Ja
Refine
Document Type
- Working Paper (5)
Has Fulltext
- no (5)
Is part of the Bibliography
- no (5)
Keywords
- Statistik (5) (remove)
Institute
This volume is largely about nontraditional data; this paper is about a nontraditional visualization: classification trees. Using trees with data will be new to many students, so rather than beginning with a computer algorithm that produces optimal trees, we suggest that students first construct their own trees, one node at a time, to explore how they work, and how well. This build-it-yourself process is more transparent than using algorithms such as CART; we believe it will help students not only understand the fundamentals of trees, but also better understand tree-building algorithms when they do encounter them. And because classification is an important task in machine learning, a good foundation in trees can prepare students to better understand that emerging and important field. We also describe a free online tool—Arbor—that students can use to do this, and note some implications for instruction.
Eine Pandemie stellt die Entscheidungsfindung vor besondere Herausforderungen, da Entscheidungen kontinuierlich an sich schnell ändernde Beweise und verfügbare Daten angepasst werden müssen. Welche Gegenmaßnahmen sind zum Beispiel in einem bestimmten Stadium der Pandemie angemessen? Wie lässt sich die Schwere der Pandemie messen? Wie wirkt sich die Impfung in der Bevölkerung aus und welche Gruppen sollten zuerst geimpft werden? Der Prozess der Entscheidungsfindung beginnt mit der Datenerhebung und -modellierung und setzt sich bis zur Verbreitung der Ergebnisse und den anschließend getroffenen Entscheidungen fort. Das Ziel dieser Arbeit ist es, einen Überblick über diesen Prozess zu geben und Empfehlungen für die verschiedenen Schritte aus statistischer Sicht zu geben. Insbesondere diskutieren wir eine Reihe von Modellierungstechniken, darunter mathematische, statistische und entscheidungsanalytische Modelle sowie deren Anwendungen im COVID-19-Kontext. Mit dieser Übersicht möchten wir das Verständnis für die Ziele dieser Modellierungsansätze und die spezifischen Datenanforderungen fördern, die für die Interpretation der Ergebnisse und für erfolgreiche interdisziplinäre Kooperationen unerlässlich sind. Ein besonderer Schwerpunkt liegt auf der Rolle, die Daten in diesen verschiedenen Modellen spielen, und wir beziehen in die Diskussion die Bedeutung statistischer Grundkenntnisse und einer effektiven Verbreitung und Kommunikation von Erkenntnissen ein.
Die Autoren schreiben: " Insgesamt scheinen wir mit unserer Diskussion über die Rolle, die Daten und Statistiken in der COVID-19-Pandemie gespielt haben und weiterhin in anderen Krisen spielen, einen Nerv in der Statistik-Community getroffen zu haben. Wir versuchen nicht, alle in den Kommentaren erwähnten Punkte anzusprechen, sondern konzentrieren uns auf einige der Hauptthemen, die von mehreren Diskussionsteilnehmern angesprochen wurden."
Um Menschen auf den Umgang mit Gefahren, Krankheiten und Katastrophen vorzubereiten, muss ihnen Statistik vermittelt werden, und zwar idealerweise durch gute Darstellungsformate dynamisch. Diese Dynamiken in einfache Kommunikation zu übersetzen, ist das, was Regierungen von Wissenschaftlern brauchen.