Wir haben alle schon mal gehört, wie jemand etwas sagt, das nicht „richtig“ ist. Manchmal lassen Sie es einfach los, entweder weil es nicht wichtig genug ist, um es herauszufordern, oder Sie möchten keinen Konflikt mit dem Sprecher verursachen.
Dies ist die zweite Fortsetzung der Blogserie "cringeworthy Statistics". Im Allgemeinen funktioniert es so: Zuerst poste ich eine Art Statistik-bezogene Frage in a JMP Gemeinschaft Diskussionen Faden. Community-Benutzer werden ermutigt, zu antworten. Nach ungefähr einer Woche gebe ich in einem Blog-Beitrag wie diesem meine Meinung dazu, was an der Aussage nicht stimmt.
Hier finden Sie eine Tabelle mit aktuellen Diskussionsthemen und Blogbeiträgen. Vielen Dank an diejenigen, die auf jeden Diskussionsbeitrag antworten (und/oder Kommentare zum Blog hinzufügen!)
Diskussion Thema Thema Blogbeitrag Personen, die auf die Diskussion geantwortet haben (oder im Blog kommentiert haben) #1: Fehlinterpretation des p-Wertes Gefahren der Fehlinterpretation von p-Werten @dale_lehman , @P_Bartell , @statman , @ich h , @Georg , @brady_brady #2: Zu viel Wert auf statistische Signifikanz Dieser Blogbeitrag @P_Bartell , , Craige_Hales , @ich h , #3: Messwerte melden Kommt bald! Bitte posten Sie Ihre Kommentare im Bereich Diskussionen. Fühlen Sie sich auch frei, selbst erschreckende statistische Aussagen beizutragen!Werfen wir also einen Blick auf die zweite abscheuliche Aussage, die ich gepostet habe...
Meine Meinung zu Cringeworthy #2Erinnern Sie sich in unserem Szenario daran, dass eine Studie durchgeführt wurde, um herauszufinden, warum der Ertrag in einem Produktionsprozess gesunken ist. Ein t-Test wurde durchgeführt, um Unterschiede zwischen den Unterbaugruppen zweier Lieferanten zu untersuchen. Tatsächlich zeigte der t-Test einen sehr niedrigen p-Wert, was ein hohes Vertrauen auf einen Unterschied in den Mittelwerten der Teile der beiden Lieferanten ergibt.
Der Teammanager wollte über die Tatsache hinwegspringen, dass der p-Wert klein war. Er wollte sofort eine Studie darüber starten, warum die beiden Bevölkerungsmittelwerte unterschiedlich waren. (Vielleicht hatte ihn die Erfahrung aus der Vergangenheit getrieben, dass ein Unterschied zwischen diesen Anbietern einmal ein Problem verursacht hatte.) Aber was der Manager nicht erwähnte, war, ob der Unterschied "praktisch wichtig" war.
Meiner Erfahrung nach verwechseln die Leute oft "statistische Bedeutung" mit "praktischer Bedeutung".
Statistische Signifikanz ist einfach eine mathematische Aussage, die besagt, dass wir bei einem gewissen Vertrauensniveau einen gewissen Unterschied in den Mittelwerten der beiden Populationen feststellen können. Das ist schön, sagt aber nichts darüber aus, ob uns dieser Unterschied wichtig ist. Die praktische Bedeutung basiert auf Ihrem Urteilsvermögen, Ihrer Erfahrung und Ihrer Weisheit. Vielleicht erkennt der statistische Test einen Unterschied von 0,1 Einheiten zwischen den beiden Behandlungen. Ist ein Unterschied von 0,1 für Ihre Anwendung wichtig? Wenn nicht, wäre es vielleicht besser, Ressourcen dafür aufzuwenden, die Ursache dieses Unterschieds zu finden, um nach anderen Quellen zu suchen, die zu einem schlechten Ertrag führen könnten.Vielleicht ist es bedauerlich, dass der Begriff "Bedeutung" in der englischen Sprache als "Bedeutung" interpretiert werden kann. Ich kenne kein besseres Wort als Bedeutung, aber es kann für manche Leute irreführend sein.
Moral dieser Geschichte: Stellen Sie sicher, dass Sie den Unterschied zwischen statistischer Signifikanz und praktischer Bedeutung verstehen, wenn Sie statistische Analyseergebnisse interpretieren!
Jetzt komm bitte vorbei zu Abscheuliche Diskussion #3 !
Ich kenne viele Leute, die Ihre Erklärung von statistisch signifikanter vs. praktischer Bedeutung genießen werden.Vor einigen Jahren teilte die FDA Ihre Weisheit nicht und ein ganzer Abschnitt eines BLA musste neu geschrieben werden. Die Überarbeitung des FDA-Gutachtens dauerte ein Jahr.
Obwohl jemand argumentieren könnte, dass ein Jahr trivial ist, wenn wir an die Zeit auf der menschlichen Evolutionsskala denken. Ich denke, es war praktisch nicht signifikant.
Lol Danke @DirtyDataCoLLC !
Ich habe auch von gehört @Craige_Hales , der gesendet hat dieser Link zum selben Diskussionsthema.Darin empfiehlt der Autor wegen der irreführenden Implikationen von SS „Erkennbarer Unterschied“ statt „Statistische Signifikanz“.Macht für mich sehr viel Sinn!
Ich verwende jetzt den erkennbaren Unterschied und die praktische Bedeutung. Es fühlt sich besser an. Hoffentlich werden andere folgen. Sie haben Recht. Das ist ein Englische Sprache Problem. Synonyme für signifikant sind wichtig, entscheidend, kritisch, bedeutungsvoll, kritisch, ernst und lebenswichtig. Der Missbrauch des Begriffs macht also Sinn.
Wie bringen wir einen bedeutenden Prozentsatz der Bevölkerung dazu, einen angemesseneren Ausdruck, eine Äußerung, einen Begriff oder ein Wort zu verwenden?
Ich bin nicht so gut mit Worten. Ich werde Zahlen kleben. Ich habe viel zu lange gebraucht, um den letzten Satz zu schreiben. Ich konnte mich nicht für das Richtige entscheiden Ausdruck, Äußerung, Begriff oder Wort. Also habe ich sie alle verwendet.
Danke noch einmal, @JerryFisch ,
rauben
