Vea cómo:
- Mire diagramas de caja y estadísticas, como propuso originalmente Mary Eleanor Spear como una forma de presentar información sobre poblaciones de personas.
- Use la prueba t de Student, tal como la presentó por primera vez Sealy Gosset, para determinar si una media es diferente de un objetivo o si dos medias son estadísticamente iguales, por ejemplo, si las muestras de granos de diferentes lotes tienen el mismo contenido de proteína (aceptable) que un valor objetivo
- Realice un análisis exploratorio de datos (EDA), según lo codificado y perfeccionado por John Tukey, para buscar datos que tengan relaciones potenciales y examinar algunas estadísticas que ayuden a comprender las relaciones.
Barley Box PlotBarley Box PlotDiagrama de caja de cebada
Petal Length vs WidthPetal Length vs WidthLongitud del pétalo frente a ancho
Recursos
Hola Comunidad de usuarios de JMP
gracias a @gail_massari , @MikeD_Anderson por organizar la sesión Mastering JMP del 15 de octubre de 2021, Producción e Interpretación Básica Estadísticas .
¡La función de diagramas de caja "con muescas" que demostró, disponible en el generador de gráficos al hacer clic con el botón derecho, es una función súper genial (y útil)!
Durante la sesión, surgieron varias preguntas sobre la prueba de hipótesis y la interpretación correcta/significativa de los valores p en el contexto de la prueba de hipótesis.Para empezar, quería señalar que la prueba de hipótesis es un marco prescriptivo normativo para decisiones óptimas bajo incertidumbre, basado en una instanciación de la navaja de Occam (haga clic en los enlaces que cito a continuación).El error de muestreo es la explicación más simple (la más parsimoniosa) para explicar la falta de efecto del tratamiento (la situación en la que nos encontramos bajo la hipótesis nula), donde el error de muestreo es siempre presente - esta es solo la variación inherente que obtenemos al tomar muestras repetidas de una población.
Un valor p es simplemente la proporción del área en una distribución bajo la hipótesis nula, donde esa proporción (área cubierta) es solo una probabilidad.
Formalmente, en el marco de la prueba de hipótesis, un valor p es la probabilidad de obtener una estadística (o más extrema) si la hipótesis nula es verdadera .
Si la probabilidad es "baja", entonces tenemos motivos para rechazar la hipótesis nula.
Si la probabilidad es "Alta", entonces no tenemos motivos para rechazar la hipótesis nula.
q ¿Qué determina si la probabilidad es "Alta" o "Baja"?A. Los criterios que establecemos, normalmente antes ejecutando un experimento.
¿Cuál es ese criterio?Ese criterio es simplemente un valor límite, en el que decidimos cuál debería ser ese límite y dónde ese límite se establece habitualmente en = 0.05 (o 5% como regla general).
¿Cómo llamamos a este criterio? Formalmente, este corte se llama "alfa" (α), también conocido como nuestro "estándar de evidencia".
Si p es < α, entonces rechazamos la hipótesis nula.
Si p es ≥ α, entonces no rechazamos la hipótesis nula.
¡La hipótesis nula nunca se acepta!¿Por qué? La falta de evidencia de un efecto en un experimento particular (en otras palabras, p ≥ α) de ninguna manera sirve como evidencia de que el efecto está ausente en la población.En Ciencia o Experimentación Industrial "seguimos buscando".Especialmente si nuestro tamaño de muestra es pequeño y/o descubrimos que nuestros resultados experimentales no se pueden replicar.En Estadística, generalmente consideramos una declaración de rechazo sobre la evidencia nula (p < α) mucho más "fuerte" que una declaración de no rechazo (p es ≥ α).Una decisión de "no rechazar la hipótesis nula" es, en efecto, una decisión de "no encontramos nada".No prueba que no haya nada ahí fuera.Si asumiéramos que sí, entonces no estaríamos haciendo ciencia o experimentación industrial (la vida sería muy aburrida).
Julián Parris ( @Julian ) proporciona un tratamiento sobresaliente sobre la lógica y marco de la prueba de hipótesis en su curso de estadística impulsado por JMP (2015) Métodos significativamente estadísticos ,
Las pruebas de hipótesis y los valores de p también están muy bien cubiertos en el JMP. PUNTAS módulo: Toma de decisiones con datos , disponible en el Entorno de Aprendizaje Virtual de SAS (y de forma gratuita con el registro de un nombre de usuario y contraseña de SAS).
Ver Sección 4.2 Fundamentos en Pruebas Estadísticas ( "Comprensión de la hipótesis nula y alternativa", y "El valor p y la significación estadística" )
¡Espero que esto sea útil!
@patrickgiuliano
