Hallo. Mein Name Ist Bryan Fricke.
Ich bin A Produkt Manager bei JMP konzentriert An Die JMP Benutzer Erfahrung.
Vorher, ICH War A Software Entwickler Arbeiten An exportieren Berichte
Zu eigenständige HTML Feuer Dateien.
JMP Live Und JMP Öffentlich.
In Das Präsentation,
Ich bin gehen Zu sprechen um verwenden Vertrauenskurven
als ein Alternative Zu Null Hypothese Bedeutung testen
In Die Kontext von prädiktiv Modell Screening.
Zusätzlich Material An Das Thema dürfen Sei gefunden An Die JMP Gemeinschaft Webseite
In Die Papier damit verbundenen mit Das Präsentation.
DR. Russ Wolfinger Ist A Ausgezeichnet Forschung Gefährte bei JMP
Und A co- Autor, Und ICH würde wie Zu Dank ihn für sein Beiträge.
Der Modell Vorführung Plattform, eingeführt In JMP 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 Screening aus Die analysiert prädiktiv 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 Die Säulen aus Alter Zu Glucose In Die X Faktor Rolle.
Krank Typ 1234 In Die Satz zufällig Samen Eingang Kasten für Reproduzierbarkeit,
Krank wählen Die überprüfen Kasten nächste Zu K-Faltung kreuzen Validierung Und verlassen K Satz Zu fünf.
Krank Typ 3 hinein Die Eingang Kasten nächste Zu wiederholt KF alt.
In Die Methode Liste, Krank abwählen neuronal.
Jetzt Krank klicken Okay.
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.
Der Modell Vorführung Plattform bietet Leistung Maßnahmen
In Die bilden von Punkt Schätzungen für Die Koeffizient von Bestimmung,
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 Maßnahmen.
Was ist fehlen Hier Ist A Grafik Zu zeigen Die Größe von Die Unterschiede
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 ein anderer
Sei basierend An Bedeutung?
Erste, seit Die P- Wert bietet A Wahrscheinlichkeit
basierend An A standardisiert Unterschied,
A P-Wert von selbst verliert Information um Die roh Unterschied.
A a bedeutsam Unterschied nicht implizieren A sinnvoll Unterschied.
Ist Das Wirklich A Problem?
ICH bedeuten, ist nicht Es zwecklos
Zu Sei betroffen mit Die Größe von Die Unterschied zwischen zwei Modelle
Vor verwenden Bedeutung testen
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 Schmied
haben empfohlen Das typisch Studien haben Die Leistung Zu erkennen Unterschiede
In Die Reichweite von .4 bis .6 .
Also Lasst uns vermuten Wir haben A Unterschied.
Wo Die Leistung Zu erkennen A WAHR Unterschied?
Null fünf bei ein Alpha Ebene null fünf.
Das schlägt vor Wir würde erkennen Die WAHR Unterschied, An Durchschnitt 50 % von Die Zeit.
Also In Das Fall, Bedeutung testen würde identifizieren real Unterschiede
NEIN besser als umdrehen ein unvoreingenommen Münze.
Wenn alle andere Dinge Sind gleich, Typ 1 Und Typ 2 Fehler Sind Äquivalent.
Aber Bedeutung Tests Das verwenden ein Alpha Wert von .05.
Oft implizit annehmen Typ 2 Fehler Sind bevorzugt Zu Typ 1 Fehler,
insbesondere Wenn Die Leistung Ist als niedrig als .5 .
A gemeinsam Anregung Zu Adresse diese Und andere Probleme mit Bedeutung testen
Ist Zu zeigen Die Punkt schätzen entlang mit Die Vertrauen Intervalle.
Eins Einspruch Zu tun Also Ist Das
A Punkt schätzen entlang mit A 95 % Vertrauen Intervall
Ist effektiv Die Dasselbe Ding als Bedeutung testen.
Sogar Wenn Wir annehmen Das Ist WAHR, A Punkt schätzen Und Vertrauen Intervall
Trotzdem setzt Die Größe von Die Unterschied
Und Die Reichweite von Die Unsicherheit Vorderseite Und Center,
wohingegen A Darlehen P-Wert verbirgt ihnen beide.
Also verschieden Autoren, einschließlich Cohen Und Schmied,
haben empfohlen ersetzen Bedeutung testen
mit Punkt Schätzungen Und Vertrauen Intervalle.
Sogar Also, Die Empfehlung Zu verwenden Vertrauen Intervalle bittet Die Frage,
welche Einsen Tun Wir zeigen?
Zeigt nur Die 95 % Vertrauen Intervall
würde wahrscheinlich ermutigen Du Zu interpretieren Es als ein anderer bilden von Bedeutung testen.
Der Lösung bereitgestellt von Vertrauenskurven
Ist Zu buchstäblich zeigen alle Vertrauen Intervalle
hoch Zu ein willkürlich hoch Vertrauen Ebene.
Wie Tun ICH zeigen Vertrauenskurven Und JMP?
Zu bequem erstellen Vertrauenskurven Und JMP,
Installieren Die Vertrauenskurven Add-in von Besuch Die JMP Gemeinschaft Startseite.
Typ Vertrauenskurven hinein Die suchen Eingang Feld.
Klicken Die Vertrauenskurven Ergebnis.
Jetzt klicken Die herunterladen Symbol nächste Zu Vertrauenskurven. JMPa dd- In.
Jetzt klicken 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 habe bereits Eingerichtet Die Add-in.
Also Wie Tun Du verwenden Die Add-In?
Erste.
Zu generieren Vertrauenskurven für Das Bericht, wählen Speichern Ergebnisse Tisch
aus Die Spitze Rot Dreieck Speisekarte gelegen An Die Modell Vorführung Bericht Fenster.
JMP antwortet von Erstellen A neu Tisch enthaltend unter Andere.
Der folgende Säulen Versuch.
Welche enthält Die Bezeichner für Die drei Sätze
von kreuzen Validierung Ergebnisse.
Falten.
Welche enthält Die Bezeichner
für Die fünf unterscheidbar Sätze von Teilproben gebraucht für Validierung In jede Versuch.
Methode.
Welche enthält Die Methoden gebraucht Zu erstellen Modelle aus Die prüfen Daten.
Und In.
Welche enthält Die Nummer von Daten Punkte gebraucht In Die Validierung Falten.
Notiz Das Die Versuch Spalte Wille Sei fehlen Wenn Die Nummer von wiederholt Ist genau eins,
In welche Fall Die Versuch Spalte Ist weder erstellt noch erforderlich.
Speichern für Das Ausnahme, diese Säulen Sind essentiell
für Die Vertrauenskurven Add-in Zu Funktion richtig.
In Zusatz Zu diese Säulen, Du brauchen eins Spalte
Das bietet Die metrisch Zu vergleichen zwischen Methoden.
Krank Sei verwenden R kariert als Die metrisch von Interesse In Das Präsentation.
Einmal Du haben Die Modell Screening Ergebnisse Tisch,
klicken Add-Ins aus JMPs hauptsächlich Speisekarte Bar Und Dann wählen Vertrauenskurven.
Der Logik Das folgt würde Sei besser platziert In A Magier,
Und ICH Hoffnung Zu hinzufügen Das Funktionalität In A Zukunft freigeben von Das Add-in.
Als Es Ist, Die Erste Dialog Das erscheint
Anfragen Du Zu wählen Die Name von Die Tisch
Das War generiert Wann Du wählte 'speichern Ergebnisse Tisch',
aus Die Modell Bildschirm Berichte Rot Dreieck Speisekarte.
Der Name von Die Tisch In Das Fall Ist Modell Bildschirm 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 vorschlagen beginnend mit Die Methode Das War ausgewählt Wann Du klicken
Die Wählen Dominant Möglichkeit
In Die Modell Vorführung Bericht Fenster, welche In Das Fall Ist Fit Schrittweise.
Endlich, A Dialog Ist angezeigt
Das Anfragen Du Zu wählen Die metrisch Zu Sei verglichen zwischen Die verschieden Methoden.
Als erwähnt früher, Krank verwenden R kariert als Die metrisch für Vergleich.
JMP antwortet von Erstellen A Vertrauen Kurve Tisch Das enthält P-Werte
Und dazugehörigen Vertrauen Ebenen für Die bedeuten Unterschied
zwischen Die gewählt Grundlinie Methode Und jede von Die andere Methoden.
Mehr speziell, Die generiert Tisch hat Säulen für Die folgende.
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 Wert gezeigt In Die Unterschied In unser Quadrat Spalte.
Vertrauen Intervall In welche jede Reihe enthält Die Vertrauen Ebene.
Wir haben Das Die WAHR bedeuten Ist enthalten In Die damit verbundenen Intervall
Und Endlich, Unterschied In unser Quadrat,
In welche jede Reihe Ist Die maximal oder Minimum
von Die erwartet Unterschied In R kariert
damit verbundenen mit Die Vertrauen Ebene gezeigt In Die Vertrauen Intervall Spalte.
Aus Das Tisch, Vertrauenskurven Sind erstellt
Und gezeigt In Die Graph Baumeister Graph.
Also Was Sind Vertrauenskurven?
Zu klären Die Schlüssel Attribute von A Vertrauenskurve,
Krank verstecken alle Aber Die Unterstützung Vektor Maschine Vertrauenskurve
verwenden Die lokal Daten Filter von Klicken An Unterstützung Vektor Maschinen.
Von Standard, A Vertrauenskurve 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 Baumeister In Die Titel Bar.
Jetzt Krank Schicht klicken Die Punkte Symbol.
JMP antwortet von anzeigen Die Endpunkte von Die Vertrauen Intervalle
Das machen hoch Die Vertrauenskurve.
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 der P - Wert Vertrauen Intervall,
Unterschied In Die Größe von Die metrisch
Und Die Methode gebraucht Zu generieren Die Modell
Sein verglichen Zu Die Referenz Modell.
Jetzt Also drehen aus Die Punkte von Schicht Klicken Die Punkte Symbol
Und Klicken Die Erledigt Taste.
Sogar obwohl Die Individuell Punkte Sind NEIN länger gezeigt,
Du dürfen Trotzdem Sicht Die damit verbundenen schweben Etikett
von Platzierung Die Maus Zeiger über Die Vertrauenskurve.
Punkt schätzen für Die hauptsächlich Unterschied
In Leistung zwischen Die Sport Vektor Maschinen Und Passen Sie schrittweise an Modelle
Ist gezeigt bei Die 0% Vertrauen Ebene,
welche Ist Die bedeuten Wert von Die Unterschiede berechnet verwenden kreuzen Validierung.
A Vertrauenskurve Grundstücke Die Ausmaß
von jede Vertrauen Intervall aus Die generiert Tisch zwischen null
Und Die 99,99 % Vertrauen Ebene entlang mit Die links Y Achse.
P Werte damit verbundenen mit Die Vertrauen Intervalle Sind gezeigt
entlang Die Rechts j Achse.
Der Vertrauen Ebene damit verbundenen mit jede Vertrauen Intervall gezeigt.
Der Y Achse Verwendet A Protokoll Skala
Also Das mehr Auflösung Ist gezeigt bei höher Vertrauen Ebenen.
Von Standard, zwei Referenz Linien Sind geplottet neben A Vertrauenskurve.
Der Vertikale Linie repräsentiert
Die traditionell Null Hypothese von NEIN Unterschied In Wirkung.
Notiz Du 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 % Vertrauen Intervall.
Als mit Die Vertikale Referenz Linie,
Du dürfen ändern Die horizontal Linie Position
Und damit Die implizit Ebene von Bedeutung
von Ändern Die Y Achse Einstellungen.
Wenn A Vertrauenskurve 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 Vertrauenskurve
Kreuze Die Vertikale Linie unten Die horizontal Linie,
Du dürfen ablehnen Die Null Hypothese verwenden Bedeutung testen.
Für Beispiel, Wir dürfen ablehnen Die Null Hypothese für verstärkt Baum.
Wie Sind Vertrauenskurven berechnet?
Der aktuell Implementierung von Vertrauen Kurven geht davon aus
Die Unterschiede Sind berechnet
verwenden R-mal wiederholt K-Faltung kreuzen Validierung.
Der Ausmaß von jede Vertrauen Intervall Ist berechnet
verwenden Was Ist bekannt als A Varianz korrigiert erneut abgetastet T-Test.
Notiz Das Autoren Claude Nadeau Und Yoshua Bengio,
Notiz Das A korrigiert erneut abgetastet T-Test
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.
Also Wie Sind Vertrauenskurven interpretiert?
Erste, Die Vertrauenskurve grafisch zeigt
Die hauptsächlich Unterschied In Die metrisch von Interesse zwischen A gegeben Methode
Und A Referenz Methode bei Die 0% Vertrauen Ebene.
Also Wir dürfen auswerten ob Die bedeuten Unterschied zwischen Die Methoden
Ist sinnvoll.
Wenn Die hauptsächlich Unterschied ist nicht sinnvoll, Es gibt wenig Punkt In weiter Analyse
von A 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 beabsichtigt wissenschaftlich oder Maschinenbau Anwendung.
Für Beispiel,
Du dürfen sehen Die Modell entwickelt mit A Entscheidung Baum Methode
Ist An Durchschnitt um 14 % schlechter als Fit Schrittweise,
welche wohl Ist A sinnvoll Unterschied.
Wenn Die Unterschied Ist sinnvoll,
Wir dürfen auswerten Wie genau Die Unterschied hat gewesen gemessen
von bewertend Wie viel Die Vertrauen C Urve Breite Änderungen
über Die Vertrauen Ebenen.
Für beliebig Vertrauen Intervall nicht Kreuzung Die Standard Vertikale Achse,
Wir haben bei am wenigsten Das Ebene von Vertrauen Das Die hauptsächlich Unterschied Ist ungleich Null.
Für Beispiel,
Die Entscheidung Baum Vertrauen Kurve nicht kreuzen Die Y Achse
bis um Die 99,98 % Vertrauen Ebene.
Wir Sind fast 99,98 % zuversichtlich Die bedeuten Unterschied ist nicht gleich Zu null.
In Tatsache, mit Das Daten,
Es wendet sich aus Das Wir dürfen Sei um 81 % zuversichtlich
Das Passen Sie schrittweise an Ist bei am wenigsten als Gut,
Wenn nicht besser, als jeden Methode andere als verallgemeinert Rückschritt Lasso.
Jetzt Lasst uns halten Die Beziehung zwischen Vertrauenskurven.
Wenn zwei oder mehr Vertrauenskurven bedeutend Überlappung
Und Die bedeuten Unterschied von jede Ist nicht sinnvoll anders aus Die andere.
Der Daten vorschlagen jede Methode führt um Die Dasselbe als Die andere
mit respektieren Zu Die Referenz Modell.
Also für Beispiel,
Wir sehen Das An Durchschnitt, Die Unterstützung Vektor Maschinen Modell
führt weniger als . 5 % als Bootstrap Wald,
welche Ist wohl nicht A sinnvoll Unterschied.
Der Vertrauen Intervalle Tun nicht Überlappung bis um Die 4 % Vertrauen Ebene,
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 selten 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 Vertrauenskurven Ist sinnvoll anders
Und Die Vertrauen Kurven haben wenig Überlappung,
Die Daten schlägt vor Die Modelle ausführen
anders aus eins ein anderer mit respektieren Zu Die Referenz.
Für Beispiel, Die verallgemeinert Rückschritt Lasso Modell prognostiziert um 13,8 %
mehr von Die Variation In Die Antwort als tut Die Entscheidung Baum Modell.
Darüber hinaus, Die Vertrauenskurven nicht Überlappung
bis um Die 99,9 % Vertrauen Ebene,
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 Vertrauenskurven Ist sinnvoll anders aus eins ein anderer
Und Die Kurven haben beträchtlich Überlappung,
Die Daten schlägt vor Das
während Die Methoden ausführen anders aus eins ein anderer mit respektieren Zu Die Referenz,
Es würde nicht Sei überraschend Wenn Die Unterschied Ist wütend.
Für Beispiel, Wir dürfen sehen Das An Durchschnitt
Unterstützung Vektor Maschinen vorhergesagt um 1,4 % mehr von Die Varianz In Die Antwort
als tat [unverständlich 00:19:18] nächste Nachbarn.
Jedoch, Die Vertrauen Intervalle beginnen Zu Überlappung bei um Die 17 % Vertrauen Ebene,
welche schlägt vor Es würde nicht Sei überraschend
Wenn Die Unterschied In Leistung zwischen jede Methode
Und 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 Und Leistung
zwischen zwei Modelle relativ Zu eins ein anderer
Wann Die Unterschiede Sind relativ Zu A dritte Modell.
Zu vergleichen Die Variabilität Und Leistung
zwischen zwei Methoden relativ Zu eins ein anderer,
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 1 Fehler Rate?
In Das Papier um Vertrauenskurven,
Daniel Burrough schlägt vor Das Anpassungen Sind erforderlich In bestätigend Studien
Wo A Ziel Ist vorgegeben, Aber nicht In explorativ Studien.
Das Idee schlägt vor verwenden unangepasst P-Werte für mehrere Vertrauenskurven
In ein explorativ Mode
Und nur A einzel Vertrauenskurve generiert aus anders Daten
Zu bestätigen dein Ergebnisse von A bedeutsam Unterschied
zwischen zwei Methoden Wann verwenden Bedeutung testen.
Das sagte, Bitte halten In Geist Die Gefahren von Kirsche pflücken, P-Hacking
Wann dirigieren explorativ Studien.
In Zusammenfassung, Die Modell Screening 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 Vertrauenskurven helfen Zu füllen Das Lücke.
Für Die Modell Screening Plattform.
Du könnte natürlich erwarten Zu verwenden Bedeutung testen Zu unterscheiden
zwischen Die Leistung von 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 WAHR.
Stattdessen von 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 Wann Es Ist FALSCH
Ist bestimmt von A Leistung oder eins Minus Beta.
ICH haben argumentierte Das Es Ist nicht ungewöhnlich Zu nur haben A 50 % Chance
von korrekt ablehnend Die Null Hypothese mit ein Alpha Wert von .05 .
Als ein Alternative, A Vertrauen Intervall könnte Sei gezeigt stattdessen von A Darlehen P- Wert.
Jedoch, Die Frage würde Sei links offen als Zu welche Vertrauen Ebene Zu zeigen.
Vertrauenskurven Adresse diese Anliegen von zeigen alle Vertrauen Intervalle
hoch Zu ein willkürlich hoch- Ebene von Vertrauen.
Der bedeuten Unterschied In Die Leistung
Ist deutlich sichtbar bei Die 0% Vertrauen Ebene, Und Das Handlungen als A Punkt schätzen.
Alle von Die Dinge Sein gleich, Typ 1 Und Typ 2 Fehler Sind Äquivalent.
Vertrauenskurven nicht einbetten A Voreingenommenheit in Richtung Handel Typ 1 Fehler für Typ 2.
Sogar Also, 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 % Vertrauen Intervall,
welche leicht bietet A typisch Bedeutung testen Analyse Wenn gewünscht.
Der Standardwerte für diese Linien Sind leicht geändert,
Aber anders Null Hypothese Und Vertrauen Ebenen gewünscht.
Sogar Also, gegeben Die eher breit Und Manchmal nachdrücklich Anregung
Zu ersetzen Bedeutung testen mit Punkt Schätzungen Und Vertrauen Intervalle,
Es Mai Sei am besten Zu Sicht A Vertrauenskurve als A Punkt schätzen
entlang mit A fast umfassend Sicht von es ist damit verbundenen Unsicherheit.
Wenn Du haben Rückmeldung um Die Vertrauen Kurve Add-in,
Bitte verlassen A Kommentar An Die JMP Gemeinschaft Website.
Und nicht vergessen Zu Abstimmung für Das Präsentation
Wenn Du gefunden Es interessant oder nützlich.
Dank Du für Aufpassen Das Präsentation Und ICH Hoffnung Du haben A Großartig Tag.
