#免收案免IRB的統合分析,#您也想過要學卻不得其門而入嗎?
⠀
想自學 meta-analysis,然而相關的書,隨便買都厚厚一大本,光是 fixed-effect model 就一大章,都還沒講到 random-effects model 就想投降,更別說,後面還有 heterogeneity、subgroup analysis、publication bias 等。
⠀
但是,這就像我們去買汽車的教科書,光引擎原理就一大章,還沒講到缸內直噴、渦輪增壓、油電混合就投降,更別說後面的傳動系統、主被動安全、自動駕駛。想開車上路,真有需要了解這麼多嗎?
⠀
事實上,難的是懂「汽車原理」,如果只想學會「開車」,並不難。難的是懂「meta-analysis 公式與理論」,如果只想學會「發表 meta-analysis 文章」,並不難。
⠀
#是要認識整片森林,#還是採一朵香菇就好?
⠀
從「學問」的角度去看,那可是一片森林,人家「寫教科書」的,自然應該全部涵蓋。但我們在這浩瀚森林中,不過是個「採香菇」的,你只要知道在哪裡可以找到香菇、應該怎麼採、如何避免採到毒菇,然後順利的把香菇帶到市場上賣,就行。
⠀
延續這樣的概念,如果我們反過來,不從 meta-analysis 的理論與公式教,而從「剛開始發表 meta-analysis」所需要知道的統計項開始教呢?
⠀
就像教了油門、煞車、方向燈之後,讓你先上路,在安全的環境逐漸熟悉。駕輕就熟之後,有了自信,你想學任何汽車的原理甚至改裝,自然水到渠成。
⠀
#課程中只教您必學數值,#學會了,#就能用!
⠀
這堂課,我們不講複雜理論,只講實際應用的重要概念。減少混亂,化繁為簡。雖說是「簡」,但在寫作、投稿、審閱過程中,重要的眉角,依然將以最實用的角度,與您分享。
⠀
🎯 克服經費與資源稀少的困境,帶您踏入統合分析的領域。
⠀
☑ 統合分析研究規劃技巧
☑ 正確拆解論文架構
☑ 必學的重要專有名詞
☑ 互動實作:完成一套 Meta-analysis 圖表
☑ 以發表為導向的搜尋文獻
☑ Meta-analysis 圖表優化重點
☑ 給初學者的起步建議
⠀
🔸 11/7(日)統合分析工作坊 #全新梯次
➠ https://meta-analysis.innovarad.tw/event/
免收案、免 IRB,突破資源缺乏困境的機會!
⠀
🗣️ 學員回饋
⠀
「原本以為艱澀難懂,一定會打瞌睡,卻意外絕無冷場。張凱閔醫師擷取 meta-analysis 重點中的重點,深入淺出的介紹一定要會的專有名詞,讓我不會被龐雜的統計名詞大海淹沒!」
⠀
「因為是統合分析的初學者,在準備過程中主要還是以類別變項為主,這次課程聽到很多資料(包括連續變項)的處理方法,像是標準差和標準誤的概念和處理,只要有 sample size 和 p-value 就可以跑統計,以及嘗試向作者要 raw data,這些都有助於我對於未來統合分析的題材有更多選擇。」
⠀
👨🏫 講者陣容
⠀
#張凱閔,知名復健醫學與超音波學者,台大流病與預防醫學博士,SCI 論文超過 190 篇,並有 25 篇以上為 meta-analysis,探討臨床常見議題。
⠀
#曾秉濤,專業精神科醫師,擅長從臨床工作找到發表議題,並組成研究團隊,SCI 論文超過 85 篇,並有 70 篇以上為 meta-analysis。
⠀
#蔡依橙,專業課程開發與整合者,能迅速理解學門架構,並以初學者能理解的方式,建構學習流程。生涯被 SCI 期刊接受的圖表,已超過 500 張,熟悉學術審閱過程與要求。
同時也有4部Youtube影片,追蹤數超過1萬的網紅CMmath,也在其Youtube影片中提到,**公式ˇ怎麼背系列:** 標準差公式怎麼背 https://youtu.be/Oekjb51JcGE 相關係數公式怎麼背: https://youtu.be/Ts3NGMMs35k 微補習商店 https://cmmath.com/shop/...
標準差公式 在 新思惟國際 Facebook 的精選貼文
#免收案免IRB的統合分析,#您也想過要學卻不得其門而入嗎?
⠀
想自學 meta-analysis,然而相關的書,隨便買都厚厚一大本,光是 fixed-effect model 就一大章,都還沒講到 random-effects model 就想投降,更別說,後面還有 heterogeneity、subgroup analysis、publication bias 等。
⠀
但是,這就像我們去買汽車的教科書,光引擎原理就一大章,還沒講到缸內直噴、渦輪增壓、油電混合就投降,更別說後面的傳動系統、主被動安全、自動駕駛。想開車上路,真有需要了解這麼多嗎?
⠀
事實上,難的是懂「汽車原理」,如果只想學會「開車」,並不難。難的是懂「meta-analysis 公式與理論」,如果只想學會「發表 meta-analysis 文章」,並不難。
⠀
#是要認識整片森林,#還是採一朵香菇就好?
⠀
從「學問」的角度去看,那可是一片森林,人家「寫教科書」的,自然應該全部涵蓋。但我們在這浩瀚森林中,不過是個「採香菇」的,你只要知道在哪裡可以找到香菇、應該怎麼採、如何避免採到毒菇,然後順利的把香菇帶到市場上賣,就行。
⠀
延續這樣的概念,如果我們反過來,不從 meta-analysis 的理論與公式教,而從「剛開始發表 meta-analysis」所需要知道的統計項開始教呢?
⠀
就像教了油門、煞車、方向燈之後,讓你先上路,在安全的環境逐漸熟悉。駕輕就熟之後,有了自信,你想學任何汽車的原理甚至改裝,自然水到渠成。
⠀
#課程中只教您必學數值,#學會了,#就能用!
⠀
這堂課,我們不講複雜理論,只講實際應用的重要概念。減少混亂,化繁為簡。雖說是「簡」,但在寫作、投稿、審閱過程中,重要的眉角,依然將以最實用的角度,與您分享。
⠀
🎯 克服經費與資源稀少的困境,帶您踏入統合分析的領域。
⠀
☑ 統合分析研究規劃技巧
☑ 正確拆解論文架構
☑ 必學的重要專有名詞
☑ 互動實作:完成一套 Meta-analysis 圖表
☑ 以發表為導向的搜尋文獻
☑ Meta-analysis 圖表優化重點
☑ 給初學者的起步建議
⠀
🔸 11/7(日)統合分析工作坊 #全新梯次
➠ https://meta-analysis.innovarad.tw/event/
免收案、免 IRB,突破資源缺乏困境的機會!
⠀
🗣️ 學員回饋
⠀
「原本以為艱澀難懂,一定會打瞌睡,卻意外絕無冷場。張凱閔醫師擷取 meta-analysis 重點中的重點,深入淺出的介紹一定要會的專有名詞,讓我不會被龐雜的統計名詞大海淹沒!」
⠀
「因為是統合分析的初學者,在準備過程中主要還是以類別變項為主,這次課程聽到很多資料(包括連續變項)的處理方法,像是標準差和標準誤的概念和處理,只要有 sample size 和 p-value 就可以跑統計,以及嘗試向作者要 raw data,這些都有助於我對於未來統合分析的題材有更多選擇。」
⠀
👨🏫 講者陣容
⠀
#張凱閔,知名復健醫學與超音波學者,台大流病與預防醫學博士,SCI 論文超過 190 篇,並有 25 篇以上為 meta-analysis,探討臨床常見議題。
⠀
#曾秉濤,專業精神科醫師,擅長從臨床工作找到發表議題,並組成研究團隊,SCI 論文超過 85 篇,並有 70 篇以上為 meta-analysis。
⠀
#蔡依橙,專業課程開發與整合者,能迅速理解學門架構,並以初學者能理解的方式,建構學習流程。生涯被 SCI 期刊接受的圖表,已超過 500 張,熟悉學術審閱過程與要求。
標準差公式 在 辣媽英文天后 林俐 Carol Facebook 的最佳解答
感謝熱情認真的李學長,
今天要來介紹「建中科學班」!
————————————————————
科學班考試三月多就考了,獨立招生。
📍考進科學班有什麼優點?
主科老師會是比較有經驗的,幾乎沒有地雷老師。老師還會同時兼任你的專題研究老師
🔆三年不分班,會有電神互相切磋討論。
教學資源多,可以借用科學館做實驗、借競賽資料、想考數理科免修可以直接報名(普通班要7%或是老師推薦)。
數理科目進度高二就上完,要在高三去台大修課(微積分、普通物理、普通化學、普通生物四選一)。高二下須通過資格考試方能第三年取得台大修課資格,沒考過者你會拿不到科學班認證證明文件,但是不會強制將你轉班。
📍 科學班的內容會不會比較難,成績會不會不好看?
🔆 數理科的內容會比較難,老師比較少管必選修,以主題式教學為主。
某些科目段考較難,老師會調到比較高分,只要你有努力老師一定看得出來分數給的算高。文科被當在科學班會更常發生,因為我們甄選就是數理跟一階不太難的語文考試。
📍 我是一個沒有超修的國三生(注意,那是會考前),要怎麼準備考試?
🔆 初試:
語文:不用太擔心,英文國文都在會考範圍,然後T分數差距也不大。
考古題以及其相似題型有公開,建議練完,才有考過初試的機會。
同樣地,初試會有沒準備的人來考,分數的標準差較大,最後T分數大概會落在60上下,在總體人數上大約是60/350。
科學班數學考試絕大多數題都可以國中解法,但多半想不太到。不會寫不要太沮喪,其他人大部分也不會寫。如果有餘力可以學習一些高中好用的單元如三角函數,能在你想不出那些超難解法時提供一個只要花時間就可以做出來的方法。
自然科會參雜一些高中觀念,但是不太會影響到解題,計算方面則多半是國中公式在高中的延伸。可以針對考古題去對對應的高中章節進行延伸閱讀在考試時比較不會那麼慌。
🔆 複試(實驗&證明):
數學佔複試4成,數學會是好幾大題每題帶六七小題的形式,其中每題的前段基本上通過初試的人都做得出來,建議每題都先做完前幾小題,卡在一大題很久會造成大量的分數損失。建中沒有公布複試題目,但外縣市學校好像有,可以去找找,但難度低於建中。
物理和化學各佔複試的2成,都有筆試和實驗。
物理筆試會考一些較難的高二高三題型最難到達物理奧林匹亞初複試水平,運動學和力學佔大宗,物奧初選該部份可以在高中範圍念完後練習一下。光學和熱學出現了國中為提供的公式請先自行預習,高中的電磁學與國中難度差較多,考的比較少。
化學筆試範圍有點多且量也很多(四十幾頁),有英文文章的閱測,比起其他題這類題目只要英文能力強一點就能做了。其他題目需要高中大量觀念,而且有些觀念是常常連高中生都忽視的(像溶解)。
🔆 實驗的部分:
兩科都是以高中實驗改編而來,會有線索提供你研究步驟以及計算,在討論的部分最好能去閱讀一些高中的實驗手冊,了解格式以及重點句的寫法,不要玩器材,會被扣分,打破也會(手殘者在此)。數據做出來差強人意也要放然後再想辦法解釋,你如果捏造數據老師一定會發現,你的成績就不會太高。有些討論不會需要作完實驗,實驗做不出來趕緊寫那裡搶分!!
複試的實驗技巧很多難以以國中的能力去填補,如果有這個規劃,可以在初試後詢問你的國中理化老師是否有機會讓你在課餘時間自主訓練高中實驗。(我的國中老師蠻支持的)
生物和地科各佔複試一成,生物高機率動植物器官、滲透壓、細胞觀察。做好這三類的實驗考過機率較大。地科由於內容不多,推薦讀完高中內容,才能節省做題組前要看大量資料才能解決的窘境。
✅ 再來是學習歷程的部分,學習歷程會用到競賽、專題等東西,考上者你們跟數資班對比的優勢就在四月到七月了,趕緊選一科專心拼競賽。在開學後你們可以跟數資班拉開一段距離(但在一、兩年後就沒了QQ)
✅專題研究有數學、物理、化學、生物、地科、資訊六科可以選,與你的競賽能力無關,建議去台大或中研院找個指導教授,他能帶給你大量的收穫。
專題研究高一下開始分組,高二上10月有國際科展初審,進度快者可以直接拼這個
高二下三月會有校內科展然後特優可至台北市科展然後特優可至全國科展,最後還是會回到台灣國際科展,台灣國際科展的目的就是篩選出一批國手前往美國比ISEF選上國手至少可以推薦本科系,得幾等獎會影響保送推薦範圍,請查教育部法規。
✅ 開學初會有能力競賽,以及各科奧林匹亞,能力競賽物理、化學、生物、地科限四選二初試,到了校隊培訓時資訊以外科目限選一科成為校隊。
然後有時候比競賽還是會吃天賦的,吃天賦的大小由左至右遞減大概是
數學>資訊>物理>化學>生物
但同樣也有人全部都行然後被迫上述能競四選二
最終能力競賽與奧林匹亞都會匯流到選訓營,然後決選營,而選訓營前半會推薦個本科系,成為國手後得金銀銅會影響保送推薦範圍,請查教育部法規。
✅ 科學班保送推薦人數僅佔三分之一,其餘的人最終還是會回流到學測指考。如果當初文科很爛考進來,沒拼到保送或推薦及特殊選才者很吃虧。可能會因此落入一些較差的志願。申請時如果有一個某科選訓營,加分會很賺。
✅ 再來就是要關注人才培育計畫,大概在8, 9月可以去考,有台大、清大、中研院等等各科的培育。這可以推廣到專題研究的部分,如果你對計畫裡的指導教授的研究主題感興趣的話,你可以毛遂自薦,指導教授get!
✅科學班的同儕實力很強大,有數物化生地免修的人、各科的奧林匹亞決選者與國手,跟他們一同考試時不要壓力太大。也因為這樣你永遠有奮鬥的目標,以及能幫你在課業跟競賽都走得更遠的人。
#俐媽學子經驗分享
#俐媽學子經驗分享資優班篇
#他們認真拚數理科學
#但也沒偏廢英文的學習喔
#台大明明高手輩出
標準差公式 在 CMmath Youtube 的最讚貼文
**公式ˇ怎麼背系列:**
標準差公式怎麼背
https://youtu.be/Oekjb51JcGE
相關係數公式怎麼背:
https://youtu.be/Ts3NGMMs35k
微補習商店
https://cmmath.com/shop/
標準差公式 在 CMmath Youtube 的最讚貼文
標準差公式怎麼背??
由例子說明定義再給你一個繞口令來背
》影片內容由「©陳名微補習」工作室版權所有
標準差公式 在 學校沒有教的數學 Youtube 的精選貼文
根據我們的課本,計算 standard deviation 標準差的公式的分母應是 N,但統計學的課本中,往往是 (N-1)。到底兩者有什麼分別?
註: 本影片的內容並非嚴謹的學術討論,詳情參閱此網頁:
http://mathseasy.hk/articles/unbiased-estimator/
學校沒有教的數學網址:
http://mathseasy.hk
Facebook: https://www.facebook.com/MathsEasy/
標準差公式 在 科學Online - #週三見數學... 的推薦與評價
週三見數學從定義中可以理解標準差就是一維數值資料的離均差平方和的算術平均數再求其正 ... 28,057 views 統計之旅:標準差公式(I) (Statistical Journey through the ... ... <看更多>
標準差公式 在 [問題] 請教兩個以上標準差如何合併? - 看板Statistics 的推薦與評價
各位統計版鄉民大家好
我有個標準差合併的問題想請教
事前說明我大學沒有統計學這門課
所以很多東西都看 CUST李柏堅 老師的開放課程
但我也是挑我需要的課程看
時間並不允許我看完完整課程...
所以如果問出蠢問題,或聽不懂專業術語
請原諒我的愚昧,以下開始我的問題:
首先先說明我想做的事:
從一個母體中抽2個或3個以上的樣本
量測各樣本的平均值、標準差,然後合併之。
像這樣
https://upload.cc/i1/2018/12/23/fUmQMI.jpg
好,能夠理解之後我實際是在圈肝臟的三個分葉數值
https://upload.cc/i1/2018/12/23/Xw71pH.jpg
關於2個標準差合併的公式,我目前用"平方相加開根號"
https://upload.cc/i1/2018/12/23/HMOFj6.jpg
感覺合理,但最近需要圈到三個,我就不知道怎麼合併了
查了wiki ( https://zh.wikipedia.org/zh-tw/合併方差 )
給的公式是像這樣
https://upload.cc/i1/2018/12/23/iSNAlr.jpg
s:每個樣本標準差,這我知道了
k:應該是指樣本的數量,假設三個
n:我想是指每個樣本裡的有幾個數值
依據抽樣的大小可能會有所不同
所以我又去算樣本的數量有幾個,得到下面這張圖
https://upload.cc/i1/2018/12/23/dFLrmX.jpg
好,實際套用算出來的數值很怪
平方後沒有再開根號回來,標準差爆表的高
https://upload.cc/i1/2018/12/23/oQYi90.jpg
就算用2個樣本去算好了
也跟我前面用的"平方相加開根號"
得到的答案不一樣
https://upload.cc/i1/2018/12/23/Wkfojd.jpg
後來又翻excel函數裡發現一個"AVEDEV"
https://upload.cc/i1/2018/12/23/PJwLA9.jpg
描述是這樣:傳回各資料絕對平均差的平均值 (根據它們的平均)。 AVEDEV 是一種測量方式,測量資料集的各種變化。
感覺很像是我要的?
但是用2個標準差去算,答案也不一樣
https://upload.cc/i1/2018/12/23/CDBqyc.jpg
後來仔細去看AVEDEV公式,感覺是在抽樣裡計算標準差
而不是在抽樣之間,合併標準差
所以我現在變成三個公式
1.平方相加開根號 -->不能用,我要合併3個
2.wiki上查到的公式 -->很怪,數值爆表
3.AVEDEV函數 -->感覺不對
但都不適用... 我想趕快發paper啊..
這關卡住過不去.. 請各位學長姐幫幫我
僅存的400p奉上!!! 先謝謝了!!!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.105.181.228
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1545554729.A.4FA.html
※ 編輯: qwerty754892 (27.105.181.228), 12/23/2018 16:49:00
12/24/2018 17:56:34 支出 $112 ($503 => $391) 轉帳給 Pieteacher (稅後 $100)
12/24/2018 17:57:02 支出 $112 ($391 => $279) 轉帳給 andrew43 (稅後 $100)
※ 編輯: qwerty754892 (27.105.181.228), 12/24/2018 17:58:53
... <看更多>