抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
データビンニングは,ビンへのグループ化観察とビンワイズ要約統計量の計算を含む。それは,オーバープロットとノイズに対処することができ,多くの観測を比較するための多目的ツールになる。しかし,同じ観測がビンニング(選択)と対照(選択分析)に使われたならば,データビンニングはアワリーになる。これは真円度を生成し,雑音成分をバイアスし,平均に向けて回帰の形でアーチファクト的変化をもたらす。重要なことに,これらのアーチファクト変化は統計的必要性である。ここでは,(ヌル)シミュレーションおよび経験的反復データを用いて,個体群受容野データの事後解析の範囲にこの欠陥を露出させた。そうすることで,データ解析,データ特性,および円形データクリーニングの型が,そのようなアーチファクト変化の出現を形成する因子であることを明らかにした。さらに,変化スコアの円形データクリーニングと円形ソーティングは,円形データビンニングなしでもアーチファクト変化をもたらす選択実践であることを強調した。これらの落とし穴は,以前の研究における個体群受容野の変化についての誤った主張をもたらし,選択目的のための独立データを用いて軽減できる。著者らの評価は,分析パイプライン標準実践の検証を,研究者にとって緊急性を強調する。グラフィカル抽象O_FIG O_LINKSMALLFIG WIDTH=200HEIGHT=116SRC=「FIGDIR/小/422942v3_ufig1.gif」ALT=「Figure1」>Viewe version(33K):org.highwire.dtl.DTLVardef@11c0c73org.highwire.dtl.DTLVardef@7583d3org.highwire.dtl.DTLVardef@121cf6dorg.highwire.dtl.DTLVardef@b9340d_HPS_FORMAT_FIGEXP M_FIG C_FIG HighlightsO_LICircularデータビンニングは,平均C_LIO_LIAnalysisタイプ,データ特性,および円形データ洗浄形状に対する回帰の形でアーチファクト的変化を生み出し,これらのアーチファクト変化C_LIO_LICircularデータクリーニングおよびソーティングは,円形データビンニングC_LIなしでもアーチファクト変化を生成する。【JST・京大機械翻訳】
