Filme porno

Categorii

Advertising

Identificarea efectelor cauzale cu experimente

Chrissie Brodigan

3 mar 2016 · 6 min citit

„Nicio cauzalitate fara manipulare”. –Paul Holland

La GitHub, folosim frecvent modele de cercetare experimentala pentru a studia efectele noilor caracteristici si modele. Aceasta postare descrie cand si cum folosim experimentele si de ce sunt un instrument atat de puternic.

tl; dr: desenele experimentale sunt cele mai eficiente mijloace de stabilire a relatiilor cauzale, dar inferenta cauzala este dificila !

Pentru a discuta despre experimente controlate randomizate, in aceasta postare, vom folosi exemplul experimentului Golden Ticket . In Golden Ticket am inscris aproximativ 20.000 de utilizatori intr-un experiment pentru a studia efectele pe care le-a avut distribuirea depozitelor private gratuite intre oameni asupra activitatii lor GitHub.

Speram ca veti pleca sa aflati mai multe despre urmatoarele lucruri pe care le puteti aplica propriilor programe de cercetare:

  1. Cand se utilizeaza experimente.
  2. Cum sa se semneze subiectii tratamentului fata de grupurile de control.
  3. De ce este greu inferenta cauzala si modul in care repartizarea aleatorie a tratamentului rezolva problema.

    Array

Un experiment este un proiect de cercetare specializat in care cercetatorii studiaza o relatie manipuland direct valorile subiectilor pe variabila independenta si masoara modificarile ulterioare ale valorilor variabilei dependente.

Intr-un limbaj mai formal spunem ca cercetatorul controleaza atribuirea tratamentului, unde tratamentul este un anumit nivel al variabilei independente. (Experimentarea in stiintele sociale a fost in mare parte modelata pe studii clinice cu medicamente; prin urmare, toate tipurile de IV sunt denumite in mod obisnuit „tratamente”).

Studiile de cercetare empirica incep cu o ipoteza despre relatia dintre:

  • Variabila dependenta (DV) – rezultatul cheie al interesului.
  • Variabile independente (IV) –– ceilalti factori despre care se crede ca afecteaza variabila dependenta.

Variabilele pot fi orice caracteristica care poate fi masurata, direct sau indirect: trasaturi ale lumii fizice, comportamente umane, credinte, trasaturi socio-politice etc. Scopul unui experiment controlat este de a colecta date care sustin sau infirma relatia ipotetica. .

In experimentul Golden Ticket , variabila noastra dependenta a fost activitatea pe GitHub, iar variabila independenta a fost accesul la depozite private.

Experimentele controlate contin intotdeauna cel putin doua grupuri:

  1. Grupul (grupurile) de tratament primesc o versiune a tratamentului. La GitHub, tratamentul este de obicei o modificare a functiei, cum ar fi depozite gratuite, permisiuni de organizatie modificate sau interfata de navigare revizuita.
  2. Grupul de control nu primeste tratamentul; continua sa primeasca orice ar fi experienta lor tipica GitHub in absenta experimentului. Singura diferenta este ca le urmarim activitatea. Acest grup serveste ca baza de referinta fata de care putem masura diferentele de comportament intre grupul de tratament.

In cazul Biletului de Aur , au existat trei grupuri de tratament care au primit cupoane prin e-mail pentru 1, 3 sau 5 depozite private gratuite pe viata. Grupul de control nu a primit niciun cupon.

Alocam subiectii tratamentului sau controlului in mod aleatoriu. Facem acest lucru pentru a ne asigura ca nu exista o relatie sistematica intre daca un utilizator primeste tratamentul si orice alta caracteristica care le-ar putea afecta rezultatele. Randomizarea este critica pentru a trage concluzii despre efectele tratamentului.

Folosim experimente atunci cand vrem sa identificam efectul cauzal al unui tratament. Scopul nostru este sa aflam ce rezultate pot fi atribuite unui lucru pe care l-am facut si ce ne putem astepta daca il continuam sau il extindem (de exemplu, „genpop” o caracteristica experimentala).

In Golden Ticket , am vrut sa stim care ar fi efectul obtinerii de repo-uri private asupra comportamentului utilizatorilor nostri. Mai exact, am vrut sa stim:

A avea depozite private „determina” ca oamenii sa devina utilizatori mai activi ai GitHub?

Sa analizam acest lucru mai concret in ceea ce priveste un anumit utilizator.

Daca doamnei Monalisa Octocat, in prezent proprietarul unui cont GitHub inactiv, cu un nume de utilizator excelent ( @octocat ), i s-ar oferi depozite private, ar fi mai probabil sa devina activa pe GitHub?

Aceasta este o intrebare simpla, dar raspunsul nu este. Cauzalitatea este surprinzator de greu de identificat din datele non-experimentale. Fara un proiect solid de experiment care sa aiba un grup de control protejat, nu putem separa efectul tratamentului de diferentele subiacente dintre grupurile atribuite tratamentului si controlului. Un experiment controlat randomizat ne ofera o modalitate de a separa aceste lucruri, astfel incat sa putem identifica efectul tratamentului singuri.

Biasul de selectie este cauzat de o corelatie intre rezultatele potentiale si starea tratamentului. In exemplul nostru, variabila de rezultat, activitatea pe GitHub, este probabil sa fie corelata cu alegerea de a cumpara depozite private. Cu toate acestea, cat de puternica este corelatia si in ce directie se deplaseaza (utilizatorii GitHub mai activi doresc depozite private mai mult sau mai putin decat cei care imping codul mai putin frecvent?) Sunt necunoscuti, deci cuantificarea acestei tendinte este dificila.

Putem rezolva aceasta problema fortand corelatia dintre starea tratamentului si variabila rezultatului sa fie zero. Cel mai simplu mod de a face acest lucru este sa semnati aleatoriu starea tratamentului. Daca atribuirea tratamentului si rezultatele sunt necorelate, termenul de partinire a selectiei este egal cu 0 si ATT este o estimare * impartiala * a efectului mediu al tratamentului (ATE).

Acest lucru are avantajul suplimentar de a simplifica matematica necesara pentru analiza. Daca randomizarea are succes, grupurile de tratament si control vor fi egale pe toate caracteristicile masurabile, cu exceptia tratamentului. Acest lucru ne permite sa estimam ATE foarte simplu, luand doar diferenta in nivelul mediu de rezultat in grupurile de tratament si control.

Ne putem gandi la efectul cauzal al tratamentului ca la diferenta dintre ceea ce se intampla atunci cand tratamentul este aplicat si contrafactualul – ce s-ar fi intamplat daca tratamentul nu ar fi aplicat.

Experimentele controlate aleatoriu ne permit sa estimam efectele medii ale tratamentului simplu si eficient in moduri care nu sunt posibile cu datele observationale.

Pentru a recapitula cu cele trei puncte de invatare:

1. Cand folosim experimente:

Folosim experimente atunci cand vrem sa putem identifica in mod curat efectul cauzal al unui tratament.

2. Cum repartizam subiectii tratamentului fata de grupurile de control:

Alocam subiecti grupurilor de tratament si de control aleatoriu, pentru a rupe orice corelatie intre rezultate si starea tratamentului care ar aparea daca subiectii s-au auto-selectat in grupurile de tratament

3. De ce este greu inferenta cauzala si modul in care repartizarea aleatorie a tratamentului rezolva problema:

Lumea, chiar si mica parte din GitHub, este un loc dezordonat si este foarte dificil sa stabilim daca ceva ce am schimbat este cauza unei schimbari in altceva. Alocarea aleatorie creeaza grupuri de tratament si de control care sunt echilibrate in mod egal asupra tuturor lucrurilor pe care nu le putem controla, astfel incat sa putem atribui orice diferente intre cele doua grupuri singurului lucru care difera intre ele: daca au primit sau nu tratamentul.

Acest articol a fost scris ca un parteneriat. Cercetarea este mai buna atunci cand ajungi sa descoperi lucruri noi despre lume cu cineva care are o perspectiva diferita – cineva care este dispus sa te provoace. Sunt recunoscator oamenilor cu care am lucrat la GitHub. Eram o echipa mica, dar puternica.

Video Description:

Chrissie Brodigan3 mar 2016 · 6 min citit„Nicio cauzalitate fara manipulare”. –Paul HollandLa GitHub, folosim frecvent modele de cercetare experimentala pentru a studia efectele noilor caracteristici si modele. Aceasta postare descrie cand si cum folosim experimentele si de ce sunt un instrument atat de puternic.tl; dr: desenele experimentale sunt cele mai eficiente mijloace de stabilire a relatiilor cauzale, dar inferenta cauzala este dificila !Pentru a discuta despre experimente controlate randomizate, in aceasta postare, vom folosi exemplul experimentului Golden Ticket . In Golden Ticket am inscris aproximativ 20.000 de utilizatori intr-un experiment pentru a studia efectele pe care le-a avut distribuirea depozitelor private gratuite intre oameni asupra activitatii lor GitHub.Speram ca veti pleca sa aflati mai multe despre urmatoarele lucruri pe care le puteti aplica propriilor programe de cercetare:Cand se utilizeaza experimente.Cum sa se semneze subiectii tratamentului fata de grupurile de control.De ce este greu inferenta cauzala si modul in care repartizarea aleatorie a tratamentului rezolva problema. Array Un experiment este un proiect de cercetare specializat in care cercetatorii studiaza o relatie manipuland direct valorile subiectilor pe variabila independenta si masoara modificarile ulterioare ale valorilor variabilei dependente.Intr-un limbaj mai formal spunem ca cercetatorul controleaza atribuirea tratamentului, unde tratamentul este un anumit nivel al variabilei independente. (Experimentarea in stiintele sociale a fost in mare parte modelata pe studii clinice cu medicamente; prin urmare, toate tipurile de IV sunt denumite in mod obisnuit „tratamente”).Studiile de cercetare empirica incep cu o ipoteza despre relatia dintre:Variabila dependenta (DV) - rezultatul cheie al interesului.Variabile independente (IV) –– ceilalti factori despre care se crede ca afecteaza variabila dependenta.Variabilele pot fi orice caracteristica care poate fi masurata, direct sau indirect: trasaturi ale lumii fizice, comportamente umane, credinte, trasaturi socio-politice etc. Scopul unui experiment controlat este de a colecta date care sustin sau infirma relatia ipotetica. .In experimentul Golden Ticket , variabila noastra dependenta a fost activitatea pe GitHub, iar variabila independenta a fost accesul la depozite private. porno moche pen-island.com théâtre porno fapland.com porno perf genspring.de shemale porno us-exim.info film porno francais famille mberendes.filmsalesltd.com porno mayotte imexgroup.biz netflix porno academy-student.net femmes nues porno br2h.com porno jujufitcat umetech.biz kim kardashian porno drextec.com porno mere kopyrightliberationfront.net porno avec animaux www.oberpfalz-pages.de cheval porno oxfordtwo.com porno jupe ma-sa-to.com femme poilue porno n-c-h.com alpha porno rucrafts.us porno spy www.lakefrancesretreat.com porno latex aland.bookr.com porno 1080p weedchess.com actrices porno www.compliancebestpractices.com Experimentele controlate contin intotdeauna cel putin doua grupuri:Grupul (grupurile) de tratament primesc o versiune a tratamentului. La GitHub, tratamentul este de obicei o modificare a functiei, cum ar fi depozite gratuite, permisiuni de organizatie modificate sau interfata de navigare revizuita.Grupul de control nu primeste tratamentul; continua sa primeasca orice ar fi experienta lor tipica GitHub in absenta experimentului. Singura diferenta este ca le urmarim activitatea. Acest grup serveste ca baza de referinta fata de care putem masura diferentele de comportament intre grupul de tratament.In cazul Biletului de Aur , au existat trei grupuri de tratament care au primit cupoane prin e-mail pentru 1, 3 sau 5 depozite private gratuite pe viata. Grupul de control nu a primit niciun cupon.Alocam subiectii tratamentului sau controlului in mod aleatoriu. Facem acest lucru pentru a ne asigura ca nu exista o relatie sistematica intre daca un utilizator primeste tratamentul si orice alta caracteristica care le-ar putea afecta rezultatele. Randomizarea este critica pentru a trage concluzii despre efectele tratamentului.Folosim experimente atunci cand vrem sa identificam efectul cauzal al unui tratament. Scopul nostru este sa aflam ce rezultate pot fi atribuite unui lucru pe care l-am facut si ce ne putem astepta daca il continuam sau il extindem (de exemplu, „genpop” o caracteristica experimentala).In Golden Ticket , am vrut sa stim care ar fi efectul obtinerii de repo-uri private asupra comportamentului utilizatorilor nostri. Mai exact, am vrut sa stim:A avea depozite private „determina” ca oamenii sa devina utilizatori mai activi ai GitHub?Sa analizam acest lucru mai concret in ceea ce priveste un anumit utilizator.Daca doamnei Monalisa Octocat, in prezent proprietarul unui cont GitHub inactiv, cu un nume de utilizator excelent ( @octocat ), i s-ar oferi depozite private, ar fi mai probabil sa devina activa pe GitHub?Aceasta este o intrebare simpla, dar raspunsul nu este. Cauzalitatea este surprinzator de greu de identificat din datele non-experimentale. Fara un proiect solid de experiment care sa aiba un grup de control protejat, nu putem separa efectul tratamentului de diferentele subiacente dintre grupurile atribuite tratamentului si controlului. Un experiment controlat randomizat ne ofera o modalitate de a separa aceste lucruri, astfel incat sa putem identifica efectul tratamentului singuri.Biasul de selectie este cauzat de o corelatie intre rezultatele potentiale si starea tratamentului. In exemplul nostru, variabila de rezultat, activitatea pe GitHub, este probabil sa fie corelata cu alegerea de a cumpara depozite private. Cu toate acestea, cat de puternica este corelatia si in ce directie se deplaseaza (utilizatorii GitHub mai activi doresc depozite private mai mult sau mai putin decat cei care imping codul mai putin frecvent?) Sunt necunoscuti, deci cuantificarea acestei tendinte este dificila.Putem rezolva aceasta problema fortand corelatia dintre starea tratamentului si variabila rezultatului sa fie zero. Cel mai simplu mod de a face acest lucru este sa semnati aleatoriu starea tratamentului. Daca atribuirea tratamentului si rezultatele sunt necorelate, termenul de partinire a selectiei este egal cu 0 si ATT este o estimare * impartiala * a efectului mediu al tratamentului (ATE).Acest lucru are avantajul suplimentar de a simplifica matematica necesara pentru analiza. Daca randomizarea are succes, grupurile de tratament si control vor fi egale pe toate caracteristicile masurabile, cu exceptia tratamentului. Acest lucru ne permite sa estimam ATE foarte simplu, luand doar diferenta in nivelul mediu de rezultat in grupurile de tratament si control.Ne putem gandi la efectul cauzal al tratamentului ca la diferenta dintre ceea ce se intampla atunci cand tratamentul este aplicat si contrafactualul - ce s-ar fi intamplat daca tratamentul nu ar fi aplicat.Experimentele controlate aleatoriu ne permit sa estimam efectele medii ale tratamentului simplu si eficient in moduri care nu sunt posibile cu datele observationale.Pentru a recapitula cu cele trei puncte de invatare:1. Cand folosim experimente:Folosim experimente atunci cand vrem sa putem identifica in mod curat efectul cauzal al unui tratament.2. Cum repartizam subiectii tratamentului fata de grupurile de control:Alocam subiecti grupurilor de tratament si de control aleatoriu, pentru a rupe orice corelatie intre rezultate si starea tratamentului care ar aparea daca subiectii s-au auto-selectat in grupurile de tratament3. De ce este greu inferenta cauzala si modul in care repartizarea aleatorie a tratamentului rezolva problema:Lumea, chiar si mica parte din GitHub, este un loc dezordonat si este foarte dificil sa stabilim daca ceva ce am schimbat este cauza unei schimbari in altceva. Alocarea aleatorie creeaza grupuri de tratament si de control care sunt echilibrate in mod egal asupra tuturor lucrurilor pe care nu le putem controla, astfel incat sa putem atribui orice diferente intre cele doua grupuri singurului lucru care difera intre ele: daca au primit sau nu tratamentul.-Acest articol a fost scris ca un parteneriat. Cercetarea este mai buna atunci cand ajungi sa descoperi lucruri noi despre lume cu cineva care are o perspectiva diferita - cineva care este dispus sa te provoace. Sunt recunoscator oamenilor cu care am lucrat la GitHub. Eram o echipa mica, dar puternica.

Categorie:
Taguri:
Data adaugarii: