使用 tfprobability 对审查数据进行建模

没有什么是完美的，数据也不是。一种“不完美”是缺失数据，即某些特征对于某些主题是未观察到的。（另一篇文章的主题。）另一种是删失数据，即我们想要测量其特征的事件未在观察间隔内发生。Richard McElreath 的《Statistical Rethinking》中的例子是动物收容所收养猫的时间。如果我们固定一个间隔并观察那些确实被收养的猫的等待时间，我们的估计最终会过于乐观：我们没有考虑那些在这个间隔内没有被收养的猫，因此，等待时间会比整个间隔更长。

缺失数据 审查数据 统计学再思考 做了

在这篇文章中，我们使用了一个稍微不那么情绪化的例子，但可能很有趣，尤其是对 R 包开发人员来说：完成 R CMD 检查的时间，从 CRAN 收集并由 parsnip 包作为 check_times 提供。这里，审查部分是那些由于某种原因而出错的检查，即检查未完成的检查。

R CMD 检查 parsnip check_times

我们为什么关心审查部分？在猫收养场景中，这非常明显：我们希望能够对任何未知的猫进行现实的估计，而不仅仅是那些最终“幸运”的猫。 check_times 怎么样？好吧，如果您的提交是那些出错的提交之一，您仍然会关心等待的时间，因此即使它们的百分比很低（<1%），我们也不想简单地排除它们。此外，由于两组之间存在一些内在差异，如果失败的提交运行完成，则可能需要更长的时间。相反，如果失败是随机的，则运行时间较长的检查更有可能出现错误。因此，在这里，排除审查数据也可能导致偏差。

check_times 最大熵分布 至少一样长

让我们看看实际效果。

数据

状态