Последний день новогодних выходных - то самое время, чтобы подать заявку в ЖК)
А информацию о нем, можно почитать здесь

Резко стало "статистика НЕ просто" (хотя когда она такой была) 😂
Посмотрим теперь на реализацию, но новость очень интересная))

Как прям вовремя я начинал писать черновик поста)))

У многих аналитиков и даже врачей, когда они узнают про байесовский* подход, срабатывает желание "сорвать запретный плод".

*хотя в ИБ учили, что правильно - бейзовский, но я буду старословом, поэтому и далее будет Байесовский 😁

Классная же идея. У нас уже есть предположение о вероятности какого-то исхода (например, летальный исход от пневмонии) - наши клинические знания (априорная вероятность, prior). Мы проводим исследование и получаем данные выборки (функция правдоподобия, likelihood). После применения хитрых статистических ловких рук в результате получаем обновленную информацию (апостериорная вероятность, posterior). Это намеренно сильно упрощенный пример

И таким же способом можно пользоваться для предсказания вероятности у конкретного пациента (вспоминаем разговоры про pre-/post-test probability).

Ну супер же! Насколько же жизнь врачей (и остальных) станет легче?

Но потом они сталкиваются с суровой реальностью. Оказывается надо читать, как выбирать приоры (они бывают разные) 😱 Оказывается надо учиться технической реализации (а туда добавляется MCMC) 😱 А ещё надо теорию вероятности и распределения изучать 😱 и т.д. (не представляю о каких еще нюансах я не знаю). И на все эти вопросы нужно искать ответ (или понимать как ответить, до сих пор не понимаю).

Но еще меняется... вероятность. Мне понравилась следующая цитата из книги "Введение в методы байесовского статистического анализа" от Дж. Хей, которую я сейчас читаю

"Центральной для данной книги является идея субъективной вероятности, состоящая в том, что вероятностные утверждения трактуют как субъективные ожидания"

Но в своей книге R. McElreath говорит, что существуют разные школы (в т.ч. в зависимости от области применения). Таким образом получается, что выбор приора может отличаться.
При этом байесовский подход может решить достаточно сложные задачи (например, multivariate models или еще сложнее).

Но судя по некоторым авторам (A. Heiss, F. Harrell, A. Gelman, R. McElreath и др.) это возможно освоить (но конечно потребуется немало времени и усилий).

Напоминаю, что сейчас идет набор заявок в журнальный клуб!
Заполняйте анкету (это несложно и много времени не занимает).
Если интересно узнать, что происходит в ЖК, то рекомендую прочитать этот пост и следующий
Если вам интересно узнать, как примерно проходят заседания, то можно посмотреть открытые заседания на канале нашего ЖК: Youtube и Rutube

1 февраля прием заявок будет завершен! Поэтому лучше попробовать свои силы, а вдруг получится?)

Обнаружил одну настройку в анкете... (Не досмотрел)
Требовался вход в гугл-аккаунт. В общем, если у вас нет аккаунта гугл (хотя я себе это слабо представляю), то теперь это требование отключено

Без лишних слов. Но я бы дополнил, что...

У нас завелись клоуны, давайте примем их к нам 🤡

Кто хочет погрузить в аналитику (и расширить свои возможно), то очень рекомендую попасть на данный курс) сам походил его в 2024 году (о чем писал здесь) и ни разу не пожалел!
В чем-то помог подтянуть базу, шире взглянуть на подходы, получить направления для дальнейшего изучения и применения)
А сейчас программа шире 🔥

А ещё завтра последний день, чтобы успеть подать заявку в наш журнальный клуб! Иногда лучше рискнуть и попробовать, чем ждать ещё год
Анкета тут
Ссылки ЖК здесь