Wir alle haben schon einmal jemanden etwas sagen hören, was nicht „richtig“ war. Manchmal lässt man es einfach bleiben, entweder weil es nicht wichtig genug ist, um es anzufechten, oder weil man keinen Konflikt mit dem Sprecher verursachen möchte.
Dies ist der zweite Teil der Blogserie „peinliche Statistiken“. Im Allgemeinen läuft es so ab: Zuerst poste ich eine statistische Frage in einem Diskussionsthread der JMP- Community. Community-Benutzer werden aufgefordert, zu antworten. Nach etwa einer Woche gebe ich meine Meinung dazu ab, was an der Aussage in einem Blogbeitrag wie diesem falsch ist.
Hier ist eine Tabelle mit den Diskussionsthemen und Blogbeiträgen bis heute. Vielen Dank an alle, die auf jeden Diskussionsbeitrag antworten (und/oder Kommentare zum Blog hinzufügen!)
| Diskussionsthread-Thema |
Blogbeitrag |
Personen, die auf die Diskussion geantwortet haben (oder den Blog kommentiert haben) |
| #1: Fehlinterpretation des p-Wertes |
Gefahren einer Fehlinterpretation von p-Werten |
@dale_lehman , @P_Bartell , @statman , @ih , @Georg , @brady_brady |
| #2: Zu viel Wert auf statistische Signifikanz |
Dieser Blogbeitrag |
@P_Bartell , @statman , Craige_Hales , @ih , @markschwab |
| #3: Messwerte melden |
Kommt bald! |
Bitte posten Sie Ihre Kommentare im Diskussionsbereich. Sie können auch gerne Ihre eigenen peinlichen statistischen Aussagen beitragen! |
Schauen wir uns also die zweite peinliche Aussage an, die ich gepostet habe …
Meine Meinung zu Cringeworthy #2
Erinnern Sie sich an unser Szenario, in dem eine Studie durchgeführt wurde, um herauszufinden, warum die Ausbeute in einem Produktionsprozess gesunken ist. Es wurde ein T-Test durchgeführt, um die Unterschiede zwischen den Baugruppen zweier Zulieferer zu untersuchen. Tatsächlich zeigte der T-Test einen sehr niedrigen p-Wert, was eine hohe Wahrscheinlichkeit für einen Unterschied zwischen den Mittelwerten der Teile der beiden Zulieferer ergibt.
Der Teammanager wollte sofort auf die Tatsache eingehen, dass der p-Wert zu klein war. Er wollte sofort eine Untersuchung darüber einleiten, warum die Mittelwerte der beiden Populationen unterschiedlich waren. (Vielleicht trieb ihn die Erfahrung aus der Vergangenheit an, dass ein Unterschied zwischen diesen Anbietern einmal ein Problem verursacht hatte.) Was der Manager jedoch nicht erwähnte, war, ob der Unterschied „praktisch wichtig“ war.
Meiner Erfahrung nach wird „statistische Signifikanz“ oft mit „praktischer Bedeutung“ verwechselt.
- Statistische Signifikanz ist einfach eine mathematische Aussage, dass wir mit einem bestimmten Vertrauensniveau einen gewissen Unterschied zwischen den Mittelwerten der beiden Populationen feststellen können . Das ist schön und gut, sagt aber nichts darüber aus, ob dieser Unterschied für uns wichtig ist.
- Die praktische Bedeutung beruht auf Ihrem Urteilsvermögen, Ihrer Erfahrung und Ihrem Wissen . 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, dann wäre es vielleicht besser, die Ressourcen für die Ermittlung der Quelle dieses Unterschieds für die Suche nach anderen Quellen aufzuwenden, die zu einem schlechten Ergebnis führen könnten.
Vielleicht ist es unglücklich, dass der Begriff „Bedeutung“ im Englischen als „Wichtigkeit“ interpretiert werden kann. Mir fällt kein besseres Wort als Bedeutung ein, aber es kann für manche Leute irreführend sein.
Die Moral dieser Geschichte: Achten Sie darauf, den Unterschied zwischen statistischer Signifikanz und praktischer Bedeutung zu verstehen, wenn Sie statistische Analyseergebnisse interpretieren!
Kommen Sie jetzt bitte rüber zu peinlicher Diskussion Nr. 3 !
Ich verwende jetzt den erkennbaren Unterschied und die praktische Bedeutung. Es fühlt sich besser an. Hoffentlich werden andere folgen. Du hast 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 signifikanten Prozentsatz der Bevölkerung dazu, einen passenderen 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
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 kenne viele Leute, denen Ihre Erklärung von statistisch signifikanter vs. praktischer Bedeutung gefallen wird.Vor ein paar Jahren hat die FDA Ihre Weisheit nicht geteilt, und ein ganzer Abschnitt eines BLA musste neu geschrieben werden. Die Überarbeitung der FDA-Stellungnahme dauerte ein Jahr.
Obwohl jemand argumentieren könnte, dass ein Jahr trivial ist, wenn wir an die Zeit auf der menschlichen Evolutionsskala denken. Ich denke also, es war praktisch nicht signifikant.
