到这破坏力多变的作为含有过量的死亡费率。 然后他通缉到涉及这些二反应在他的第二学习和这普通的死亡费率，哪个是这意思是死亡费率超过这三年， 1915年到1917 年。然后他还带来在这人口统计数据。 再次，他修改的这年龄宪法指数基于在这1910年人口普查数据，和他用过的那。
然后还他涉及这性别比率的这人口的男性相对女性。 这人口密度的1910年是用过的在这第一的的他的学习，留下来在这第二学习。 然后反而的A地理的位置，他用过的纬度和经度在他的第二学习。 然后最后，他用过的这百分比人口生长在这十年1900, 1910年，再次。
这些是珍珠的数据到哪个我们添加一些额外的人口普查数据从1910年哪个是给予超过这里。 反而的这年龄宪法指数，我们用过的这分享的这不同的年龄团体，和这纯的数字实际上，因为我们是不是真的快乐的和这方式珍珠定义的这年龄宪法指数。 它曾是真的相当复杂的和不是清除足够的所以那我们想法到只是去关于和使用这1910年分享年龄反而的这年龄宪法指数发达经过珍珠。
除了那，我们看着进入这数字的人到A住宅，这百分比的家园拥有，这学校考勤的人口， 6个到20年的年龄，和这文盲在这人口， 10年的年龄和超过，和看无论一的这些因素或者一些的这些因素可以是预测的的树回复变量在珍珠的学习。
什么曾是珍珠的分析全部关于？ 出色地，他得到进入多种的相关性。 他研究过全部这数据制作使用的部分的相关性系数作为出色地作为这普通的相关性系数的零命令，但他做过那非常严格地。 他有计算的这全部经过手和做过这相当出色地实际上和拿进入帐户各种各样的其他因素在这些部分的相关性经过有那些其他变量存在持续的。 为了这部分的相关性和这其他相关性，他还计算的可能错误到寻找出去无论这些相关性系数是重要的或者不是，所以他做过这相当出色地。
现在，这分析那我们是使用是这一在哪个我们是去到实际上选择变量和A无效的因素和我们是去到自举我们的数据。 我们是正在做所以因为我们的P价值观为了我们的数据，哪个是很遗憾不是正交，他们能变得沉重地有偏见。 自从我们是不是真的使用很好地正交的数据，这P价值观能变得相当有偏见的向零。 它是总是这危险和P价值观为了观察性的数据那不重要因素全部的A突然的变得重要的和那这类型一错误速度是不是在下面控制。
到解决这事实那这P价值观是不是均匀地分散式不再在这案件的一个不重要多变的，到解决那问题，我们是去到涉及A随机的多变的， A无效的因素，一个独立的普通的多变的进入这分析和看到什么程度它出现在我们的程序的选择变量。这主意是启发经过或者起源于从这日本航空航天局纸经过吴，嘘声，和斯特凡斯基在2007.
具体来说，什么我们有完毕是，出色地，我们包括A单身的无效的因素在这多变的选择程序和执行2,500自举复制为了多变的选择使用JMP。 然后我们计算的这部分的次每个多变的进入这模型。 变量那进入作为经常或者较少的比这无效的因素是可忽略的，和变量那进入更多的经常比这无效的因素，出色地，这些是这那些那我们是去到选择作为存在预测的的这回复多变的。
在跳转,我们指定的二新的列，和实际上，一公式是需要。 那是这公式为了这自举频率柱子那你看这里。 这自举频率柱子是基于在我们的无效的因素，哪个是一个独立的普通的多变的那是重新初始化每个时间期间这自举模拟。 基于在这重新初始化，这频率柱子得到更新所以那我们有A 100 %重采样的我们的我们数据的样本量和这固定的样本尺寸作为它是。
然后为了这多变的选择，什么一种回归还会我们申请那我们可以寻找出去在这广义的线性的模型平台的跳转,因为服用进入帐户这频率柱子还，如果我们做方差选择，我们还需要到做这分配决心在这相同的时间。它有到发生同时地。 你不能做它分开基于在这原来的数据。 实际上，这图形在这左边-手边是A小的少量误导因为那图形包含这原来的数据，但分配决心你应该实际上做尽管正在做这多变的选择本身。
假设A泊松分配，出色地，那假设曾是不是拒绝了，所以我们可以实际上移动向前和这假设的A泊松分配，哪个是还保持在这文学自始至终为了死亡费率和所以向前为了分析。 它曾是不是真的拒绝和它曾是好的到认为这样的A泊松回归为了这分析。
然后还我们应用泊松回归在组合和多变的选择为了这流行性指数I6。然而，我们切换到普通的回归或者较少的回归为了这第三回复多变的，这破坏力多变的。
这方式到申请这回归在JMP经过方法的多变的选择是经过使用这广义的回归平台在哪里我们然后定义这回复多变的为了分析和放这频率柱子进入这频率盒子。 然后作为模型条款在这构造模型效果窗户，我们涉及全部这变量，全部豌豆RL的变量，一起还和我们的无效的因素或者独立的普通的多变的那我们还包括。
然后我们移动向前和这回归程序经过选择向前选择估计方法。 作为A标准，我们用过的这赤池信息标准和这更正为了小的样本尺码到决定之上这最终的模型到包括这最终的模型然后到选择和这选择的这变量。
这解决方案部分那你看这里是基于在归一化数据到放他们在这相同的秤，所以秤和中心数据和还到减少这影响的多重共线性在这数据因为有相当一些。 然后你看再次，这原来的预测器弹出向上在这降低输出。 然后我们选择A模型和这最低赤池信息标准。一后这其他，这变量未来存在已选择经过前锋多变的选择基于在这赤池信息标准。 作为你能看在这输出实际上这里，这无效的因素得到进入这模型。 这无效的因素完全地不重要，没有信息，所以得到进入这模型，哪个是不是好的，的课程。
我们有到做这估计方法，这多变的选择程序2,500次,和我们做过这在JMP经过正确的点击在这估计柱子和然后打模拟和然后选择这频率柱子作为A柱子到转变在和出去之间这不同的自举复制所以那初始化的这无效的因素是总是存在保证之间这不同的自举复制。然后最后，所以我们得到这2,500模型选集出去的这自举模拟。
然后我们计算的这部分那全部的这些变量得到进入这模型或者是给予作为非零估计。 我们是代表经过非零估计。 尤其，的课程，我们是感兴趣的在如何许多次这无效的因素出现了在这选择的这楷模。 这轮流出去到是41 %的这次,哪个是相当高的。吨这些是我们的新的错误的入口费率，实际上。 A非常高的百分比在哪个这无效的因素得到选择。
我们会计为了一些上边界，一个上99.9 %信心限制还那我们拿进入帐户，和甚至A小的少量更高有时。 到是保证那这因素那你看在绿色的那他们出现了最多经常然后在这模型选择。 作为你将要看还其他例子现在也，在哪里我们得到绑和这无效的因素作为出色地。 这因素或者这变量在红军，他们有不是到过已选择自从他们的发生是降低比这发生的这无效的因素超过这不同的自举模拟。 这变量的兴趣这里那得到已选择和是预测的的这流行性指数I5是这死亡费率的原因，死亡速度从有机的心疾病，这死亡费率从肺炎，死亡速度从癌症，死亡速度从麻疹，和这地理的位置。
现在，这死亡速度从全部原因，那是一个总计的为了这死亡费率从这个人-具体的慢性的疾病。 我们是还感兴趣的到看什么会发生如果我们是到拿这出去的这分析。 这是什么我们做过在这下列的幻灯片。 我们拿它出去，死亡速度全部原因，和然后我们有A不同的图片。 这死亡速度从麻疹和这死亡速度从癌症转身出去到是不重要现在，然而死亡速度从肺炎得到在这绿色的区，作为出色地作为这死亡速度从肺的结核。 这些是还相当高度相关的和这死亡速度的全部原因。死亡速度的全部原因蒙面的。 这些变量，虽然一些的这死亡费率是还相关的之中每个其他，所以我们有到是小心这里。 那曾是A新的结果那我们锯。
现在，最终，我们重复这些多变的选集更远向前和仅有的这变量在绿色的那你看这里在这屏幕，所以这那些那得到已选择到哪个我们添加我们的新的1910年人口普查数据，喜欢这分享的年龄和这文盲和这上学和所以向前。我们做过这和和没有死的速度或者原因到最后然后选择这变量那是常见的差不多全面的分析。 全部这不同的分析已选择一些其他变量仍然，但仍然那里是一些变量哪个是展示全部这时间，和这些是这那些那我们最后然后包含进入这模型，哪个是我们的最终的泊松回归模型那我们获得在这结尾。
哪个包含死亡费率从心疾病，有机的心疾病，死亡费率从全部原因我们保留告诉,作为还珍珠强调那作为存在相当重要的。 分享年龄, 0到4.学校考勤的这人口， 6个到20年的年龄和这地理的位置。 那曾是我们的最终的回归模型为了这第一的回复，这流行性指数I5,和以下你看这结果的珍珠。 有完毕A相关性分析，他曾是有能力的到确认肺的结核，有机的心疾病，和急性肾炎和布莱特的疾病。 除了这死亡速度的全部原因那他视为相当重要的，哪个曾是实际上还总是这案件为了我们的分析。 它总是来了在顶部的我们的分析。 我们保留它在。
现在，珍珠还尖向一些具体的慢性的疾病，但我们是不是有能力的到放这些在顶部。我们做过不是寻找他们到是稳定地展示。 全面的，我们的分析，所以我们做过不是确认他们。 还，珍珠，实际上，后他的第一的学习，得到批评的因为的指向向这些个人疾病。 然后在这第二的他的学习，还，他曾是更多的谨慎，更多的保守的，和仅有的尖向这死亡速度的全部原因和这有机的疾病的这心作为这那些那是预测的为了他的修改的指数的这爆发力的这暴发I6。
我们的最终的分析是这一那你看这里指向向还死亡费率从有机的心疾病，死亡速度从全部原因，这分享的这年龄之间零和四、和这人口密度规则。 W你是总是有能力的到看这人口密度未来向上高的在这列表的变量那发生几乎不断地超过这自举复制。 那还转身出去到是一个重要的多变的从我们的分析。
和这破坏力多变的，我们做过不是寻找全部那很多的变化。 这范围实际上的价值观曾是不是作为大的作为为了这其他二回复,这流行性指数. 我们是仅有的有能力的到确认A很少变量和具体来说这死亡费率未来从这有机的心疾病。然后我们确定，除了这分享的这最年轻的人们之间0和4年，还这分享的人们测距之间20和40,所以25和44年的年龄。 这健康人们实际上事先的到这大流行病，那曾是还指示性的的过量的死亡费率超过这不同的城市在这团结的状态。
珍珠的数据套，作为我们可以看还，我们仅有的有非常小的数据。 那里是非常微小的39观察在这第一的学习和在这第二学习仅有的34观察因为他们修改的一些的这变量，一些观察得到丢失的。 这数据是还观察性的和相当一些多重共线性涉及。 这质量的这数据可以有到过更好的。 所以，我们的分析为了当然是有用，但他们是不是神奇，作为出色地作为珍珠的相关性分析。 具体来说，他的第一的分析，它曾是不是支持的。 他知道然后那人们做过不是真的支持他的第一的分析。 反正，作为乔治盒子说， “全部楷模是错误的，一些是有用。”
我们是有能力的到选择满意的楷模在A顺序的方式。 第一的的全部，我们包括珍珠的变量和保留这已选择变量，到哪个然后我们添加新的1910年人口普查变量到最后选择那些变量那是翔实的和每个时间和和没有这死亡速度从全部原因。然后我们保留这变量那弹出向上在这绿色的区到是相当预测的的这回复那弹出向上全部这时间，所以超过全部这分析那我们做过到然后有这楷模那我呈现。 我希望这曾是翔实的为了你到听到和许多谢谢。
