15:15 Aug 29, 2019 |
English to French translations [PRO] Medical - Medical: Pharmaceuticals / EMA/ANSM | |||||||
---|---|---|---|---|---|---|---|
|
| ||||||
| Selected response from: Veronique Parente Netherlands Local time: 22:38 | ||||||
Grading comment
|
Summary of answers provided | ||||
---|---|---|---|---|
4 +1 | valeurs manquantes aléatoires |
| ||
4 +1 | (Données) manquant de façon aléatoire |
| ||
2 | données manquantes de type MAR |
|
mar valeurs manquantes aléatoires Explanation: "Valeurs manquantes Classification Exemple : 2 variables Y = revenu, X = Age Aléatoires (Missing At Random = MAR) : probabilité qu’une donnée soit manquante dépend des valeurs des variables mesurées Probabilité que revenu soit récolté dépend de l’âge des répondants mais ne varie pas en fonction du revenu des répondants au sein des groupes d’âge MAR" VALEURS MANQUANTES http://homepages.ulb.ac.be › pdf-ppt › missing values |
| |
Login to enter a peer comment (or grade) |
mar (Données) manquant de façon aléatoire Explanation: notion un peu différente que "manquantes aléatoires". Il s'agit de la probabilité d’absence de la valeur d’une variable qui dépend des valeurs prises par d’autres variables observées. par ex, la note d'évaluation d'un patient à un second examen potentiel a plus de chances d'être manquante si ce patient a obtenu une bonne note à un premier examen (car plus de chances de ne pas devoir passer le 2e examen). un doc de l'institut stat de l'UNESCO explique assez bien cela : http://uis.unesco.org/sites/default/files/documents/measurin... |
| |
Login to enter a peer comment (or grade) |
mar données manquantes de type MAR Explanation: 2.1 Types de données manquantes Afin d’aborder correctement l’imputation des données manquantes il faut en distinguer les causes, surtout si elles ne sont pas le simple fruit du hasard. Une typologie a été développée par Little & Rubin (1987) [13], les répartissant en 3 catégories : MCAR (missing completely at random). Une donnée est MCAR, c’est-àdire manquante de façon complètement aléatoire si la probabilité d’absence est la même pour toutes les observations. Cette probabilité ne dépend donc que de paramètres extérieurs indépendants de cette variable. Par exemple : si chaque participant à un sondage décide de répondre à la question du revenu en lançant un dé et en refusant de répondre si la face 6 apparaît [1]. À noter que si la quantité de données MCAR n’est pas trop importante, ignorer les cas avec des données manquantes ne biaisera pas l’analyse. Une perte de précision dans les résultats est toutefois à prévoir. MAR (Missing at random). Le cas des données MCAR est peu courant. Il arrive lorsque les données ne manquent pas de façon complètement aléatoire; si la probabilité d’absence est liée à une ou plusieurs autres variables observées, on parle de missingness at random (MAR). Il existe des méthodes statistiques appropriées qui permettrons d’éviter de biaiser l’analyse (voir 4) MNAR (Missing not at random) La donnée est manquante de façon non aléatoire (MNAR) si la probabilité d’absence dépend de la variable en question. Un exemple répandu [1][9] est le cas où des personnes avec un revenu important refusent de le dévoiler. Les données MNAR induisent une perte de précision (inhérente à tout cas de données manquantes) mais aussi un biais qui nécessite le recours à une analyse de sensibilité. |
| |
Login to enter a peer comment (or grade) |
Login or register (free and only takes a few minutes) to participate in this question.
You will also have access to many other tools and opportunities designed for those who have language-related jobs (or are passionate about them). Participation is free and the site has a strict confidentiality policy.