Hallo. Mein Name Ist Bryan Fricke.
Ich bin a Produkt Manager bei JMP fokussiert An Die JMP Benutzer Erfahrung.
Vorher, I War a Software Entwickler Arbeiten An Export Berichte
Zu eigenständige HTML Feuer Dateien.
JMP Live Und JMP Öffentlich.
In Das Präsentation,
Ich bin gehen Zu sprechen um Verwendung Konfidenzkurven
als ein Alternative Zu null Hypothese Bedeutung Testen
In Die Kontext von Vorhersage Modell Screening.
Zusätzlich Material An Das Thema dürfen Sei gefunden An Die JMP Gemeinschaft Webseite
In Die Papier zugehörige mit Das Präsentation.
Dr. Russ Wolfinger Ist a Ausgezeichnet Forschung Gefährte bei JMP
Und a co- Autor, Und I würde wie Zu Dank ihn für sein Beiträge.
Der Modell Screening Plattform, eingeführt In JMP Pro 16
erlaubt Du Zu auswerten Die Leistung
von mehrere Vorhersage Modelle Verwendung kreuzen Validierung.
Zu zeigen Du Wie Die Modell Screening Plattform Werke
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 Vorhersage Modellieren Speisekarte.
JMP antwortet von Anzeige Die Modell Screening Dialog.
Der Erste drei Spalten In Die Daten Tisch
darstellen Krankheit Progression In kontinuierlich binär Und Ordinal- Formulare.
Krank verwenden Die kontinuierlich Spalte namens Y als Die Antwort Variable.
Krank verwenden Die Spalten 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-Falt kreuzen Validierung Und verlassen K Satz Zu fünf.
Krank Typ 3 hinein Die Eingang Kasten nächste Zu wiederholt KF alt.
In Die Verfahren Liste, Krank Auswahl aufheben neuronal.
Jetzt Krank klicken Okay.
JMP antwortet von Ausbildung Und Validierung Modelle für jede von Die ausgewählt Methoden
Verwendung ihre Standard Parameter Einstellungen Und kreuzen Validierung.
Nach Abschluss Die Ausbildung Und Validierung Verfahren,
JMP Anzeigen Die Ergebnisse In a neu Fenster.
Für jede Modellieren Verfahren.
Der Modell Screening 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 Hervorhebung Die Verfahren
Das führt aus am besten über Die Leistung Maßnahmen.
Was ist fehlen Hier Ist a Grafik Zu zeigen Die Größe von Die Unterschiede
zwischen Die dominant Verfahren Und Die andere Methoden,
entlang mit Die Visualisierung von Die Unsicherheit
zugehörige mit Die Unterschiede.
Aber Warum nicht Nur zeigen P- Werte datieren 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.
Ein a bedeutsam Unterschied tut es nicht implizieren a sinnvoll Unterschied.
Ist Das Wirklich a Problem?
I bedeuten, ist nicht Es sinnlos
Zu Sei betroffen mit Die Größe von Die Unterschied zwischen zwei Modelle
vor Verwendung 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 Jakob Cohen Und Frank Schmied
haben empfohlen Das typisch Studien haben Die Leistung Zu erkennen Unterschiede
In Die Reichweite von 0,4 bis 0,6 .
Also Lass uns vermuten Wir haben a Unterschied.
Wo Die Leistung Zu erkennen a WAHR Unterschied?
Null fünf bei ein Alpha Ebene null fünf.
Das legt nahe 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 gleichwertig.
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 0,5 .
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 Front 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 bettelt Die Frage,
welche eins Tun Wir zeigen?
Anzeige nur Die 95 % Vertrauen Intervall
würde wahrscheinlich ermutigen Du Zu interpretieren Es als ein anderer bilden von Bedeutung Testen.
Der Lösung bereitgestellt von Konfidenzkurven
Ist Zu buchstäblich zeigen alle Vertrauen Intervalle
hoch Zu ein willkürlich hoch Vertrauen Ebene.
Wie Tun I zeigen Konfidenzkurven Und JMP?
Zu praktisch erstellen Konfidenzkurven Und JMP,
installieren Die Konfidenzkurven Add-in von Besuch Die JMP Gemeinschaft Startseite.
Typ Konfidenzkurven hinein Die suchen Eingang Feld.
Klicken Die Konfidenzkurven Ergebnis.
Jetzt klicken Die herunterladen Symbol nächste Zu Konfidenzkurven. JMPa dd- In.
Jetzt klicken Die heruntergeladen Datei.
JMP antwortet von fragen Wenn I wollen Zu installieren Die hinzufügen- In.
Du würde klicken Installieren.
Jedoch, Krank klicken stornieren als Ich habe bereits installiert Die Add-in.
Also Wie Tun Du verwenden Die Add-in?
Erste.
Zu erzeugen Konfidenzkurven für Das Bericht, wählen Speichern Ergebnisse Tisch
aus Die Spitze Rot Dreieck Speisekarte befindet An Die Modell Screening Bericht Fenster.
JMP antwortet von erstellen a neu Tisch enthalten unter andere.
Der folgende Spalten Versuch.
Welche enthält Die Kennungen für Die drei Sets
von kreuzen Validierung Ergebnisse.
Falten.
Welche enthält Die Kennungen
für Die fünf unterscheidbar Sets von Teilstichproben gebraucht für Validierung In jede Versuch.
Verfahren.
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 Wiederholungen Ist genau eins,
In welche Fall Die Versuch Spalte Ist weder erstellt noch benötigt.
Speichern für Das Ausnahme, diese Spalten Sind essentiell
für Die Konfidenzkurven Add-in Zu Funktion richtig.
In Zusatz Zu diese Spalten Du brauchen eins Spalte
Das bietet Die metrisch Zu vergleichen zwischen Methoden.
Krank Sei Verwendung 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 Konfidenzkurven.
Der Logik Das folgt würde Sei besser platziert In a Zauberer
Und I 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 Verfahren Das Wille Aufschlag als Die Ausgangswert
aus welche alle Die andere Leistung Kennzahlen Sind gemessen.
I vorschlagen beginnend mit Die Verfahren Das War ausgewählt Wann Du klicken
Die Wählen Dominant Option
In Die Modell Screening 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 entsprechend Vertrauen Ebenen für Die bedeuten Unterschied
zwischen Die gewählt Ausgangswert Verfahren Und jede von Die andere Methoden.
Mehr speziell, Die generiert Tisch hat Spalten für Die folgendes.
Modell.
In welche jede Reihe enthält Die Name von Die Modellieren Verfahren
wessen Leistung Ist bewertet relativ Zu Die Ausgangswert Verfahren.
P- Wert In welche jede Reihe enthält Die Wahrscheinlichkeit
zugehörige 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 enthielt In Die zugehörige Intervall
Und Endlich, Unterschied In unser Quadrat,
In welche jede Reihe Ist Die maximal oder Minimum
von Die erwartet Unterschied In R kariert
zugehörige mit Die Vertrauen Ebene gezeigt In Die Vertrauen Intervall Spalte.
Aus Das Tisch, Konfidenzkurven Sind erstellt
Und gezeigt In Die Graph Bauherr Graph.
Also Was Sind Konfidenzkurven?
Zu klären Die Schlüssel Attribute von a Konfidenzkurve
Krank verstecken alle Aber Die Unterstützung Vektor Maschine Konfidenzkurve
Verwendung Die lokal Daten Filter von Klicken An Unterstützung Vektor Maschinen.
Von Standard, a Konfidenzkurve nur Shows
Die Linien Das verbinden Die Extreme von jede Vertrauen Intervall.
Zu sehen Die Punkte, wählen Zeigen Kontrolle Panel aus Die Rot Dreieck Speisekarte
befindet nächste Zu Die Text Das liest Graph Bauherr In Die Titel Bar.
Jetzt Krank Schicht klicken Die Punkte Symbol.
JMP antwortet von Anzeige Die Endpunkte von Die Vertrauen Intervalle
Das machen hoch Die Konfidenzkurve.
Jetzt I Wille Zoom In Und prüfen a Punkt.
Wenn Du schweben Die Maus Zeiger über beliebig von diese Punkte.
A schweben Etikett Shows das P - Wert Vertrauen Intervall,
Unterschied In Die Größe von Die metrisch
Und Die Verfahren gebraucht Zu erzeugen 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 Person Punkte Sind NEIN länger gezeigt,
Du dürfen Trotzdem Sicht Die zugehörige schweben Etikett
von Platz Die Maus Zeiger über Die Konfidenzkurve.
Punkt schätzen für Die hauptsächlich Unterschied
In Leistung zwischen Die Sport Vektor Maschinen Und Fit Step Wise Modelle
Ist gezeigt bei Die 0 % Vertrauen Ebene,
welche Ist Die bedeuten Wert von Die Unterschiede berechnet Verwendung kreuzen Validierung.
A Konfidenzkurve Diagramme 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 zugehörige mit Die Vertrauen Intervalle Sind gezeigt
entlang Die Rechts y Achse.
Der Vertrauen Ebene zugehörige mit jede Vertrauen Intervall gezeigt.
Der Y Achse Verwendung a Protokoll Skala
Also Das mehr Auflösung Ist gezeigt bei höher Vertrauen Ebenen.
Von Standard, zwei Referenz Linien Sind gezeichnet neben a Konfidenzkurve.
Der Vertikale Linie repräsentiert
Die traditionell null Hypothese von NEIN Unterschied In Wirkung.
Notiz Du dürfen ändern Die Vertikale Linie Position
Und dadurch Die implizit null Hypothese.
In Die X-Achse Einstellungen.
Der horizontal Linie Pässe durch Die konventionell 95 % Vertrauen Intervall.
Als mit Die Vertikale Referenz Linie,
Du dürfen ändern Die horizontal Linie Position
Und dadurch Die implizit Ebene von Bedeutung
von Ändern Die Y Achse Einstellungen.
Wenn a Konfidenzkurve Kreuze Die Vertikale Linie über Die horizontal Linie,
Du kann nicht ablehnen Die null Hypothese Verwendung Bedeutung Testen.
Für Beispiel, Wir kann nicht ablehnen Die null Hypothese für Unterstützung Vektor Maschinen.
An Die andere Hand, Wenn a Konfidenzkurve
Kreuze Die Vertikale Linie unten Die horizontal Linie,
Du dürfen ablehnen Die null Hypothese Verwendung Bedeutung Testen.
Für Beispiel, Wir dürfen ablehnen Die null Hypothese für verstärkt Baum.
Wie Sind Konfidenzkurven berechnet?
Der aktuell Durchführung von Vertrauen Kurven setzt voraus
Die Unterschiede Sind berechnet
Verwendung R-Zeiten wiederholt K-fach kreuzen Validierung.
Der Ausmaß von jede Vertrauen Intervall Ist berechnet
Verwendung Was Ist bekannt als a Varianz korrigiert neu abgetastet T-Test.
Notiz Das Autoren Claude Nadeau Und Joshua Bengio,
Notiz Das a korrigiert neu abgetastet T-Test
Ist typischerweise gebraucht In Fälle Wo Ausbildung Sets
Sind fünf oder zehn mal größer als Validierung Sets.
Für mehr Details, Bitte sehen Die Papier zugehörige mit Das Präsentation.
Also Wie Sind Konfidenzkurven interpretiert?
Erste, Die Konfidenzkurve grafisch stellt dar
Die hauptsächlich Unterschied In Die metrisch von Interesse zwischen a gegeben Verfahren
Und a Referenz Verfahren 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, da ist wenig Punkt In weiter Analyse
von a gegeben Verfahren gegen Die Referenz Verfahren 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 Verfahren
Ist An Durchschnitt um 14% schlechter als Fit Step Wise,
welche wohl Ist a sinnvoll Unterschied.
Wenn Die Unterschied Ist sinnvoll,
Wir dürfen auswerten Wie genau Die Unterschied hat gewesen gemessen
von Bewertung Wie viel Die Vertrauen C schimpfen 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 tut es 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 Wendungen aus Das Wir dürfen Sei um 81 % zuversichtlich
Das Fit Step Wise Ist bei am wenigsten als Gut,
Wenn nicht besser, als jeder Verfahren andere als verallgemeinert Regression Lasso.
Jetzt Lass uns halten Die Beziehung zwischen Konfidenzkurven.
Wenn zwei oder mehr Konfidenzkurven deutlich überlappen
Und Die bedeuten Unterschied von jede Ist nicht sinnvoll anders aus Die andere.
Der Daten vorschlagen jede Verfahren führt aus 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 aus weniger als . 5% als Bootstrap Wald,
welche Ist wohl nicht a sinnvoll Unterschied.
Der Vertrauen Intervalle Tun nicht überlappen bis um Die 4% Vertrauen Ebene,
welche legt nahe 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 überlappen zu viel,
Die Daten legt nahe
Die Modelle durchführen 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 I nicht haben ein Beispiel Zu zeigen mit Das Daten Satz.
An Die andere Hand, Wenn Die Durchschnitt Unterschied In Leistung
zwischen a Paar von Konfidenzkurven Ist sinnvoll anders
Und Die Vertrauen Kurven haben wenig überlappen,
Die Daten legt nahe Die Modelle durchführen
anders aus eins ein anderer mit respektieren Zu Die Referenz.
Für Beispiel, Die verallgemeinert Regression Lasso Modell Vorhersagen um 13,8 %
mehr von Die Variation In Die Antwort als tut Die Entscheidung Baum Modell.
Darüber hinaus, Die Konfidenzkurven nicht überlappen
bis um Die 99,9 % Vertrauen Ebene,
welche legt nahe diese Ergebnisse Sind ganz ungewöhnlich
Wenn Die Methoden Genau genommen durchführen um Die Dasselbe mit respektieren Zu Die Referenz.
Endlich, Wenn Die Durchschnitt Unterschied In Leistung zwischen a Paar
von Konfidenzkurven Ist sinnvoll anders aus eins ein anderer
Und Die Kurven haben beträchtlich überlappen,
Die Daten legt nahe Das
während Die Methoden durchführen 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 überlappen bei um Die 17% Vertrauen Ebene,
welche legt nahe Es würde nicht Sei überraschend
Wenn Die Unterschied In Leistung zwischen jede Verfahren
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 Verfahren
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 Konfidenzkurven,
Daniel Burrough legt nahe Das Anpassungen Sind benötigt In bestätigend Studien
Wo a Ziel Ist vordefiniert, Aber nicht In explorativ Studien.
Das Idee legt nahe Verwendung unbereinigt P-Werte für mehrere Konfidenzkurven
In ein explorativ Mode
Und nur a einzel Konfidenzkurve generiert aus anders Daten
Zu bestätigen dein Ergebnisse von a bedeutsam Unterschied
zwischen zwei Methoden Wann Verwendung Bedeutung Testen.
Das sagte, Bitte halten In Geist Die Gefahren von Kirsche Pflücken p-Hacking
Wann Durchführung explorativ Studien.
In Zusammenfassung, Die Modell Screening Plattform eingeführt In JMP Pro 16
bietet a bedeutet Zu gleichzeitig vergleichen Die Leistung
von Vorhersage Modelle erstellt Verwendung anders Methodologien.
JMP hat a lang Stehen Ziel Zu bieten a Graph mit jeder Statistik,
Und Konfidenzkurven 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 verdeckend Die Größe von Leistung Unterschiede.
In Zusatz,
P-Werte Sind oft falsch interpretiert als Die Wahrscheinlichkeit Die null Hypothese Ist WAHR.
Stattdessen von P-Wert Ist Die Wahrscheinlichkeit von beobachten a Unterschied
als oder mehr extrem, Annahme Die null Hypothese Ist WAHR.
Der Wahrscheinlichkeit von korrekt ablehnen Die null Hypothese Wann Es Ist FALSCH
Ist bestimmt von a Leistung oder eins Minus Beta.
I haben argumentierte Das Es Ist nicht ungewöhnlich Zu nur haben a 50% Chance
von korrekt ablehnen Die null Hypothese mit ein Alpha Wert von 0,05 .
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.
Konfidenzkurven Adresse diese Anliegen von Das heißt, es ist nichts anderes als das, was man erwarten würde. 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 Akte als a Punkt schätzen.
Alle von Die Dinge Sein gleich, Typ 1 Und Typ 2 Fehler Sind gleichwertig.
Konfidenzkurven 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 ermöglicht a typisch Bedeutung Testen Analyse Wenn gewünscht.
Der Standardeinstellungen für diese Linien Sind leicht modifiziert,
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 Konfidenzkurve als a Punkt schätzen
entlang mit a fast umfassend Sicht von es ist zugehörige Unsicherheit.
Wenn Du haben Rückmeldung um Die Vertrauen Kurven 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 I Hoffnung Du haben a Großartig Tag.
