【正文】 統(tǒng)計錯誤率是相一致的，有一個5%的概念在里面，這兒就不詳細介紹了。反正是否落在置信區(qū)間里否也可以用來判斷統(tǒng)計學上是有意義還是沒有意義）。落在里面我們就說是統(tǒng)計學上是沒有意義的也就是兩組數(shù)據(jù)的平均值是一樣。不落在里面我們就說是統(tǒng)計學上是有意義的也就是兩組數(shù)據(jù)的平均值不一樣。如圖十一所示：圖十一那為什么在樣本數(shù)據(jù)量為1000和 上萬上百萬的情況下結果會不一樣。這兒我們進一步要講的就是樣本數(shù)量和置信區(qū)間之間的關系了。隨著樣本數(shù)量的增加，樣本差值會和真實的總體數(shù)據(jù)差值接近（不一定就是0哦），同時不確定性會減小，置信區(qū)間會縮短，其實就是估計的差值越來越精準了。這種情況下，就算樣本差值是非常接近0的一個數(shù)（就是說我們都覺得兩組數(shù)據(jù)的平均值是一樣的了），但是由于置信區(qū)間的縮小，0仍舊會落在置信區(qū)間的外面（如圖十一，下部分2所示）。這樣一來，結果就會是統(tǒng)計學上是有意義的：兩組數(shù)據(jù)的平均值是不一樣的?，F(xiàn)有的統(tǒng)計方法運用在大數(shù)據(jù)時會帶來這樣的一種錯誤信息。這是因為現(xiàn)有的傳統(tǒng)統(tǒng)計方法是針對小數(shù)據(jù)的，在被提出的時候，還沒有面對過或想到數(shù)據(jù)量可以如此龐大。如何解決如何改進由于這樣的數(shù)據(jù)特性帶來的問題，我們還在研究的路上。羊群效應（herding effect）大數(shù)據(jù)時代，我們的社會已經在越來越多的把個人的觀點數(shù)字化，匯總化，并依賴于此做出決策（比如根據(jù)收集到的評分來進行產品或服務的推薦）。這一現(xiàn)象在醫(yī)療界也漸漸的變的普遍起來。好多輔助醫(yī)療應用軟件在移動平臺上都會有使用者的評分，人們會根據(jù)評分來選擇是否使用一下。某些醫(yī)療網絡平臺推出的服務，比如網絡問診，使用者也可以對提供服務的醫(yī)療人員進行滿意度的評分，進而影響他人決定是否選擇此醫(yī)療人員來進行問診咨詢。利用這種“眾人的智慧”的一個關鍵要求是個人意見的獨立性。然而，在現(xiàn)實的世界中，匯總收集的集體意見卻很少是由互不相干的獨立的個體意見所組成的。最近的實驗研究證明先前已經存在的收集到的意見會歪曲隨后個人的決策還有對質量及價值的認知。凸顯出了一個根本的差異既： 我們從集體意見感知到的價值和產品本身固有的價值之間的差異。產生這種差異的原因在于“羊群效應” 。羊群效應簡單的描述就是個體的從眾跟風心理和行為。羊群是一種很散亂的組織，平時在一起也是盲目地左沖右撞，但一旦有一只頭羊動起來，其他的羊也會不假思索地一哄而上，全然不顧前 面可能有狼或者不遠處有更好的草。因此，“羊群效應”就是比喻一種從眾效應，很容易導致盲從，而盲從往往會陷入認知偏差，決策偏差。IBM Watson 研究中心 (Wang amp。 Wang, 2014)使用大規(guī)?？v向的客戶評分數(shù)據(jù)集（亞馬遜的）并建立統(tǒng)計模型演示了評分和意見的產生不是獨立，均勻的過程，而是創(chuàng)建了一個環(huán)境進而影響以后評分或意見的產生。體現(xiàn)在這種社會化的客戶評分系統(tǒng)中的“羊群效應”具體表現(xiàn)為：高評分傾向于產生新的高評分同時抑制低評分的產生。接下來的問題就是：什么是真實的符合產品真正質量的評分如果我們能把“羊群效應”給剔除出去的話？ 應用IBM Watson 研究中心建立的統(tǒng)計模型能夠部分回答這個問題。他們對亞馬遜的四類產品數(shù)據(jù)（書籍，電子產品，電影電視，和音樂）進行了內在評分（剔出“羊群效應”）和外在（沒有剔出“羊群效應”）測試。所有四個類別，50％。這個差異，說明我們從集體評分中得來的感知和產品的真實價值之間存在著顯著的差異。再深一步，鑒于產品現(xiàn)在的評分，如果我們施加一定的人為操縱，“羊群效應”會如何影響今后的評分？這樣的預測分析對于很多領域都是相當有價值的，包括市場盈利估計，預算廣告和欺詐操縱檢測等。例如，在決定是否對以產品進行促銷活動之前，市場分析師可能希望估計由于推廣而出現(xiàn)的短期高評分對產品的長期影響。研究中心通過對兩類產品（電影電視，和音樂）插入50個人為5星級的評分，預測到雖然這兩種產品在受歡迎程度上遇到類似的短期高評分，從長遠來看，推廣對于電影及電視類產品有著更持久的影響（高評分消減的更慢）。這對于市場分析的決策提供了很有價值的情報。此類大數(shù)據(jù)中的“羊群效應”可以通過適當?shù)慕y(tǒng)計方法加以消除，利用，以產生更有價值的信息用于決策分析中。以上的各個例子充分說明了在大數(shù)據(jù)時代，雖然數(shù)據(jù)庫等操作建立需要專業(yè)計算機人才的貢獻，統(tǒng)計專業(yè)人員的參與也是必不可少的。數(shù)據(jù)的管理分析并不僅僅是提取，檢索，簡單匯總，總結。數(shù)據(jù)本身的復雜性，使得分析的過程中充滿了種種陷阱，誤區(qū)。沒有一定統(tǒng)計方面的理論知識結構，就會出現(xiàn)分析上的偏差，或者低效率的數(shù)據(jù)利用。在計算機算法的基礎上去學習認識數(shù)據(jù)統(tǒng)計的性質，把算法和統(tǒng)計分析結合起來是未來大數(shù)據(jù)分析的一個主要方向。結論和展望本文浮光掠影地講述了什么是大數(shù)據(jù)，有選擇性地描述了大數(shù)據(jù)的一些特性，醫(yī)療大數(shù)據(jù)及其在北美醫(yī)療系統(tǒng)中的現(xiàn)況，揭示了大數(shù)據(jù)分析將會對醫(yī)療衛(wèi)生保健領域帶來巨大的影響和沖擊。 大數(shù)據(jù)通過對臨床及其他數(shù)據(jù)存儲庫進行數(shù)據(jù)管理和分析獲得前所未有的洞察力并依此做出更明智的決策。在不久的將來，大數(shù)據(jù)分析的應用將會快速，廣泛的涌現(xiàn)在整個醫(yī)療保健機構和醫(yī)療保健行業(yè)。本文描述的數(shù)據(jù)管理框架，數(shù)據(jù)統(tǒng)計分析揭示了大數(shù)據(jù)的有效應用是一個系統(tǒng)性的工程，需要一系列專業(yè)技能來保證大數(shù)據(jù)分析的成功，包括：處理，整合，分析復雜的數(shù)據(jù)并能幫助客戶充分了解數(shù)據(jù)分析的結果。要做到這些 需要多方面的專業(yè)技能及特質，包括： 計算機科學/數(shù)據(jù)開發(fā)的專業(yè)技能：扎實的計算機科學基礎及運用能力，明了大數(shù)據(jù)的基礎框架設施。 分析和建模能力：在了解數(shù)據(jù)的基礎上迅速分析并建立有效的統(tǒng)計模型。這不僅需要扎實的統(tǒng)計學，還需要有敏銳的思考和洞察力。 好奇心和創(chuàng)意的思考能力：這需要對數(shù)據(jù)有著一種渴望激情，善于全面敏銳的思考并挖掘問題。一些機構尋找人才就是看誰能在討論數(shù)據(jù)時能夠靈光一現(xiàn)。 突出的交流能力：整合數(shù)據(jù)和結果的分析報告，能清晰明了的用非專業(yè)語言幫助客戶或公眾正確理解數(shù)據(jù)分析結果并做出決定。當然，我們很難找到一個人才具有以上所有技能，但通過團隊分工合作建立起高效的大數(shù)據(jù)小組是目前可行的方向。從而， 在這個大數(shù)據(jù)分析變得更加主流的時代，把握時機，脫穎而出或百尺竿頭，更進一步。25 /