Stanley Young , PhD, director ejecutivo de CGStat LLC
Bob Obenchain, PhD, Consultor Principal, Risk Benefit Statistics LLC
Goran Krstic,Autoridad de Salud de Fraser
Los grandes conjuntos de datos (observacionales) suelen presentar oportunidades de investigación, pero también problemas que pueden dar lugar a afirmaciones falsas. En Big Data, el error estándar de una estimación del efecto se reduce a cero a medida que aumenta el tamaño de la muestra, por lo que incluso pequeños sesgos pueden dar lugar a afirmaciones declaradas (pero falsas). Además, el promedio del tratamiento puede ser prácticamente irrelevante cuando existen interacciones con factores de confusión que generan variación local en los tamaños del efecto. Los mineros de datos necesitan métodos estadísticos que puedan abordar de forma sencilla y eficiente estas fuentes de sesgo. En este estudio, demostramos el uso de un complemento de JMP, Moving Median, y una nueva plataforma de JMP, Local Control, para el análisis de dos conjuntos de datos. Nuestro primer caso práctico ilustra la reducción del sesgo en un conjunto de datos de epidemiología ambiental. Nuestro segundo estudio utiliza Local Control en un ejemplo de series temporales de calidad del aire. Al detectar interacciones, los mineros de datos pueden producir análisis más realistas y relevantes que reducen el sesgo que suele implicar la variedad y heterogeneidad de Big Data.
