숨은 변수가 얼마나 강해야 관찰된 효과를 지울 수 있을까?
E-value는 관찰연구의 결과를 설명해 없애려면 측정하지 못한 교란이 노출·결과와 얼마나 강하게 연관돼야 하는지 위험비 척도로 묻습니다.
Sensitivity Analysis in Observational Research: Introducing the E-Value
개별 글보다 주제 전체를 따라 읽고 싶다면 대표 글과 연관 자료를 함께 보세요.
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
E-value는 관찰연구의 결과를 설명해 없애려면 측정하지 못한 교란이 노출·결과와 얼마나 강하게 연관돼야 하는지 위험비 척도로 묻습니다.
Sensitivity Analysis in Observational Research: Introducing the E-Value
호프라게와 동료들은 조건부확률을 퍼센트로만 제시하는 방식과 실제 사람 수처럼 자연 빈도로 제시하는 방식을 비교합니다. 표현 형식이 단순한 문제뿐 아니라 여러 단서가 있는 복잡한 베이즈 추론의 성과에도 영향을 주는지 실험했습니다.
자연 빈도는 단순·복합 추론 과제에서 베이즈 추론을 향상한다 — Natural frequencies improve Bayesian reasoning in simple and complex inference tasks
유의하지 않은 결과와 실질적으로 작은 효과를 구분하는 동등성 검정을 살펴봅니다. 효과의 신뢰구간과 의미 있는 최소 경계를 바꾸어 결론을 비교하세요.
Equivalence Tests: A Practical Primer for t Tests, Correlations, and Meta-Analyses
자료를 본 뒤 자연스럽게 내린 선택들이 결합하면 보이지 않는 다중 비교가 생길 수 있습니다. 분석 선택지를 켜고 끄며 가능한 경로 수를 확인하세요.
The Garden of Forking Paths: Why Multiple Comparisons Can Be a Problem, Even When There Is No “Fishing Expedition” or “p-Hacking” and the Research Hypothesis Was Posited Ahead of Time
보정용 오차 자료로 예측 구간을 만드는 컨포멀 예측(보정 자료로 오차 범위를 정하는 방법)의 입구를 살펴봅니다. 포함률 목표를 바꾸며 구간의 폭을 직접 비교하세요.
A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
16–20 / 75편