不要成為另一個假定值的受害者

在前麵的文章中,我準備你假設檢驗以及我們如何被迫選擇最小化I型和II型錯誤。世界上的零假設戀物癖,假定值(p)是最受尊崇的數字。它也可能是最不理解。

假定值的概率,假設零假設是正確的,獲得測試數據至少一樣極端的一個示例數據的計算。英文:多小的概率是我們得到這個答案,或一個更極端的,如果零事實上是真的嗎?

如果p是高,有很高的可能性獲得說結果當零是真的,所以我們將選擇不拒絕零假設。亦然,如果p是足夠小,零假設的概率實在是夠最小拒絕零,接受備擇假設。

導致百萬美元的問題:什麼是足夠小到足以讓拒絕零假設?

生物學家已經定居在一個可接受的閾值p = 0.05。在人類說話,如果我們的測試統計的概率(如果零假設是真的)小於5%我們在拒絕它感到很滿意,認為備擇假設是正確的。在其他學術圈,假定值的0.10可以接受,或p 0.01可能堅持。

我坐在研究員,許多在大會上做演講,譴責他們p = 0.06結果,聲稱這是“幾乎顯著”。也許是人類的本性,一旦我們在沙地上畫了一條線我們相信它是永久性的。但5%是任意的,零假設測試的一個問題在於,這種創造是/否二分法不允許自然世界的模糊邊緣。羅納德先生費舍爾,零假設測試的族長,認為固定意義水平過於嚴格,研究人員應該使用一個顯著性水平適合他們的研究。你應該發現自己的情況下假定值為0.06,把你的常識的帽子,問,如果5%重要,為什麼不是6% ?

在本文的開始我聲稱假定值是誤解。讓我們考慮假定值不是。

假定值不是一個給定的概率結果是由於機會

相反,它表明長期概率得到這樣的結果,或一個更極端的,如果零假設是正確的和我們把多個樣本。

假定值不是零假設的概率是真的,考慮到數據

這看起來可能語義,但它確實是有意義的。如果您熟悉條件概率(例如P (A | B)),一個的概率,給出B已經發生)你可以這樣設想:

也就是說,數據的概率,給出零假設是正確的,不一樣的零假設是正確數據。事實上,沒有進入貝葉斯概率分析我們不能指定一個零假設是正確的。我們隻是抽樣從我們的數據集,它允許我們將概率分配給數據。零假設是相同的在我們抽樣,這意味著我們不能計算概率相關。

我希望這已經澄清了一些假定值的細節給你。請隨時留言與任何問題或擔憂。