বোনফেরনির সমন্বয়গুলির সাথে কী সমস্যা?

Question

আমি নিম্নলিখিত কাগজটি পড়েছি: পেরেঞ্জার (1998) বোনফেরনির সামঞ্জস্যের সাথে কী হয়েছে ।

লেখক সংক্ষেপে বলেছিলেন যে বোনফেরনির সামঞ্জস্য বায়োমেডিকাল গবেষণায় সর্বাধিক সীমাবদ্ধ প্রয়োগ রয়েছে এবং নির্দিষ্ট অনুমানের বিষয়ে প্রমাণ মূল্যায়ন করার সময় ব্যবহার করা উচিত নয়:

সংক্ষিপ্ত পয়েন্ট:

• অধ্যয়নের উপাত্ত-বনফেরোনি পদ্ধতিতে যে পরীক্ষা করা হয়েছে তার সংখ্যার জন্য পরিসংখ্যানগত তাত্পর্য সমন্বয় করা তার সমাধানের চেয়ে আরও বেশি সমস্যা তৈরি করে
• বনফেরোনি পদ্ধতিটি সাধারণ নাল হাইপোথিসিসের সাথে সম্পর্কিত (যে সমস্ত নাল অনুমান এক সাথে সত্য), যা আগ্রহী বা গবেষকদের পক্ষে খুব কমই ব্যবহৃত হয়
• প্রধান দুর্বলতা হল যে কোনও অনুসন্ধানের ব্যাখ্যা করা অন্যান্য পরীক্ষাগুলির সংখ্যার উপর নির্ভর করে
• দ্বিতীয় ধরণের ত্রুটির সম্ভাবনাও বৃদ্ধি পেয়েছে, যাতে সত্যিকারের গুরুত্বপূর্ণ পার্থক্যগুলি অ-তাৎপর্যপূর্ণ বলে বিবেচিত হয়
• তাত্পর্যপূর্ণ কী পরীক্ষাগুলি সম্পাদিত হয়েছে তা কেবল বর্ণনা করা এবং কেন, সাধারণভাবে একাধিক তুলনার সাথে व्यवहार করার সর্বোত্তম উপায়

---

আমার কাছে নিম্নলিখিত ডেটা সেট আছে এবং আমি একাধিক পরীক্ষার সংশোধন করতে চাই তবে আমি এই ক্ষেত্রে সেরা পদ্ধতির জন্য সিদ্ধান্ত নিতে অক্ষম।

আমি জানতে চাই যে সমস্ত উপাত্তের যে সমস্ত উপাত্তের উপাত্তের তালিকা রয়েছে তার জন্য এই ধরণের সংশোধন করা জরুরি এবং এই ক্ষেত্রে সংশোধন করার সর্বোত্তম পদ্ধতি কোনটি?

Comments

'মানে এ', 'মানেবি' আসলে কী? ...?

দ্বারা না একাধিক তুলনা জন্য সংশোধন আপনি irreproducible ফলাফল ঝুঁকি চালানো। চিকিত্সা এবং মনোবিজ্ঞান সহ অনেকগুলি ক্ষেত্র সম্প্রতি আবিষ্কার করেছে যে ঠিক এটি ঘটেছে: অবাস্তবুক্ত পি-মানগুলির উপর ভিত্তি করে তারা "জানেন" তার বেশিরভাগই ঠিক এমনটি ঘটেনি। ছদ্মবেশী বলে মনে হচ্ছে না, দেখে মনে হচ্ছে পছন্দটি পরিষ্কার: যে গবেষক প্রকাশের জন্য পি-ভ্যালু মানদণ্ডটি পূরণ করতে হবে তা সঠিক হবে না; সংশয়ী যারা জ্ঞান চান।

— হোবার

@ হুবুহু তবে পি-ভ্যালুগুলির জন্য সংশোধন করার জন্য অনেকগুলি আলাদা পদ্ধতি উপলব্ধ থাকলে কি এটি এখনও পুনরুত্পাদনযোগ্য হিসাবে বিবেচনা করা যেতে পারে? তার উত্তরে মার্টিনো এমনকি কম রক্ষণশীল বা আরও শক্তিশালী পদ্ধতির মধ্যে চয়ন করার দিকনির্দেশ দেয়।

— নাকেক্স

@ নাক্স পুনরুত্পাদনযোগ্যতা কেবলমাত্র পরিসংখ্যান পদ্ধতির সাথে সম্পর্কিত: এটি গবেষণা অন্যদের দ্বারা স্বাধীনভাবে করা হলে তুলনামূলক ফলাফল প্রাপ্ত হবে কি না তা বোঝায় (এবং সম্ভবত এইরূপে পুনরায় প্রতিরূপিত করার প্রয়াসে, একটি একক স্পষ্ট হাইপোথিসিস আগেই বর্ণিত হবে এবং সেই অনুমানের জন্য উপযুক্ত একটি পরিসংখ্যান পদ্ধতি ব্যবহার করা হবে)। যদি মূল পদ্ধতিটি কোনও সঠিক পি-মান তৈরি করে না, তবে অনেকগুলি স্বাধীন গবেষণার জন্য যখন বহুবার ব্যবহৃত হয় তখন এটি তার ব্যবহারকারীদের ইচ্ছা বা প্রত্যাশার তুলনায় গড়পড়তাভাবে আরও অপূরণীয় নির্ধারণ করতে পারে।

— হোবার

Answer 1

অন্যদের দ্বারা বর্ণিত রক্ষণশীলতার পাশাপাশি বনফেরোনি সংশোধনের ক্ষেত্রে যা ভুল তা হ'ল সমস্ত গুণগত সংশোধনের ক্ষেত্রে যা ভুল। তারা মৌলিক পরিসংখ্যান নীতিগুলি অনুসরণ করে না এবং এগুলি নির্বিচারে হয়; ঘনত্ববাদী বিশ্বে বহুগুণ সমস্যার কোনও অনন্য সমাধান নেই। দ্বিতীয়ত, বহুবৃত্তির সমন্বয়গুলি অন্তর্নিহিত দর্শনের উপর ভিত্তি করে তৈরি করা হয় যে একটি বিবৃতিটির যথার্থতা নির্ভর করে যা অন্যান্য অনুমানগুলি বিনোদন করে। এটি একটি বায়েশিয়ান সেটআপের সমতুল্য যেখানে অন্যান্য পরামিতি বিবেচনা করা হওয়ায় আগ্রহের পরামিতিগুলির জন্য পূর্ব বিতরণ আরও রক্ষণশীল হতে থাকে। এটি সুসংগত বলে মনে হয় না। কেউ বলতে পারেন যে এই পন্থাটি গবেষকরা মিথ্যা ইতিবাচক পরীক্ষার ইতিহাস দ্বারা "পোড়া" হয়েছিলেন এবং এখন তারা তাদের অপকর্মের জন্য আপ করতে চান from

কিছুটা প্রসারণ করতে নিম্নলিখিত পরিস্থিতি বিবেচনা করুন। একজন অনকোলজি গবেষক একটি নির্দিষ্ট শ্রেণির কেমোথেরাপির কার্যকারিতা অধ্যয়নের কেরিয়ার তৈরি করেছেন। তার পূর্ববর্তী 20 টি এলোমেলোভাবে পরীক্ষার ফলাফল পরিসংখ্যানগতভাবে তুচ্ছ কার্যকারিতার ফলস্বরূপ। এখন সে একই ক্লাসে একটি নতুন কেমোথেরাপি পরীক্ষা করছে। বেঁচে থাকার সুবিধাটি পি = 0.04 এর সাথে উল্লেখযোগ্য$P=0.04$। একজন সহকর্মী দেখিয়েছেন যে সেখানে একটি দ্বিতীয় শেষ পয়েন্ট অধ্যয়ন করা হয়েছিল (টিউমার সঙ্কুচিত) এবং বেঁচে থাকার ফলাফলের জন্য একটি বহুগুণ সমন্বয় প্রয়োগ করা দরকার, যা একটি তুচ্ছ বেঁচে থাকার সুবিধার জন্য তৈরি হয়েছিল। কীভাবে এটি যে সহকর্মী দ্বিতীয় শেষ পয়েন্টটিতে জোর দিয়েছিলেন তবে কার্যকর ওষুধের সন্ধানের জন্য আগের 20 টি ব্যর্থ প্রচেষ্টাটির সামঞ্জস্য করার বিষয়ে কম যত্ন নিতে পারেন নি? এবং আপনি যদি পূর্বের 20 টি গবেষণা সম্পর্কে পূর্ব জ্ঞানকে বিবেচনা করবেন তবে আপনি যদি বায়সিয়ান না হন? দ্বিতীয় কোনও শেষ পয়েন্ট না থাকলে কী হবে। সহকর্মী কি বিশ্বাস করবে যে পূর্ববর্তী সমস্ত জ্ঞান উপেক্ষা করে বেঁচে থাকার উপকারটি প্রদর্শিত হয়েছিল?

Comments

'পুনরাবৃত্তিযোগ্য' রেফারেন্সে পরিষ্কার নয়। যদি কোনও একক পরীক্ষা হয় তবে কোনও গুণগত মান সমন্বয় প্রয়োজন হয় না, সাথে ফলাফলের পুনরাবৃত্তি হওয়ার সম্ভাবনা বেশি নয়। $P=0.04$

— ফ্র্যাঙ্ক হ্যারেল

@ এমজেএর উত্তর দেওয়ার জন্য আমি মনে করি দুটি পছন্দসই পদ্ধতি রয়েছে: (1) বায়সিয়ান বা (2) অনুমানকে অগ্রাধিকার দিন এবং প্রসঙ্গে অগ্রাধিকার ক্রমে ফলাফলগুলি প্রতিবেদন করুন।

— ফ্র্যাঙ্ক হ্যারেল

এটি সম্পর্কে নীতিগত কিছুই নেই এবং এটি কোনওভাবেই সঠিক নয়। Bonferroni এর অসমতা কেবল ত্রুটি সম্ভাবনার জন্য একটি উপরের আবদ্ধ । কেন ব্যয় 5 পরামিতি উপর সমানভাবে? গ্রহণযোগ্যতা অঞ্চলের জন্য একটি আয়তক্ষেত্রের পরিবর্তে উপবৃত্তাকার অঞ্চল তৈরি করবেন না কেন? কেন শেফ বা টুকির পদ্ধতি ব্যবহার করবেন না? কেন একটি সাধারণ সমন্বিত আনোভা-টাইপ পরীক্ষা ব্যবহার করবেন না? আপনি না আকাঙ্ক্ষিত অর্জন α একটি ব্যবহার করে এ সমতা। $\alpha$$\alpha$

— ফ্র্যাঙ্ক হ্যারেল

আপনি দুটি ত্রুটি হারকে পৃথক করছেন। শূন্যের নিচে, বনফেরোনি যথাযথভাবে প্রতি পরিবারে প্রত্যাশিত সংখ্যক ত্রুটি বজায় রাখে। এটি পরিবার প্রতি "কমপক্ষে একটি" ত্রুটির সম্ভাবনা (যা পারস্পরিক সম্পর্কের উপর নির্ভর করে) এর উপর একটি উচ্চতর বাউন্ড দেয়। 5 টি পরীক্ষায় সমানভাবে আলফা ব্যয় করা একেবারে যুক্তিযুক্ত কারণ পরীক্ষাগুলিকে আলাদাভাবে অগ্রাধিকার দেওয়ার কোনও বিশেষ কারণ নেই। অন্য একটি প্রসঙ্গ দেওয়া, অন্যথায় করার মূল কারণ রয়েছে। আপনি বোঝাচ্ছেন যে গাণিতিক শব্দ পদ্ধতিটি ব্যবহার করা "নীতিবিরোধী" কেবল কারণ বিকল্প পদ্ধতিগুলি অন্যান্য প্রসঙ্গ, লক্ষ্য এবং অনুমানের ভিত্তিতে বিদ্যমান।

— বনফেরোনি 4'16

@ ফ্র্যাঙ্কহারেল আপনার অন্যান্য প্রশ্নগুলি কেবল আমার বক্তব্যকেই বর্ণনা করে। বহুগুণের অভাবে এমনকি পরীক্ষার পরিসংখ্যান, পরীক্ষা পদ্ধতি ইত্যাদির প্রায়শই অসংখ্য পছন্দ রয়েছে। এটি আপনাকে বোঝাচ্ছে বলে মনে হচ্ছে পদ্ধতিটি "স্বেচ্ছাচারিত" করে না। যদি কেউ একটি সর্বজনীন পরীক্ষায় আগ্রহী হয়, তবে সর্বকথায় একটি করে পরিচালনা করুন। যদি কেউ কেবল অবিচ্ছিন্ন পরীক্ষাগুলিতে আগ্রহী, তবে সর্বাত্মকভাবে অবিচ্ছিন্ন পরীক্ষাগুলি পরিচালনা করুন। আপনি কি গুরুত্ব সহকারে পরামর্শ দিচ্ছেন যে পরীক্ষাটি নির্বাচন করা "স্বেচ্ছাসেবক" যা আপনি যে প্রশ্নটিকে আগ্রহী করছেন তার চেয়ে অন্য কিছু প্রশ্নের চেয়ে আগ্রহী?

— বোনফেরোনি

Answer 2

তিনি সংক্ষিপ্ত করে বলেছিলেন যে বোনফেরোনি সমন্বয়টি বায়োমেডিকাল গবেষণায় সর্বাধিক সীমাবদ্ধ প্রয়োগ রয়েছে এবং নির্দিষ্ট অনুমানের বিষয়ে প্রমাণ মূল্যায়ন করার সময় ব্যবহার করা উচিত নয়।

বনফেরনি সংশোধন সবচেয়ে সহজ এবং রক্ষণশীল একাধিক তুলনা কৌশল technique এটিও প্রাচীনতমগুলির মধ্যে একটি এবং সময়ের সাথে সাথে এটি অত্যন্ত উন্নত হয়েছে। এটা বলা ঠিক যে বনফেরোনি সামঞ্জস্য প্রায় সকল পরিস্থিতিতেই সীমিত প্রয়োগ রয়েছে limited প্রায় অবশ্যই একটি ভাল পদ্ধতির আছে। এর অর্থ হল, একাধিক তুলনার জন্য আপনাকে সংশোধন করতে হবে তবে আপনি এমন একটি পদ্ধতি বেছে নিতে পারেন যা কম রক্ষণশীল এবং আরও শক্তিশালী।

কম রক্ষণশীল

একাধিক তুলনা পদ্ধতি পরীক্ষার পরিবারে কমপক্ষে একটি মিথ্যা পজিটিভ পাওয়ার বিরুদ্ধে সুরক্ষা দেয়। যদি আপনি স্তরে একটি পরীক্ষা করে থাকেন তবে আপনি ভ্রান্ত ইতিবাচক হওয়ার 5% সুযোগকে মঞ্জুরি দিচ্ছেন। অন্য কথায়, আপনি ভুলভাবে আপনার নাল অনুমানটি প্রত্যাখ্যান করেন। আপনি 10 পরীক্ষা সঞ্চালন তাহলে α = 0.05 তারপর এই বৃদ্ধির স্তর 1 - ( 1 - 0.05 ) 10 একটি মিথ্যা ইতিবাচক পাবার = ~ 40% সম্ভাবনা$\alpha$$\alpha = 0.05$$1-(1-0.05)^{10}$

Bonferroni পদ্ধতি আপনি একটি ব্যবহার স্কেল সর্বনিম্ন শেষ (অর্থাত এ α খ = α / এন ) আপনার পরিবারকে রক্ষা করার জন্য এন এ পরীক্ষার α স্তর। অন্য কথায়, এটি সবচেয়ে রক্ষণশীল। এখন, আপনি বৃদ্ধি করতে পারেন α খ Bonferroni দ্বারা নিম্ন সীমা সেট উপরে (অর্থাত আপনার পরীক্ষার কম রক্ষণশীল করতে) এবং এখনও এ পরীক্ষার আপনার পরিবার রক্ষা α স্তর। এটি করার অনেকগুলি উপায় রয়েছে, উদাহরণস্বরূপ বা আরও ভাল এখনও মিথ্যা আবিষ্কারের হারের জন্য হলম-বনফেরোনি পদ্ধতি$\alpha_b$$\alpha_b = \alpha/n$$n$$\alpha$$\alpha_b$$\alpha$

আরো শক্তিশালী

উল্লেখ করা কাগজে উত্থাপিত একটি ভাল বিষয় হ'ল দ্বিতীয় ধরণের ত্রুটির সম্ভাবনাও বৃদ্ধি পেয়েছে যাতে সত্যিকারের গুরুত্বপূর্ণ পার্থক্যগুলি অ-তাৎপর্যপূর্ণ বলে বিবেচিত হয়।

এই অত্যন্ত গুরুত্বপূর্ণ. একটি শক্তিশালী পরীক্ষা হ'ল যা বিদ্যমান থাকলে তা উল্লেখযোগ্য ফলাফল খুঁজে পায়। Bonferroni সংশোধন ব্যবহার করে আপনি একটি কম শক্তিশালী পরীক্ষা দিয়ে শেষ। Bonferroni রক্ষণশীল হিসাবে, শক্তি যথেষ্ট হ্রাস হওয়ার সম্ভাবনা রয়েছে। আবার, বিকল্প পদ্ধতিগুলির মধ্যে একটি যেমন মিথ্যা আবিষ্কারের হার, পরীক্ষার শক্তি বাড়িয়ে তুলবে। অন্য কথায়, আপনি কেবল মিথ্যা ইতিবাচক থেকে রক্ষা করবেন না, আপনি সত্যিকারের উল্লেখযোগ্য ফলাফলগুলি সন্ধানের নিজের দক্ষতাও উন্নত করেছেন।

সুতরাং হ্যাঁ, আপনি যখন একাধিক তুলনা করেন তখন আপনার কিছু সংশোধন কৌশল প্রয়োগ করা উচিত। এবং হ্যাঁ, বনফেরনির সম্ভবত কম রক্ষণশীল এবং আরও শক্তিশালী পদ্ধতির পক্ষে এড়ানো উচিত

Comments

বেশ কয়েকটি বিকল্প রয়েছে - উদাহরণস্বরূপ হলম বনফেরোনি সহজ এবং বোঝা সহজ। কেন এলো না। ধরা যাক আপনার অ্যাপ্লিকেশনটি জিন এক্সপ্রেশন বা প্রোটিন এক্সপ্রেশনে রয়েছে যেখানে আপনি সম্ভবত একটি পরীক্ষায় হাজার হাজার ভেরিয়েবল পরীক্ষা করছেন তবে আপনার এফডিআর সাধারণত ব্যবহৃত হয়।

— মার্টিনো

দশ পরীক্ষায় ভুয়া পজিটিভ হওয়ার 40% সম্ভাবনা গণনা করার পদ্ধতিটি আপনার পরীক্ষাগুলি স্বতন্ত্র ঘটনাবলী হওয়ার উপর ভিত্তি করে তৈরি হয় তবে প্রকৃত ডেটা সহ এটি হওয়ার সম্ভাবনা খুব কম। আমি মনে করি এটি কমপক্ষে মন্তব্য করার উপযুক্ত।

— সিলভারফিশ

আমিও উদ্বিগ্ন এই উত্তরটি মিথ্যা আবিষ্কারের হারের সাথে পারিবারিকভাবে ত্রুটি হার সংরক্ষণের পদ্ধতিগুলির সাথে মিলিত হতে পারে বলে মনে হচ্ছে। এই দুটি বিষয়েই আলোচনা করা কোনও খারাপ ধারণা নয়, তবে যেহেতু তারা বিভিন্ন কাজ করে আমি তাদের সমতুল্য হিসাবে উপস্থাপন করা উচিত বলে মনে করি না

— সিলভারফিশ

তবে আমি যদি ভালভাবে বুঝতে পারি তবে, এফডিআর (ভুয়া আবিষ্কারের হারগুলি) পূর্বনির্ধারিত স্তরে টাইপ আই ত্রুটি নিয়ন্ত্রণের গ্যারান্টি দেয় না? (এই প্রশ্নের আমার উত্তরও দেখুন)

তবে কোনও নিবন্ধে সমস্ত কাঁচা পি-মানগুলি প্রতিবেদন করা কি আরও স্বচ্ছ এবং কার্যকর নয়, যাতে পাঠকরা তাদের বৈধতাটি নিজেরাই বিচার করতে পারেন বা তারা ব্যবহার করতে চান এমন অগণিত সমন্বয়ের পদ্ধতিগুলির মধ্যে কোনটি বেছে নিতে পারেন?

— নাকেক্স

Answer 3

টমাস পার্নেগার কোনও পরিসংখ্যানবিদ নন এবং তাঁর কাগজটি ভুলতে পূর্ণ। সুতরাং আমি এটিকে খুব গুরুত্বের সাথে নেব না। এটি আসলে অন্যদের দ্বারা তীব্র সমালোচিত হয়েছিল। উদাহরণস্বরূপ, আকিন বলেছিলেন পার্নেগারের কাগজটি "প্রায় সম্পূর্ণ ত্রুটিগুলি নিয়ে গঠিত": আকিন, "একাধিক পরীক্ষার সমন্বয়ের অন্যান্য পদ্ধতি বিদ্যমান", বিএমজে। 1999 জানুয়ারী 9; 318 (7176): 127।

এছাড়াও, মূল প্রশ্নে পি-মানগুলির কোনওটিই <.05 নয়, এমনকি বহুগুণ সমন্বয় ছাড়াই। সুতরাং সম্ভবত কোন সমন্বয় (যদি থাকে) ব্যবহৃত হয় তা বিবেচ্য নয়।

Comments

লিঙ্কের জন্য ধন্যবাদ! আমি একটি পূর্ণ রেফারেন্স যুক্ত করেছি। এটি উত্তরের চেয়ে আরও একটি মন্তব্য এবং আমি নিশ্চিত যে আপনার যুক্তিতে আগ্রহী কিছু আছে, অথবা আকিন যা বলেছে তার অন্তত একটি সংক্ষিপ্তসার রয়েছে। এর সাথে সম্পর্কিত নয়: পার্নেজারের পরিসংখ্যানগুলিতে কোনও দক্ষতা নেই বলে (কোনও যুক্তিসঙ্গত মান দ্বারা) মিতাময়, বা দরকারী বলে মনে হয় না - আপনি কি বিবৃতিটি সরিয়ে নেওয়ার বিষয়টি বিবেচনা করবেন?

— স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন

@ স্কোর্টচি আমি পরিবর্তন করেছি "পরিসংখ্যানবিদদের কাছে" "কোনও পরিসংখ্যান নেই" " ঘটনাচক্রে, আমি একমত নই যে বিশেষজ্ঞের মতামত অ-বিশেষজ্ঞের মতামত থেকে আলাদা করা কার্যকর নয়।

— বনফেরনি

আমি যতদূর বলতে পারি পার্নেগারের পরিসংখ্যানের কোনও ডিগ্রি নেই এবং তিনি কোনও পরিসংখ্যান জার্নালে কোনও কাগজ প্রকাশ করেননি। প্রশ্নে উদ্ধৃত কাগজটি বিএমজে-তে একটি মতামত নিবন্ধ যা সম্পূর্ণ ভুল হওয়ার জন্য ডেকে আনা হয়েছে। তাহলে পার্নেগারের অনুমিত দক্ষতা কী যে "কোনও যুক্তিসঙ্গত মানের বাইরে?" "স্নেহযোগ্য" হওয়ার কারণে সত্যের পথে যাওয়া উচিত নয়।

— Bonferroni

যতদূর আমি বলতে পারি তিনি বিশ্ববিদ্যালয়ের হাসপাতালের একজন বায়োস্টাটিক্সে মাস্টার্স এবং এপিডেমিওলজিতে পিএইচডি করেছেন যিনি মেডিক্যাল স্ট্যাটিস্টিকসে লেকচার দেন এবং ক্লিনিকাল ট্রায়াল ও মেডিকেল জার্নালে পর্যবেক্ষণের গবেষণার বিশ্লেষণ প্রকাশ করেন। যদি আপনি সেই "কোনও পরিসংখ্যানগত দক্ষতা না" থেকে অবনতি করেন তবে আমি মনে করি যে আপনার মানটি আপনার পাঠকদের ধরে নেওয়ার পক্ষে যুক্তিযুক্তভাবে প্রত্যাশার চেয়ে তুলনামূলক উচ্চতর। (স্ট্যান্ডার্ডটি অযৌক্তিক ছিল না তার চেয়ে আমার যা বলা উচিত ছিল।) যাইহোক, এটি সম্পাদনার জন্য ধন্যবাদ!

— স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন

Answer 4

বোনফেরনির মতো একাধিক পরীক্ষার সংশোধনকে '' পেছনের যুক্তি '' ব্যাখ্যা করা ভাল। যদি এটি পরিষ্কার হয় তবে আপনি সেগুলি প্রয়োগ করবেন কিনা তা আপনি নিজেরাই বিচার করতে সক্ষম হবেন।

$\mu$$H_0: \mu=0$

$H_1: \mu \ne 0$$H_0: \mu = 0$$\alpha$

$H_0$$H_0$

$H_0$$H_0$$H_1$

মিথ্যা প্রমাণ বিজ্ঞানের একটি খারাপ জিনিস কারণ আমরা বিশ্বাস করি বিশ্ব সম্পর্কে সত্য জ্ঞান অর্জন করেছি, তবে বাস্তবে নমুনাটির সাথে আমাদের ভাগ্য খারাপ হতে পারে। এই ধরণের ত্রুটিগুলি পরিণতিতে নিয়ন্ত্রিত হওয়া উচিত। অতএব, এই ধরণের প্রমাণের সম্ভাব্যতার জন্য একজনের উপরের সীমাবদ্ধতা রাখা উচিত, বা আই ত্রুটি টাইপ করা উচিত। এটি একটি গ্রহণযোগ্য তাত্পর্য স্তর আগাম ঠিক করেই করা হয়।

$5\%$$H_0$$5\%$$H_0$$H_1$$H_1$

$H_0: \mu_1=0 \& \mu_2=0$$H_1: \mu1 \ne 0 | \mu_2 \ne 0$$\alpha=0.05$

$H_0^{(1)}: \mu_1=0$$H_0^{(1)}: \mu_1 \ne 0$$H_1^{(2)}: \mu_2=0$$H_1^{(2)}: \mu_2 \ne 0$$\alpha=0.05$

$H_0^{(1)}$$H_0^{(1)}$

$1-(1-0.05)^2=0.0975$$\alpha$

এখানে গুরুত্বপূর্ণ ঘটনাটি হলো দুটি পরীক্ষা একটি এবং সাম্পের নমুনার উপর ভিত্তি করে!

লক্ষ করুন যে আমরা স্বাধীনতা গ্রহণ করেছি। আপনি যদি স্বাধীনতা ধরে নিতে না পারেন তবে বনফেরনি অসমত্বটি ব্যবহার করে আপনি প্রদর্শন করতে পারেন I যে ধরণের আই ত্রুটি 0.1 পর্যন্ত বাড়িয়ে দিতে পারে।

নোট করুন যে বনফেরোনি রক্ষণশীল এবং হোলমের ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে চাপিয়ে দেওয়ার বিষয়টি বোনফেরনির মতোই অনুমানের অধীনে রয়েছে তবে হোলমের পদ্ধতিতে আরও শক্তি রয়েছে।

যখন ভেরিয়েবলগুলি বিচ্ছিন্ন হয় তবে ন্যূনতম পি-মানের উপর ভিত্তি করে পরীক্ষার পরিসংখ্যানগুলি ব্যবহার করা আরও ভাল এবং যদি আপনি বিপুল সংখ্যক পরীক্ষা-নিরীক্ষা করার সময় টাইপ আই ত্রুটি নিয়ন্ত্রণ ত্যাগ করতে প্রস্তুত থাকেন তবে ভুয়া আবিষ্কারের হারের পদ্ধতিগুলি আরও শক্তিশালী হতে পারে।

সম্পাদনা:

উদাহরণস্বরূপ (@ ফ্র্যাঙ্ক হ্যারেলের উত্তরের উদাহরণ দেখুন)

$H_0^{(1)}: \mu_1=0$$H_1^{(1)}: \mu_1 \ne 0$

$H_0^{(2)}: \mu_1=0$$H_1^{(2)}: \mu_2 \ne 0$

$H_0^{(12)}: \mu_1=0 \& \mu_2 = 0$$H_1^{(12)}: \mu_1 \ne 0 | \mu_2 \ne 0$

$H_0^{(1)}$$H_1^{(1)}$$H_0^{(2)}$$H_1^{(2)}$

Comments

আমি মনে করি এই প্রশ্নটি এর মতো উত্তর থেকে উপকৃত হবে তবে আমি এই শব্দটি আরও কঠোর করার পরামর্শ দিচ্ছি "সুতরাং আমরা যদি আমাদের তাত্পর্য স্তরটি 5% স্থির করি তবে আমরা বলছি যে আমরা মিথ্যা প্রমাণ খুঁজে পেতে মেনে নিতে প্রস্তুত (নমুনাটির সাথে খারাপ ভাগ্যের কারণে) ) 5% এর সম্ভাবনা সহ ... ... নালটি যদি সত্যি হয় তবে ত্রুটির সম্ভাবনা কেবলই , এবং এটি বলার অপেক্ষা রাখে না। ("মিথ্যা প্রমাণ" কি একটি সাধারণ শব্দ? আমি "মিথ্যা পজিটিভ" দেখতে বেশি

— অভ্যস্ত

@Silverfish; আমি এটিকে কিছুটা আবার ফ্রেস করেছি, আপনার কি মনে হয় এটি এর চেয়ে ভাল?

আমি মনে করি এটি আরও ভাল - "পরিসংখ্যানগতভাবে প্রমাণিত" সম্ভবত পুনরায় চাপিয়ে উপকৃত হতে পারে, আমি জানি যে এটি কত লোক পি <0.05 বা যা কিছু ব্যাখ্যা করেন তা অবশ্যই প্রমাণ নয়!

— সিলভারফিশ

@ সিলভারফিশ: আমি সম্পূর্ণরূপে একমত যে এটি '' প্রুফ '' নয় তবে আমি এই শব্দটি অসতর্কিত কারণে ব্যবহার করেছি, কারণ আমি বৈপরীত্য প্রমাণের সাথে উপমা দিয়ে শুরু করেছি। আমি

আপনার সম্পাদনা বিভ্রান্তিকর। ফ্র্যাঙ্কের উদাহরণে "কেমোথেরাপির প্রভাব" দুটি পদক্ষেপের মাধ্যমে পরিমাপ করা হয়: বেঁচে থাকার হার এবং টিউমার সঙ্কুচিত। উভয়ই কেমো দ্বারা প্রভাবিত হতে পারে। অনুমানটি স্পষ্টতই চেমো কাজ করে। তবে "কাজগুলি" দুটি ভিন্ন উপায়ে মাপ দেওয়া যেতে পারে। আমি আপনার নতুন থ্রেডে অস্পষ্টতার দিকটি নিয়ে কথা বলছি।

— অ্যামিবা

Answer 5

বনফেরোনি সংশোধন এবং প্রভাব আকারের একটি সুন্দর আলোচনা http://beheco.oxfordjournals.org/content/15/6/1044.full.pdf+html এছাড়াও, ডান-সিডাক সংশোধন এবং ফিশারের সংযুক্ত সম্ভাবনার পদ্ধতির বিকল্প হিসাবে বিবেচনা করা মূল্যবান। পদ্ধতির নির্বিশেষে, এটি সমন্বিত এবং কাঁচা পি-মান উভয় প্রভাবের আকারের প্রতিবেদন করা উপযুক্ত, যাতে পাঠক তাদের ব্যাখ্যা করার স্বাধীনতা পেতে পারে।

Comments

উভয় কাঁচা এবং সমন্বয়যুক্ত পি-মানগুলি উপস্থাপনের পরামর্শটি আমার কাছে সর্বদা বোধগম্য মনে হয় তবে এটি কি আদর্শ হিসাবে বিবেচিত হয়, বা গ্রহণযোগ্য?

— সিলভারফিশ

Answer 6

এক জন্য, এটি অত্যন্ত রক্ষণশীল। হোনম-বনফেরোনি পদ্ধতিটি সমানভাবে আরও শক্তিশালী হওয়ার সাথে সাথে বনফের্নি পদ্ধতিটি কীভাবে সম্পাদন করে (পারিবারিক বুদ্ধিমান ত্রুটি হার নিয়ন্ত্রণ করে) সম্পাদন করে।

Comments

এর অর্থ কি এই যে আমার ফলাফলগুলি সংশোধন করার জন্য আমাকে এই পদ্ধতিটি ব্যবহার করা উচিত বা আমার অনুমানের উপর নির্ভর করে ফলাফলগুলি গ্রহণ করা উচিত।

— গোরো

"আমার অনুমানের উপর নির্ভর করে ফলাফলগুলি গ্রহণ করা উচিত" বলতে আপনার অর্থ কী তা আমি জানি না তবে হ্যাঁ আপনার একাধিক পরীক্ষার সংশোধন প্রয়োগ করা উচিত কারণ অন্যথায় আপনি চূড়ান্ত টাইপ 1 ত্রুটি তৈরি করছেন।

— ট্রাইনাডোস্ট্যাট

"আমার অনুমানের উপর নির্ভর করে ফলাফলগুলি গ্রহণ করা উচিত" বলতে আমি যা বোঝাতে চেয়েছি তা হ'ল আমি আমার বিশ্লেষণটি জিএলএম এবং অনুচ্ছেদ পদ্ধতি সহ তিনটি ভিন্ন উপায়ে চালিয়েছি। সমস্ত পদ্ধতি আমাকে উল্লেখযোগ্য ফলাফল দিয়েছে এবং সেই ফলাফলগুলি আমার অনুমানকে সমর্থন করে যে গ্রুপগুলির মধ্যে আমার উল্লেখযোগ্য পার্থক্য থাকতে হবে। আমি যখন একাধিক সংশোধনের জন্য বনফেরনি ব্যবহার করেছি তখন আমার সমস্ত ফলাফল তাৎপর্যপূর্ণ ছিল না। আমি কেন বিভ্রান্তিতে আছি। আমার বিশ্লেষণের জন্য এই পদ্ধতিটি কী অনুকূল নয় তাই আমি আলাদা একটি ব্যবহার করতে পারি বা অন্য পদ্ধতিগুলির ফলাফলের উপর নির্ভর করে আমার ফলাফলগুলিতে বনফেরনি ব্যবহার না করে বিশ্বাস করতে পারি?

— গোরো

ঠিক আছে, আমি বুঝতে পারছি আপনি কী বলছেন। আপনি যদি একই অনুমানটি 3 টি বিভিন্ন উপায়ে পরীক্ষা করেন তবে আমি একাধিক পরীক্ষার সংশোধন প্রয়োগ করব না। কারণ এই যে এই তিনটি পরীক্ষার ফলাফল সম্ভবত একে অপরের উপর নির্ভরশীল।

— ট্রায়নাডোস্ট্যাট

Answer 7

Bonferroni এর কম রক্ষণশীল বিকল্প হিসাবে "ফলস ডিসকভারি রেট" পদ্ধতির দিকে নজর দেওয়া উচিত। দেখ

জন ডি স্টোরি, "পজিটিভ ফালসি ডিসকোভারি রেট: একটি বায়সিয়ান ইন্টারপ্রিটেশন এবং কিউ-ভ্যালু," অ্যানালস অফ স্ট্যাটিস্টিকেশন 2003, খণ্ড। 31, নং 6, 2013–2035।

Comments

এগুলি যদিও বিভিন্ন জিনিস নিয়ন্ত্রণ করে। এফডিআর নিশ্চিত করে যে আপনার কলগুলির মধ্যে আর 5% (বা আপনার আলফা যা আছে) আপাতত মিথ্যা ধনাত্মক নয়, যা পারিবারিকভাবে ত্রুটি হার সংরক্ষণ করার চেয়ে পৃথক (যা বনফেরোনিই করেন)।

— ম্যাট ক্রাউস

@ ম্যাট ক্রাউস: এবং যদি আমি ভালভাবে বুঝতে পারি, তবে এফডিআর (ভুয়া আবিষ্কারের হার) পূর্বনির্ধারিত স্তরে টাইপ আই ত্রুটি নিয়ন্ত্রণের গ্যারান্টি দেয় না? (এই প্রশ্নের আমার উত্তরও দেখুন)