Scopri come:
- Guarda i box plot e le statistiche, come originariamente proposto da Mary Eleanor Spear come un modo per presentare informazioni sulle popolazioni di persone
- Utilizzare il test t di Student, presentato per la prima volta da Sealy Gosset, per determinare se una media è diversa da un obiettivo o se due medie sono statisticamente identiche, ad esempio, se campioni di cereali provenienti da lotti diversi hanno lo stesso contenuto proteico (accettabile) di un valore obiettivo
- Eseguire l'analisi esplorativa dei dati (EDA), codificata e perfezionata da John Tukey, per esaminare i dati che hanno potenziali relazioni ed esaminare alcune statistiche che aiutano a comprendere le relazioni
Barley Box PlotBarley Box PlotGrafico della scatola dell'orzo
Petal Length vs WidthPetal Length vs WidthLunghezza del petalo rispetto alla larghezza
Risorse
Ciao Comunità di utenti JMP
Grazie a @gail_massari , @MikeD_Anderson per aver ospitato la sessione Mastering JMP del 15 ottobre 2021, Produzione e interpretazione di base Statistiche .
La funzione Box Plot "dentellata" di cui hai mostrato la demo, disponibile nel generatore di grafici facendo clic con il pulsante destro del mouse, è una funzione super interessante (e utile)!
Durante la sessione sono emerse diverse domande sulla verifica delle ipotesi e sull'interpretazione corretta/significativa dei valori p nel contesto della verifica delle ipotesi.Per cominciare, volevo affermare che il test delle ipotesi è un quadro normativo prescrittivo per decisioni ottimali in condizioni di incertezza, basato su un'istanza del rasoio di Occam (clicca sui collegamenti che cito di seguito).L’errore di campionamento è la spiegazione più semplice (la più parsimoniosa) per spiegare l’assenza di effetto del trattamento (la situazione in cui ci troviamo sotto l’ipotesi nulla), dove l’errore di campionamento è sempre presente - questa è solo la variazione intrinseca che otteniamo quando preleviamo campioni ripetuti da una popolazione.
Un valore p è semplicemente la proporzione dell'area in una distribuzione sotto l'ipotesi nulla, dove tale proporzione (area coperta) è solo una probabilità.
Formalmente, nel quadro della verifica delle ipotesi, un valore p è la probabilità di ottenere una statistica (o più estrema) se l’ipotesi nulla è vera .
Se la probabilità è "Bassa" allora abbiamo motivo di rifiutare l'ipotesi nulla.
Se la probabilità è "Alta" allora non abbiamo motivo di rifiutare l'ipotesi nulla.
Q. Cosa determina se la probabilità è "alta" o "bassa"?UN. I criteri che stabiliamo noi, di solito Prima eseguendo un esperimento.
Qual è questo criterio?Questo criterio è semplicemente un valore limite, in cui decidiamo quale dovrebbe essere tale limite e dove tale limite è solitamente fissato a = 0,05 (o 5% come regola empirica generale).
Come chiamiamo questo criterio? Formalmente questo limite è chiamato "alfa" (α), altrimenti noto come il nostro "standard di prova".
Se p è < α, allora rifiutiamo l'ipotesi nulla.
Se p è ≥ α, allora non rifiutiamo l'ipotesi nulla.
L’ipotesi nulla non viene mai accettata!Perché? La mancanza di prove di un effetto in un particolare esperimento (in altre parole, p ≥ α) non serve in alcun modo come prova che l’effetto sia assente nella popolazione.Nella Scienza o nella Sperimentazione Industriale “continuiamo a cercare”.Particolarmente se la dimensione del nostro campione è piccola e/o scopriamo che i nostri risultati sperimentali non possono essere replicati.In Statistica, siamo soliti considerare un'affermazione di rifiuto sull'evidenza nulla (p < α) molto più "forte" di un'affermazione di non rifiuto (p è ≥ α).Una decisione "non rifiutare l'ipotesi nulla" è in effetti una decisione "non abbiamo trovato nulla".Ciò non prova che non ci sia nulla là fuori.Se lo supponessimo, non faremmo scienza o sperimentazione industriale (la vita sarebbe molto noiosa).
Giuliano Parris ( @giuliano ) fornisce un trattamento eccezionale su logica e quadro della verifica delle ipotesi nel suo corso di statistica basato su JMP (2015). Metodi significativamente statistici ,
Anche la verifica delle ipotesi e i valori p sono trattati molto bene nel JMP PUNTI modulo: Processo decisionale con i dati , disponibile nel SAS Virtual Learning Environment (e gratuito con la registrazione di nome utente e password SAS).
Vedere Sezione 4.2 Fondamenti nei test statistici ( "Comprendere l'ipotesi nulla e alternativa", E "Il valore p e la significatività statistica" )
Spero che questo sia utile!
@PatrickGiuliano
