Hallo, Mein Name Ist Bryan Fricke.
Ich bin A neu geprägt Produkt Manager bei JMP, Fokussierung An Die JMP Benutzer Erfahrung.
Bisher, ICH War A Software Entwickler Arbeiten An exportieren Berichte
Zu Stand allein HTML Datei Dateien, JMP Live, Und JMP Öffentlich.
In Das Präsentation,
Ich bin gehen Zu sprechen um verwenden Vertrauen Kurven
als ein Alternative Zu Null H Hypothese Bedeutung Testen
In Die Kontext von prädiktiv Modell Screening.
Zusätzlich Material An Das Thema dürfen Sei gefunden An Die JMP Gemeinschaft Webseite
Und Die Papier damit verbundenen mit Das Präsentation.
DR. Russ Wolfinger, WHO Ist A ausgezeichnet Forschung Gefährte bei JMP, Ist A co -Autor,
Und ICH würde wie Zu Dank ihn für sein Beiträge.
Der Modell Vorführung Plattform eingeführt In Springen Profi 16,
erlaubt Du Zu auswerten Die Leistung
von mehrere prädiktiv Modelle verwenden kreuzen- Validierung.
Zu zeigen Du Wie Die Modell Vorführung Plattform funktioniert,
Ich bin gehen Zu verwenden Die Diabetes Daten Tisch,
welche Ist verfügbar In Die JMP Probe Daten Bibliothek.
Krank wählen Modell Vorführung aus Die Analysieren Vorausschauend Modellieren Speisekarte.
JMP antwortet von anzeigen Die Modell Vorführung Dialog.
Der Erste drei Säulen In Die Daten Tisch
vertreten Krankheit Fortschreiten In kontinuierlich, binär, Und Ordinal- Formen.
Krank verwenden Die kontinuierlich Spalte genannt Y als Die Antwort Variable.
Krank verwenden alle Die Säulen aus Alter Zu Glucose In Die X Faktor Rolle.
Krank Typ 1-2-3-4 In Die Satz Willkürlich Samen Eingang Kasten für Reproduzierbarkeit.
Krank wählen Die überprüfen Kasten nächste Zu K-Falz Kreuzen Validierung
Und verlassen K Satz Zu fünf.
Krank Typ drei hinein Die Eingang Kasten nächste Zu Wiederholt K Falten.
In Die Methode Liste, Krank abwählen Neuronale,
Und Jetzt Krank wählen OK.
JMP antwortet von Ausbildung Und validieren Modelle für jede von Die ausgewählt Methoden
verwenden ihre Standard Parameter Einstellungen Und kreuzen Validierung.
Nach abschließen Die Ausbildung Und validieren Verfahren,
JMP zeigt an Die Ergebnisse In A neu Fenster.
Für jede Modellieren Methode, Die Modell Vorführung Plattform bietet
Leistung Mittel In Die form von Punkt Schätzungen
für Die Koeffizient von Festlegung,
welche Ist Auch bekannt als R kariert, Die Wurzel Durchschnitt kariert Fehler,
Und Die Standard Abweichung für Die Wurzel Durchschnitt kariert Fehler.
Jetzt Krank klicken Wählen Dominant.
JMP antwortet von hervorheben Die Methode Das führt am besten
über Die Leistung Mittel.
Was ist fehlen Hier Ist A Grafik
Zu zeigen Du der Größe von Die Unterschied zwischen Die Dominant Methode
Und Die andere Methoden, entlang mit Die Visualisierung
von Die Unsicherheit damit verbundenen mit Die Unterschiede.
Aber Warum nicht Nur zeigen P Werte anzeigen ob Die Unterschiede Sind bedeutsam?
Sollte nicht A Entscheidung um ob eins Modell Ist Vorgesetzter Zu andere
Sei basierend An Bedeutung?
Erste,
seit A P-Wert bietet A Wahrscheinlichkeit basierend An A standardisiert Unterschied,
A P Wert von selbst verliert Information um Die roh Unterschied,
So A bedeutsam Unterschied nicht implizieren A sinnvoll Unterschied.
Aber Ist Das Wirklich A Problem?
ICH bedeuten, ist nicht Es zwecklos Zu Sei betroffen
mit Die Größe von A Unterschied zwischen zwei Modelle Vor Bedeutung testen Ist gebraucht
Zu bestimmen ob Die Unterschied Ist real?
Der Problem mit Das Linie von Denken Ist Das es ist Leistung, oder eins Minus Beta,
Das bestimmt unser Fähigkeit Zu korrekt ablehnen A Null Hypothese.
Autoren solch als Jacob Cohen Und Frank Schmidt
haben empfohlen Das typisch Studien haben A Leistung Zu erkennen Unterschiede
In Die Bereich von 0,4 Zu 0,6 .
Lasst uns vermuten Wir haben A Unterschied Wo Die Leistung Zu erkennen A WAHR Unterschied
Ist 0,5 bei ein Alpha Wert von 0,05 .
Das schlägt vor Wir würde erkennen Die WAHR Unterschied
An Durchschnitt 50 Prozent von Die Zeit.
In Das Fall, Bedeutung testen würde identifizieren real Unterschiede
NEIN besser als umdrehen ein unvoreingenommen Münze.
Wenn alle andere Dinge Sind gleich, Typ Eins Und Typ Zwei Fehler Sind Äquivalent.
Aber Bedeutung Tests Das verwenden ein Alpha Wert von .05
oft implizit annehmen Typ T wo Fehler Sind bevorzugt Zu Typ Eins Fehler,
insbesondere Wenn Die Leistung Ist als niedrig als 0,5 .
A gemeinsam Anregung Zu Adresse diese Und andere Themen mit Bedeutung testen
Ist Zu zeigen Die Punkt schätzen entlang mit Vertrauen Intervalle.
Eins Einspruch Zu tun So Ist Das A Punkt schätzen
entlang mit ein 95 Prozent Vertrauen Intervall
Ist effektiv Die Dasselbe Ding als Bedeutung testen.
Selbst Wenn Wir annehmen Das Ist WAHR, A Punkt schätzen Und Vertrauen Intervall
still setzt Die Größe von Die Unterschied In Die Bereich von Die Unsicherheit
Vorderseite Und Center,
wohingegen A einsam P Wert verbirgt ihnen beide.
Verschieden Autoren, einschließlich Cohen Und Schmidt,
haben empfohlen ersetzen Bedeutung testen
mit Punkt Schätzungen Und Vertrauen Intervalle.
Selbst So, Die Empfehlung Zu verwenden Vertrauen Intervalle
bittet Die Frage, "Welche Einsen Tun Wir zeigen?"
Zeigt nur Die 95 Prozent Vertrauen Intervall
würde wahrscheinlich ermutigen Du Zu interpretieren Es als andere form von Bedeutung testen.
Der Lösung bereitgestellt von Vertrauen Kurven
Ist Zu buchstäblich zeigen alle Vertrauen Intervalle
hoch Zu ein willkürlich hoch Vertrauen eben.
So Wie Tun Du zeigen Vertrauen Kurven hinein JMP?
Zu bequem erstellen Vertrauen Kurven In JMP,
Installieren Die Vertrauen Kurven hinzufügen- In von Besuch Die JMP Gemeinschaft Startseite.
Typ "Vertrauen Kurven" hinein Die suchen Eingang Feld.
Klicken An Die Erste Eintrag Das erscheint.
Jetzt klicken Die herunterladen Symbol nächste Zu Vertrauenskurven.jmp hinzufügen In,
Und Jetzt Du dürfen klicken An Die heruntergeladen Datei.
JMP antwortet von fragen Wenn ICH wollen Zu Installieren Die hinzufügen- In.
Du würde klicken "Installieren."
Jedoch, Krank klicken "Stornieren," als ICH bereits haben Die hinzufügen- In Eingerichtet.
Wie Tun Du verwenden Die hinzufügen- In?
Erste, Zu generieren Vertrauen Kurven für Das Bericht,
wählen "Speichern Ergebnisse Tisch"
aus Die Spitze Rot Dreieck Speisekarte gelegen An Die Modell Bildschirm Bericht Fenster.
JMP antwortet von Erstellen A neu Tisch enthaltend, unter Andere,
Die folgende Säulen:
Gerichtsverhandlung, welche enthält Die Bezeichner für drei Sätze von kreuzen Validierung Ergebnisse;
Falten, welche enthält Die Identifikatoren für Die fünf unterscheidbar Sätze von Unterproben
gebraucht für Validierung In jede Gerichtsverhandlung;
Methode, welche enthält Die Methoden gebraucht Zu erstellen Modelle aus Die prüfen Daten,
Und N, welche enthält Die Nummer von Daten Punkte gebraucht In Die Validierung Falten.
Notiz Das Die Gerichtsverhandlung Spalte Wille Sei fehlen Wenn Die Nummer von wiederholt Ist Exakt eins,
In welche Fall Die Gerichtsverhandlung Spalte Ist weder erstellt noch erforderlich.
Speichern für Das Ausnahme,
diese Säulen Sind essentiell für Die Vertrauen Kurven hinzufügen- In
Zu Funktion richtig.
In Zusatz Zu diese Säulen,
Du brauchen eins Spalte Das bietet Die metrisch Zu vergleichen Methoden.
Krank Sei verwenden R kariert als Die metrisch von Interesse In Das Präsentation.
Einmal Du haben Die Modell Bildschirm Und Ergebnisse Tisch,
klicken "Hinzufügen- Ins" aus Die JMPs hauptsächlich Speisekarte Bar Und dann s wählen "Vertrauen Kurven.“
Der Logik Das folgt würde Sei besser platziert In A Magier,
Und ICH Hoffnung Zu hinzufügen Das Funktionalität In A Zukunft freigeben von Die hinzufügen- In.
Als Es Ist, Die Erste Dialog Das erscheint
Anfragen Du Zu wählen Die Name von Die Tisch Das War generiert
Wenn Du wählte "Speichern Ergebnisse Tisch"
aus Die Modell Vorführung Berichte Rot Dreieck Speisekarte.
Der Name von Die Tisch In Das Fall Ist Modell Vorführung Statistiken Validierung Satz.
Nächste, A Dialog Ist angezeigt Das Anfragen Die Name von Die Methode
Das Wille Aufschlag als Die Grundlinie
aus welche alle Die andere Leistung Metriken Sind gemessen.
ICH empfehlen beginnend mit Die Methode
Das War ausgewählt Wenn Du geklickt Die Wählen Dominant, oder In Das Fall,
ICH ausgewählt oder geklickt Wählen Dominant Möglichkeit
In Die Modell Bildschirm Und Bericht Fenster,
welche In Das Fall Ist fit Schritt weise.
Endlich, A Dialog Ist angezeigt
Das Anfragen Du Zu wählen Die metrisch Zu Sei verglichen zwischen Die verschieden Methoden.
Als genannt früher, Krank verwenden R kariert als Die metrisch für Vergleich.
Springen antwortet von Erstellen A Vertrauen Kurve Tisch Das enthält P Werte
Und dazugehörigen Vertrauen Ebenen
für Die bedeuten metrisch Unterschied zwischen Die gewählt Grundlinie Methode
Und jede von Die andere Methoden.
Mehr speziell, Die generiert Tisch hat Säulen für Die Folgendes:
Modell, In welche jede Reihe enthält Die Name von Die Modellieren Methode
wessen Leistung Ist ausgewertet relativ Zu Die Grundlinie Methode;
P-Wert,
In welche jede Reihe enthält Die Wahrscheinlichkeit damit verbundenen mit Die Leistung Unterschied
bei am wenigsten als extrem als Die Werte gezeigt In Die Unterschied In R Quadrat Spalte;
Vertrauen Intervall, In welche jede Reihe enthält Die Vertrauen eben Wir haben
Das Die WAHR bedeuten Ist enthalten In Die damit verbundenen Intervall.
Und Endlich, Unterschied In R Quadrat, In welche jede Reihe Ist Die maximal oder Minimum
von Die erwartet Unterschied In R kariert damit verbundenen mit Die Vertrauen eben
gezeigt In Die Vertrauen Intervall Spalte.
Aus Das Tisch, Vertrauen Kurven Sind erstellt
Und gezeigt In Die Graph Baumeister Graph.
Was Sind Vertrauen Kurven?
Zu klären Die Taste Attribute von A Vertrauen Kurve,
Krank verstecken alle Aber Die Unterstützung Vektor Maschinen Vertrauen Kurve
verwenden Die lokal Daten Filter von Klicken An Unterstützung Vektor Maschinen.
Von Standard, A Vertrauen Kurve nur zeigt an Die Linien
Das verbinden Die Extreme von jede Vertrauen Intervall.
Zu sehen Die Punkte, wählen Zeigen Kontrolle Panel aus Die Rot Dreieck Speisekarte
gelegen nächste Zu Die Text Das liest Graph Builde R In Die Titel Bar.
Jetzt Krank Schicht klicken Die Punkte Symbol.
JMP antwortet von anzeigen Die Ende Punkte von Die Vertrauen Intervalle
Das machen hoch Die Vertrauen Kurve.
Jetzt ICH Wille Zoomen In Und prüfen A Punkt.
Wenn Du schweben Die Maus Zeiger über beliebig von diese Punkte,
A schweben Etikett zeigt an Die P Wert, Vertrauen Intervall,
Unterschied In Die Größe von Die metrisch,
Und Die Methode gebraucht Zu generieren Die Modell Sein verglichen Zu Die Referenz.
Jetzt ICH Wille drehen aus Die Punkte von Schicht Klicken Die Punkte Symbol
Und Klicken Die Erledigt Taste.
Selbst obwohl Die Individuell Punkte Sind NEIN länger gezeigt,
Du dürfen still Sicht Die damit verbundenen schweben Etiketten
von Platzierung Die Maus Zeiger über Die Vertrauen Kurve.
Der Punkt schätzen für Die bedeuten Unterschied In Leistung
zwischen Unterstützung Vektor M Maschinen Und Fit Schritt weise
Ist gezeigt bei Die 0 Prozent Vertrauen eben,
welche Ist Die bedeuten Wert von Die Unterschiede berechnet verwenden kreuzen Validierung.
Vertrauen Kurve Grundstücke Die Ausmaß von jede Vertrauen Intervall
aus Die generiert Tisch zwischen Die null Und 99. 99 Prozent Vertrauen eben,
welche Ist ein willkürlich hoch Wert.
Entlang Die links Y Achse,
P-Werte damit verbundenen mit das Vertrauen Intervalle Sind gezeigt.
Entlang Die Rechts Y Achse,
Die Vertrauen eben damit verbundenen mit jede Vertrauen Intervall wird gezeigt.
Der Y Achse Verwendet A Protokoll Skala,
So Das mehr Auflösung Ist gezeigt bei höher Vertrauen Ebenen.
Von Standard, zwei Referenz Linien Sind geplottet neben A Vertrauen Kurve.
Der Vertikale Linie repräsentiert Die traditionell Null Hypothese
von NEIN Unterschied In Wirkung.
Beachten Sie Sie dürfen ändern Die Vertikale Linie Position
Und damit Die implizit Null Hypothese
In Die X Achse Einstellungen.
Der horizontal Linie
geht vorbei durch Die konventionell 95 Prozent Vertrauen Intervall.
Als mit Die Vertikale Referenz Linie,
Du dürfen ändern Die horizontal Linie Position
Und damit Die implizit eben von Bedeutung,
von Ändern Die Y Achse Einstellungen.
Wenn A Vertrauen Kurve Kreuze Die Vertikale Linie über Die horizontal Linie,
Du kann nicht ablehnen Die Null Hypothese verwenden Bedeutung testen.
Für Beispiel, Wir kann nicht ablehnen Die Null Hypothese für Unterstützung Vektor Maschinen.
An Die andere Hand,
Wenn A Vertrauen Kurve Kreuze Die Vertikale Linie unter Die horizontal Linie,
Du dürfen ablehnen Die Null Hypothese.
Beispielsweise können wir die Nullhypothese für ablehnen Gesteigert Baum.
Wie Sind Vertrauen Kurven berechnet?
Der aktuell Implementierung von Vertrauen Kurven
geht davon aus Die Unterschiede Sind berechnet verwenden R mal wiederholt
K-Falz kreuzen Validierung.
Der Ausmaß von jede Vertrauen Intervall Ist berechnet
verwenden Was Ist bekannt als A Varianz Korrigiert Neu abgetastet T-Test.
Notiz Das Autoren Claude Nadeau Und Yoschua Bengio
notiert Das A korrigiert erneut abgetastet T- prüfen
Ist typischerweise gebraucht In Fälle Wo Ausbildung Sätze
Sind fünf oder zehn mal größer als Validierung Sätze.
Für mehr Einzelheiten, Bitte sehen Die Papier damit verbundenen mit Das Präsentation.
So Wie Sind Vertrauen Kurven interpretiert?
Erste, A Vertrauen Kurve grafisch zeigt
Die hauptsächlich Unterschied In Die metrisch von Interesse zwischen A gegeben Methode
Und A Referenz Methode bei Die 0 Prozent Vertrauen eben.
Wir dürfen auswerten ob Die bedeuten Unterschied zwischen Methoden Ist sinnvoll.
Wenn Die bedeuten Unterschied ist nicht sinnvoll, Es gibt wenig Punkt In weiter Analyse
von Die gegeben Methode gegen Die Referenz Methode mit respektieren Zu Die gewählt metrisch.
Was stellt dar A sinnvoll Unterschied kommt darauf an An Die metrisch von Interesse
als Also als Die vorgesehen wissenschaftlich oder Maschinenbau Anwendung.
Für Beispiel, Du dürfen sehen Die Modell entwickelt mit A Entscheidung Baum Methode
Ist An Durchschnitt um 14 Prozent schlechter als Fit Schritt weise,
welche wohl Ist A sinnvoll Unterschied.
Wenn Die Unterschied Ist sinnvoll,
Wir dürfen auswerten Wie genau Die Unterschied hat gewesen gemessen
von bewertend Die Breite von Die damit verbundenen Vertrauen Intervalle.
Für beliebig Vertrauen Intervall nicht Kreuzung Die Standard Vertikale Achse,
Wir haben bei am wenigsten Das eben von Vertrauen Das Die bedeuten Unterschied Ist ungleich Null.
Für Beispiel, Die Entscheidung Baum Vertrauen Kurve nicht kreuzen Die Y Achse
bis um Die 99. 98 Prozent Vertrauen eben,
So Wir Sind fast 99. 98 Prozent zuversichtlich Die bedeuten Unterschied ist nicht gleich Zu null.
In Tatsache, mit Das Daten Satz,
Es wendet sich aus Das Wir dürfen Sei um 81 Prozent zuversichtlich
Das Fit Schritt weise Ist bei am wenigsten als Gut, Wenn nicht besser,
als jeden Methode andere als verallgemeinert Regressions-Lasso.
Jetzt Lasst uns halten Die Beziehung zwischen Vertrauen Kurven.
Wenn zwei oder mehr Vertrauen Kurven bedeutend Überlappung
Und Die bedeuten Unterschied von jede Ist nicht sinnvoll anders aus Die andere,
Die Daten empfehlen jede Methode führt
um Die Dasselbe als Die andere mit respektieren Zu Die Referenz Modell.
Für Beispiel, Wir dürfen sehen Das An Durchschnitt,
der S unterstützen Vektor Maschinen Modell führt
weniger als 0,5 Prozent besser als Bootstrap Wald,
welche Ist argument nicht A sinnvoll Unterschied.
Und das Vertrauen Intervalle
Tun nicht Überlappung bis um die vier Prozent Vertrauen eben,
welche schlägt vor diese Werte würde Sei erwartet
Wenn beide Methoden Wirklich Tun haben um Die Dasselbe Unterschied In Leistung
mit respektieren Zu Die Referenz.
Wenn Die Durchschnitt Unterschied In Leistung
Ist um Die Dasselbe für zwei Vertrauen Kurven
Aber Die Vertrauen Intervalle nicht Überlappung zu viel,
Die Daten schlägt vor Die Modelle ausführen um Die Dasselbe als jede andere
mit respektieren Zu Die Referenz Modell.
Jedoch, Wir Sind zuversichtlich von A nicht- sinnvoll Unterschied.
Das besondere Fall Ist seltener als Die Andere, Und
ICH nicht haben ein Beispiel Zu zeigen mit Das Daten Satz.
An Die andere Hand,
Wenn Die Durchschnitt Unterschied In Leistung zwischen A Paar von Vertrauen Kurven
Ist sinnvoll anders Und Die Vertrauen Kurven haben wenig Überlappung,
Die Daten schlägt vor Die Modelle ausführen anders aus eins andere
mit respektieren Zu Die Referenz.
Für Beispiel, Die verallgemeinert Rückschritt Lasso Modell
prognostiziert um 13. 8 Prozent mehr von Die Variation In Die Antwort
als tut Die Entscheidung Baum Modell.
Darüber hinaus, Die Vertrauen Kurven nicht Überlappung
bis um Die 99. 9 Prozent Vertrauen eben,
welche schlägt vor diese Ergebnisse Sind ganz ungewöhnlich
Wenn Die Methoden Genau genommen ausführen um Die Dasselbe mit respektieren Zu Die Referenz.
Endlich, Wenn Die Durchschnitt Unterschied In Leistung
zwischen A Paar von Vertrauen Kurven
Ist sinnvoll anders aus eins andere Und Die Kurven haben beträchtlich Überlappung,
Die Daten schlägt vor Das während Die Methoden ausführen anders aus eins andere
mit respektieren Zu Die Referenz,
Es würde nicht Sei überraschend Wenn Die Unterschiede Sind Die Unterschiede falsch.
Für Beispiel, Wir dürfen sehen Das An Durchschnitt,
Unterstützung Vektor Maschinen vorhergesagt etwa 1,4 Prozent mehr von Die Varianz
In Die Antwort als tat K Nächste Nachbarn.
Jedoch, Die Vertrauen Intervalle Start Zu Überlappung
bei um Die 17 Prozent Vertrauen eben,
welche schlägt vor Es würde nicht Sei überraschend Wenn Die Unterschied In Leistung
zwischen jede Methode In Die Referenz
Ist Genau genommen kleiner als empfohlen von Die Punkt Schätzungen.
Gleichzeitig,
Es würde nicht Sei überraschend Wenn Die tatsächlich Unterschied Ist größer als gemessen,
oder Wenn Die Richtung von Die Unterschied Ist Genau genommen umgedreht.
In andere Wörter, Die Unterschied In Leistung Ist unsicher.
Notiz Das Es ist nicht möglich Zu bewerten Die Variabilität In Leistung
zwischen zwei Modelle relativ Zu eins andere
Wenn Die Unterschiede Sind relativ Zu A dritte Modell.
Zu vergleichen Die Variabilität In Leistung zwischen zwei Methoden
relativ Zu eins andere,
eins von Die zwei Methoden muss Sei Die Referenz Methode
aus welche Die Unterschiede Sind gemessen.
Aber Was um mehrere Vergleiche?
Nicht Wir brauchen Zu anpassen Die P-Werte
Zu Kontrolle Die Familie weise Typ Eins Fehler Rate?
In sein Papier um Vertrauen Kurven, Daniel Barr schlägt vor
Das Anpassungen Sind erforderlich In bestätigend Studien
Wo A Ziel Ist vorgegeben, Aber nicht In explorativ Studien.
Das schlägt vor verwenden unangepasst P-Werte für mehrere Vertrauen Kurven
In ein explorativ Mode
Und nur A einzel Vertrauen Kurve generiert aus anders Daten
Zu bestätigen dein finden von A bedeutsam Unterschied zwischen zwei Methoden
Wenn verwenden Bedeutung testen.
Das genannt, Bitte halten In Geist Die Gefahren von Kirsche pflücken
Und P Hacken Wenn dirigieren explorativ Studien.
In Zusammenfassung, Die Modell Vorführung Plattform eingeführt In JMP Profi 16
bietet A bedeutet Zu gleichzeitig vergleichen Die Leistung
von prädiktiv Modelle erstellt verwenden anders Methoden.
JMP hat A lang- Stehen Ziel Zu bieten A Graph mit jeden Statistik,
Und Vertrauen Kurven Hilfe Zu füllen Das Lücke
für Die Modell Vorführung Plattform.
Du könnte natürlich erwarten Zu verwenden Bedeutung testen Zu unterscheiden
zwischen Die Leistung von Die verschieden Methoden Sein verglichen.
Jedoch, P-Werte haben kommen unter erhöht Prüfung In jüngste Jahre
für verdecken Die Größe von Leistung Unterschiede.
In Zusatz,
P-Werte Sind oft fehlinterpretiert als Die Wahrscheinlichkeit Die Null Hypothese Ist FALSCH.
Stattdessen, A P-Wert Ist Die Wahrscheinlichkeit von beobachten A Unterschied als oder mehr extrem,
vorausgesetzt Die Null Hypothese Ist WAHR.
Der Wahrscheinlichkeit von korrekt ablehnend Die Null Hypothese
Wenn Es Ist FALSCH Ist bestimmt von Leistung, oder eins Minus Beta.
Ich habe argumentierte Das Es Ist nicht ungewöhnlich Zu nur haben A 50 Prozent Chance
von korrekt ablehnend Die Null Hypothese mit ein Alpha Wert von 0,05 .
Als ein Alternative, A Vertrauen Intervall könnte Sei gezeigt stattdessen von A einsam P-Wert.
Jedoch, Die Frage würde Sei links offen als Zu welche Vertrauen eben Zu zeigen.
Vertrauen Kurven Adresse diese Anliegen
von zeigen alle Vertrauen Intervalle hoch Zu ein willkürlich hoch eben von Vertrauen.
Der bedeuten Unterschied In Leistung
Ist deutlich sichtbar bei die Null Prozent Vertrauen eben,
Und Das Handlungen als A Punkt schätzen.
Alle andere Dinge Sein gleich,
Typ Eins Und Typ Zwei Fehler Sind gleichwertig,
So Vertrauen Kurven nicht einbetten A Voreingenommenheit in Richtung Handel T Ja Eins Fehler
für Typ Zwei.
Selbst So, von Standard, A Vertikale Linie Ist gezeigt In Die Vertrauen Kurve Graph
für Die Standard Null Hypothese von NEIN Unterschied.
In Zusatz, A horizontal Linie Ist gezeigt Das beschreibt
Die 95 Prozent Vertrauen Intervall,
welche leicht bietet A typisch Bedeutung testen Analyse Wenn gewünscht.
Der Standardwerte für diese Linien Sind leicht geändert
Wenn A anders Null Hypothese Und Vertrauen eben Ist gewünscht.
Selbst So, gegeben Die eher breit Und Manchmal nachdrücklich Anregung
Zu ersetzen Bedeutung testen mit Punkt Schätzungen Und Vertrauen Intervalle,
Es dürfen Sei am besten Zu Sicht A Vertrauen Kurve als A Punkt schätzen
entlang mit A fast umfassend Sicht von es ist damit verbundenen Unsicherheit.
Wenn Du haben Rückmeldung um Die Vertrauen Kurven hinzufügen- In,
Bitte verlassen A Kommentar An Die JMP C Gemeinschaft Grundstück
Und nicht vergessen Zu Abstimmung für Das Präsentation
Wenn Du gefunden Es interessant Und oder nützlich.
Dank Du für Aufpassen Das Präsentation, und ich Hoffnung Du haben A Großartig Tag.
