Prueba de hipótesis Interpretación de resultados contradictoriosQuerida comunidad JMP,
Estoy tratando de descubrir la contradicción entre los dos sistemas de hipótesis que se detallan a continuación, realizados con un nivel de significancia de 0,05.
Mirando el primer sistema de hipótesis.
Prueba de 2 caras
Ho: Mu=0, H1: Mu no es igual a 0, P(valor) = 0,0705
Conclusión estadística: No se pudo rechazar Ho, por lo tanto Mu=0
Sin embargo, si miramos el tercer sistema
Prueba del lado inferior
Ho: Mu >= 0 , H1:Mu < 0. P(valor) = 0,0352
Conclusión estadística: Acepte H1, por lo tanto Mu < 0.
En este caso, existe una conclusión estadística contradictoria entre estos dos sistemas de hipótesis.
La prueba de 2 caras dice Mu=0
La prueba del lado inferior dice Mu <0
¿Cómo interpretamos esto?
Gracias por asesorar sobre este asunto.
hermano,
cris
Modelado estadístico avanzadoAsunto: Prueba de hipótesis Interpretación de resultados contradictoriosEntonces, solo para aclarar 1-0.9648=0.0352 y 0.0352*2=0.0704 (los valores en JMP no están redondeados como aquí)
Pruebas unilaterales
¿Cuál es la probabilidad de que sea menor que t? Es bastante pequeña. (el área azul oscuro)
¿Cuál es la probabilidad de que sea mayor que t? Es bastante grande. (toda el área a la derecha del área azul oscuro)
Prueba de dos caras
¿Cuál es la probabilidad de que t esté dentro de los intervalos de confianza del 95%, bastante pequeña (0,07) (en el espacio en blanco de la figura)?
En lenguaje común, no perfecto en términos de estadísticas, es así:
Si digo que -1,2667 es diferente de 0, ¿cuál es la probabilidad de que me equivoque? problema>|t|
Si digo que -1,2667 es mayor que 0, ¿cuál es la probabilidad de que me equivoque? problema>t
Si digo que -1,2667 es menor que 0, ¿cuál es la probabilidad de que me equivoque? problema <>
¿Quizás alguien más versado en estadísticas específicas pueda agregar nulo a esto? (retruécano)
Asunto: Prueba de hipótesis Interpretación de resultados contradictoriosEstá mostrando un error fundamental, uno que ha llevado a muchos (incluido yo mismo en ocasiones) a pedir el fin de las pruebas de significancia de hipótesis nulas (NHST). Nunca debes interpretar la prueba de forma binaria. Lo que ha informado sería correcto con el pensamiento binario: en una prueba bilateral, la hipótesis nula no fue rechazada y en una prueba unilateral sí se rechaza (donde el valor p es exactamente la mitad del valor p para las hipótesis bilaterales). prueba). Con el pensamiento binario, no se rechaza el valor nulo para la prueba bilateral, pero sí para la prueba unilateral. Pero la evidencia es exactamente la misma en ambas pruebas. Lo que ha cambiado es su disposición a cometer errores tipo 1.
Lo que se debe concluir es que la probabilidad de obtener una media al menos tan alejada de cero como 1,2667 errores estándar (en cualquier dirección) es de alrededor del 7 % y la probabilidad de obtener una media al menos tan alejada de cero como -1,2667 en una dirección negativa es de alrededor del 3,5%. Si insiste en utilizar .05 como límite binario, entonces sí, llegará a conclusiones diferentes. Si bien esto puede parecerle desconcertante, sólo refleja una mala forma de utilizar el valor p. Cuando no rechaces lo nulo, NUNCA debes decir que es verdadero. No tienes pruebas suficientes para rechazarlo. Dado que la prueba unilateral es menos exigente (dado que sólo le importa ver si la evidencia es lo suficientemente baja como para sentirse seguro al decir que es menor que cero en este caso), tiene evidencia suficiente utilizando ese valor de corte binario de 0,05.
Creo que el uso de tales valores p de corte binarios es algo que debería abandonarse. Los valores de p me parecen útiles, pero no de esa manera. Indican la solidez de la evidencia que proporcionan los datos en relación con un modelo particular, pero el valor p, por sí solo, nunca debería indicar si esa evidencia es lo suficientemente sólida como para rechazar ese modelo. En su caso, la prueba bilateral y la prueba unilateral son modelos diferentes, por lo que la suficiencia de la evidencia cambia si aplica el mismo valor de corte binario. Pero yo agregaría: ¿de dónde vino ese valor de corte binario? (Desafortunadamente, la respuesta a menudo es que proviene de un texto de introducción a la estadística y que ya no es útil).
Asunto: Prueba de hipótesis Interpretación de resultados contradictoriosHola @ChrisLooi : Siguiendo el espíritu de los comentarios de @dlehman1 , los intervalos de confianza pueden ser una mejor manera de entender esto. Claro, los valores p y los intervalos de confianza se derivan de los mismos principios y existe una correspondencia uno a uno entre ellos... pero dejemos eso de lado.
Supongamos para nuestros propósitos que alfa=0,05.
1. Rechazará [Ho: Mu=0] a favor de [H1: Mu no es igual a 0], si el intervalo de confianza del 95% para Mu no contiene 0. Este intervalo tiene alfa/2 =0,025 en cada cola.
2. Rechazará [Ho: Mu >= 0] a favor de [H1:Mu < 0] si el límite superior del 95% en Mu es menor que 0. Este límite superior tiene alfa en la cola superior.
El límite superior del intervalo de confianza en 1 es mayor que el límite superior en 2 (ya que 1 tiene menos probabilidad en la cola superior que 2). Por lo tanto, la prueba bilateral puede rechazar mientras que la unilateral no.
