Re: Perché questa è una dichiarazione statistica degna di nota? #1Sono d'accordo con questo esempio di cringeworthiness - classico fraintendimento dell'assenza di prove che non significa evidenza di assenza.Si prega di considerare il classico, ma meno semplice: "l'intervallo di confidenza al 95% varia da x a y, il che significa che sono sicuro al 95% che il vero effetto sia compreso tra x e y".Mi capita di credere che vada bene dirlo, anche se so che l'affermazione corretta è che "il 95% di tutti i campioni casuali costruiti in questo modo conterrà il vero effetto".Naturalmente, non sappiamo se il nostro campione è uno di quei 95% o uno del 5% che non contengono il vero effetto popolazione, e lo fa o non lo fa.Ma, dato l'unico campione che abbiamo, penso che il meglio che possiamo dire sia la prima affermazione citata, nonostante tecnicamente non sia corretta.
Mi piacerebbe sentire cosa pensano gli altri di questo esempio.Gli statistici amano sottolineare come questa interpretazione errata dell'intervallo di confidenza sia comune, mentre io posso capirla completamente.E confesso di dare agli studenti la libertà di interpretarlo erroneamente (anche se almeno faccio notare quale sia l'interpretazione corretta).Il problema con l'interpretazione corretta è che non ci lascia in grado di dire nulla sul campione che effettivamente abbiamo.
Re: Perché questa è una dichiarazione statistica degna di nota? #1Giocherò...Il mio preferito è in realtà abbastanza semplice...Utilizzare la frase "statisticamente significativa" applicata ovunque senza contesto. È interessante che se chiedi a qualcuno se è più probabile che creda a qualcosa quando la frase statisticamente significante si aggiunge che rispondono di sì senza sapere nulla dei confronti che si stanno facendo.
Re: Perché questa è una dichiarazione statistica degna di nota? #1Hey @P_Bartell !È bello sentirti!
Grazie per la risposta!!Metteremo queste idee nella mia (crescente) lista di affermazioni degne di nota e le riporteremo in post futuri!
Stai bene, amico mio!
Re: Perché questa è una dichiarazione statistica degna di nota? #1Grazie @statman !Altro buon foraggio per i post futuri.
Continua ad arrivare commenti!!
Re: Perché questa è una dichiarazione statistica degna di nota? #1+ Nessuna menzione di un assegno di normalità
Re: Perché questa è una dichiarazione statistica degna di nota? #1Per ampliare un po' la discussione - a me questo non sembra degno di nota fin dall'inizio. A mio parere può essere ancora una decisione valida. Ovviamente, come altri hanno già sottolineato, potrebbero mancare molte informazioni aggiuntive per fidarsi di quella decisione. Quindi ai miei occhi dipende dal contesto dell'affermazione e da chi l'ha messa. E quale sarebbe, a proposito, l'affermazione giusta con lo stesso numero di parole?
Inoltre, anche se a volte mi piacciono le discussioni sulla corretta formulazione - i termini sono importanti, non mi piace costruire un muro tra statistici e ingegneri di processo che non hanno una conoscenza così profonda delle statistiche. Ma questi ultimi conoscono i loro dati e processi. E come possiamo immaginare, ci sono molte cose che sono ancora più importanti sotto la nuda tavola dei numeri. Questo potrebbe essere l'ambiente del campionamento dei dati, nonché le conseguenze della decisione presa, come @P_Bartell già detto. Le decisioni devono ancora essere prese dagli esseri umani, non dalle macchine.
Re: Perché questa è una dichiarazione statistica degna di nota? #1Sono davvero affezionato a @Giorgio l'ultima frase nella sua risposta sopra. In qualità di statistico che lavora sulla commercializzazione di processi/prodotti o sui team di azioni correttive per oltre 20 anni nell'industria, spesso dicevo agli ingegneri, agli scienziati e ai manager con cui ho lavorato: "Il giorno in cui mi hai permesso, uno statistico, di dirti come gestire il tuo processi è il giorno in cui inizia la tua strada verso la rovina. Ti sei dimenticato dei tuoi processi/prodotti più di quanto potrò mai sapere."
O come ha scritto Walter Shewhart (parafrasato da me): "Il contributo a lungo termine delle statistiche dipende non tanto dalla creazione di un gruppo di statistici quanto dalla creazione di un gruppo di ingegneri, scienziati, personale di produzione e altri con una mentalità statistica".
Re: Perché questa è una dichiarazione statistica degna di nota? #1Oltre ad altri problemi citati nei post precedenti,
1) Quando si verifica l'equivalenza dei mezzi, la parzialità del test deve essere specificata a priori. Se non diversamente indicato, il test per l'equivalenza media di solito implica un test a 2 code, nel qual caso alfa, la probabilità di errore di tipo I del 5%, è la somma dell'area nelle code superiore e inferiore della distribuzione nulla. In quasi tutti i casi, questa probabilità è divisa equamente, quindi l'area della coda a cui confrontare il valore p dovrebbe essere alfa/2, che è 0,025, non 0,05.
** EDIT: JMP si occupa di questo per te raddoppiando la coda che ha trovato usando la statistica critica, ma se lo facessi "a mano", finiresti per rifiutare per un'area a coda singola < 0,025.
2) "Il 95% di fiducia nei risultati" è degno di nota perché fraintende l'idea principale alla base di un test di ipotesi. Puoi essere sicuro al 100% che, nell'eseguire un test di ipotesi al livello di significatività 0,05, avrai impiegato una determinata procedura (se hai fatto le cose correttamente). Quando le medie delle 2 distribuzioni sono effettivamente le stesse, a lungo termine (e assumendo che tutte le ipotesi siano valide), il 5% delle volte quella procedura produrrà una statistica di test che si tradurrà in una conclusione di medie diverse, a causa della variabilità del campionamento.
3) Ci sono solo 2 possibili conclusioni per un test di ipotesi di questa natura: 1) "I dati del campione forniscono prove (convincenti) che l'ipotesi nulla è falsa" e 2) "I dati del campione non forniscono prove convincenti che l'ipotesi nulla è falso". Particolarmente assente è l'affermazione "Sulla base dei dati del campione concludiamo che l'ipotesi nulla è vera". Generalmente quando vuoi dimostrare qualcosa, inquadri ciò che stai cercando di dimostrare come ipotesi alternativa, sperando che i dati supportino il rifiuto del nulla a favore dell'alternativa. Se il ricercatore sta cercando di dimostrare l'equivalenza nei mezzi, allora due test unilaterali sarebbero più appropriati.
4) Altri ne hanno parlato, ma vale la pena ripeterlo: significatività statistica e significatività pratica non devono necessariamente essere, e di solito non sono, la stessa cosa. Il significato pratico dovrebbe essere discusso e concordato dal quadrato uno, se non dal quadrato zero.
@dale_lehman menziona che "Il problema con l'interpretazione corretta è che non ci lascia in grado di dire nulla sul campione che effettivamente abbiamo".Non sarò d'accordo, ma so dove sta andando con questo. Ogni tecnica statistica ha una domanda particolare a cui è destinata a rispondere. In particolare nel caso di un'ipotesi nulla che i dati non sono riusciti a rifiutare, uno dei problemi principali che i non statistici (e gli statistici bayesiani, del resto) hanno con i test di ipotesi frequentista è che un p-value risponde a una domanda che è un domanda innaturale da porsi, vale a dire: "Sotto l'ipotesi nulla, qual è la probabilità che io osservi risultati estremi come, o anche più estremi, dei risultati che ho effettivamente osservato?". I bayesiani diranno che i loro metodi rispondono a domande più naturali, ma le tecniche bayesiane hanno i loro problemi: non esiste una panacea. Non c'è alcun sostituto per capire quali tecniche sono meglio attrezzate per rispondere a determinate domande e scegliere una tecnica che si adatta bene alla domanda a cui stai cercando di rispondere. Il recente (ish) contraccolpo contro il p-value, specialmente nell'arena della ricerca medica, mi colpisce un po' come un contraccolpo contro le forcelle quando vengono usate come bende per gli occhi. Un p-value è uno strumento, come un altro. Usalo nel modo giusto, per il lavoro giusto, e starai bene... usalo nel modo sbagliato e "ti spaccherai l'occhio!".
Re: Perché questa è una dichiarazione statistica degna di nota? #1Non penso che il mio esempio abbia davvero nulla a che fare con l'analisi bayesiana vs frequentista o i valori p (almeno direttamente).Hai ragione, ovviamente, che dire che sono sicuro al 95% che il vero valore mi piace in questo intervallo di confidenza al 95% non è corretto: la fiducia è nella procedura, non in un particolare intervallo di confidenza.Il vero valore è o non è in quel particolare intervallo.
Ma il mio punto è che il 95% è la migliore stima che posso dare se il mio intervallo in particolare è o meno uno del 95% di "buoni" che contiene il valore vero o uno del 5% che darebbe quello sbagliato conclusione.Potresti trovare imbarazzante l'interpretazione sbagliata, ma io no.In effetti, trovo l'interpretazione corretta un po' imbarazzante, in quanto sono un mucchio di parole che fanno lacrimare gli occhi alla maggior parte delle persone.E, penso che contribuisca alla pratica di gran lunga peggiore (e più vergognosa) di ignorare del tutto l'incertezza e trattare la stima puntuale come il vero valore.
Re: Perché questa è una dichiarazione statistica degna di nota? #1Da dove comincio? Dimensione del campione (nessuna dichiarata... potrebbe essere troppo piccola per dare al segnale la possibilità di superare il rumore)? Qual è il rischio alfa scelto ('... 95% fiducioso nei risultati...' è un'affermazione priva di significato rispetto al rischio alfa. Che cosa significa anche questa affermazione)? Qual è l'ipotesi nulla (nessuna dichiarata)? Qual è l'errore di misurazione (noto o addirittura ipotizzato)? Qual era il piano di campionamento (casuale, di convenienza, primo/ultimo della linea, stratificato o altro)? Qual è il rischio di rappresentazione... non solo il rischio statistico? E ancora e ancora.
Perché questa è una dichiarazione statistica degna di nota? #1Inizierò alcuni thread di discussione nelle prossime settimane e invito tutti gli utenti JMP a suonare
dentro con i loro pensieri.Queste discussioni ruoteranno attorno a "Dichiarazioni statistiche degne di nota".
Si prega di considerare di contribuire.Dopo pochi giorni, Riassumerò i pensieri in un post sul blog , e introdurre un'altra dichiarazione degna di nota !
Ecco la dichiarazione degna di nota n. 1:
Eseguiamo un t-test per confrontare le medie di due popolazioni.Vogliamo il 95% di fiducia nei risultati.Eseguiamo il test e il valore p torna a 0,63.Facciamo la dichiarazione" Poiché p non è inferiore a 0,05, concludiamo che non vi è alcuna differenza nelle medie di queste popolazioni. "
Perché questa affermazione fa rabbrividire????
AnalisiRe: Perché questa è una dichiarazione statistica degna di nota? #1Non chiamerei l'interpretazione: "Sono sicuro al 95% che la differenza media del campione non sia inferiore a CI inferiore e non superiore a CI superiore" di per sé "sbagliata", infatti penso che sia un modo perfettamente appropriato di esprimerlo che è "corretto" e facilmente formulabile, ma direi che l'interpretazione è solo "comunemente fraintesa" @dale_lehman come fai notare.
Come @giuliano dice in Processo decisionale con i dati (STIPS) - Sezione 4.1 Stima {e puoi ottenerlo dalla trascrizione in cui ho catturato lo schermo del riferimento del modulo appropriato di seguito intitolato " Demo: Comprensione del livello di fiducia e del rischio alfa "}
"Faremo clic su Reimposta campioni, modificheremo il numero di campioni in 100 e faremo clic su Disegna campioni aggiuntivi. Mentre continuiamo a disegnare campioni, nota che la media dei campioni è vicina alla media vera. Si noti inoltre che quasi il 95% degli intervalli di confidenza contiene il vero valore medio del QI e circa il 5% degli intervalli di confidenza non include la vera media."
"Questo è ciò che intendiamo con il termine "fiducia". In media , per un 95% di fiducia intervallo, 9 Il 5% delle volte in cui viene utilizzato questo metodo di intervallo, l'intervallo acquisisce il vero valore del parametro ."
Naturalmente, l'inferenza è sulla popolazione, ma si basa sui dati del campione. Questo è ciò che facciamo quando facciamo statistiche inferenziali in generale. L'intera impresa consiste nel fare inferenze sulla popolazione sulla base dei dati del campione che abbiamo. Di nuovo, nello stesso Processo decisionale con i dati Modulo 4, Guarda la Sezione 4.1 Introduzione all'inferenza statistica .Qui, @mia_stephens ne parla in modo chiaro, preciso e diretto.
Re: Perché questa è una dichiarazione statistica degna di nota? #1Per me semplicemente non riflette un livello di comprensione adeguato, ma almeno è più o meno la "corretta interpretazione".
Alcune persone hanno discusso di qualcosa sulla falsariga di quello che mi piace chiamare il "metodo del valore p" e il "metodo dell'intervallo di confidenza" per eseguire un test T.Mi piace pensare a questi due modi di analisi come all'in-essenza la stessa cosa e proporrò qui (e non esitate a non essere d'accordo con me) che in realtà sono, modi diversi (di esprimere matematicamente) la stessa cosa .JMP è molto intelligente nel darti la presentazione statistica in entrambi i modi nella maggior parte dei casi, e mi piace davvero! L'interpretazione che utilizza intervalli di confidenza (nel contesto del T-test semplice, test di non inferiorità, equivalenza e test di superiorità) è sempre stata più interpretabile per me.
Un mio caro amico mi ha dato un bel riferimento da manuale che penso parli di questo:
Bluman, Elementary Statistics (7a edizione), 2015
