কোনটি নাল অনুমান? বিজ্ঞান তত্ত্ব, যুক্তি এবং পরিসংখ্যানের মধ্যে দ্বন্দ্ব?


20

নাল হাইপোথিসিসটি সেট করার ক্ষেত্রে আমার অন্তর্নিহিত যুক্তি বুঝতে অসুবিধা হচ্ছে । এই উত্তরে স্পষ্টতই সাধারণভাবে গৃহীত প্রস্তাবটি বলা হয়েছে যে নাল অনুমানটি এমন অনুমান যা কোনও প্রভাব ফেলবে না, সবকিছু একই থাকে, অর্থাৎ সূর্যের নীচে নতুন কিছু নয়, তাই কথা বলতে হবে।

বিকল্প অনুমানটি তখন আপনি যা প্রমাণ করার চেষ্টা করেন তা হ'ল উদাহরণস্বরূপ একটি নতুন ড্রাগ তার প্রতিশ্রুতি দেয়।

এখন আসছেন ফর্ম বিজ্ঞান তত্ত্ব এবং সাধারণ যুক্তি আমরা জানি যে আমরা কেবল প্রস্তাবগুলি মিথ্যা বলতে পারি, আমরা কিছু প্রমাণ করতে পারি না (কোনও সাদা রাজহাঁসই প্রমাণ করতে পারে না যে সমস্ত রাজহাঁস সাদা তবে একটি কালো রাজহাঁস তা অস্বীকার করতে পারে)। এই কারণেই আমরা নাল অনুমানকে বাতিল করার চেষ্টা করি যা বিকল্প অনুমানকে প্রমাণ করার সমতুল্য নয় - এবং এটি থেকেই আমার সংশয়বাদ শুরু হয় - আমি একটি সহজ উদাহরণ দেব:

আসুন বলি যে আমি কোনও পর্দার পিছনে কী ধরনের প্রাণী রয়েছে তা জানতে চাই। দুর্ভাগ্যক্রমে আমি সরাসরি প্রাণীটি পর্যবেক্ষণ করতে পারি না তবে আমার একটি পরীক্ষা আছে যা আমাকে এই প্রাণীর পায়ের সংখ্যা দেয়। এখন আমার নিম্নলিখিত যৌক্তিক যুক্তি রয়েছে:

প্রাণীটি যদি কুকুর হয় তবে তার পা থাকবে 4 টি।

যদি আমি পরীক্ষাটি পরিচালনা করি এবং এটির 4 টি পা রয়েছে তা খুঁজে পাওয়া যায় তবে এটি কোনও কুকুরের প্রমাণ নয় (এটি একটি ঘোড়া, গণ্ডার বা 4 পাযুক্ত অন্য কোনও প্রাণী হতে পারে)। কিন্তু যদি আমি খুঁজে বের এটা আছে যে না 4 পা এই একটি নির্দিষ্ট প্রমাণ এটা করতে পারেন যে না একটি কুকুর (ক সুস্থ পশু অভিমানী) হতে।

ওষুধের কার্যকারিতা অনুবাদিত আমি পর্দার পিছনে ড্রাগ কার্যকর কিনা তা জানতে চাই। আমি পাব কেবলমাত্র একটি নম্বর যা আমাকে প্রভাব দেয়। যদি প্রভাবটি ইতিবাচক হয় তবে কিছুই প্রমাণিত হয় না (4 পা)। যদি কোনও প্রভাব না থাকে তবে আমি ড্রাগটির কার্যকারিতাটিকে অস্বীকার করি।

এই সমস্ত কথা বলে আমি মনে করি - সাধারণ জ্ঞানের বিপরীতে - কেবলমাত্র বৈধ নাল অনুমান করা উচিত

ড্রাগ কার্যকর (যেমন: ড্রাগটি কার্যকর হলে আপনি একটি প্রভাব দেখতে পাবেন)।

কারণ এটিই কেবলমাত্র আমি প্রত্যাখ্যান করতে পারি - পরবর্তী রাউন্ড পর্যন্ত যেখানে আমি আরও নির্দিষ্ট হওয়ার চেষ্টা করি ইত্যাদি and সুতরাং এটি নাল অনুমান যা প্রভাবকে নির্দেশ করে এবং বিকল্প অনুমানটি হ'ল ডিফল্ট ( কোনও প্রভাব নেই )।

স্ট্যাটিসটিকাল পরীক্ষাগুলি কেন এটি পিছনের দিকে আছে বলে মনে হচ্ছে?

দ্রষ্টব্য : আপনি এমনকি উপরে হাইপোথিসিস একটি বৈধ সমতুল্য হাইপোথিসিস পেতে, অস্বীকার করতে পারবেন না যাতে আপনি করতে পারবেন না বলুন "ড্রাগ না কারণ শুধুমাত্র কথাটি সমতুল্য ফর্ম" হবে যদি আপনি দেখেন কার্যকর "একটি নাল হাইপোথিসিস যেমন কোন প্রভাব ড্রাগ হবে না হতে কার্যকর "যা আপনাকে কোথাও এনেছে কারণ এখন উপসংহারটি যা আপনি খুঁজে পেতে চান!

পিপিএস : এতক্ষণের উত্তরগুলি পড়ার পরে কেবল স্পষ্টতার জন্য: আপনি যদি বৈজ্ঞানিক তত্ত্বটি গ্রহণ করেন তবে আপনি কেবল বিবৃতিগুলি মিথ্যা প্রমাণ করতে পারেন তবে সেগুলি প্রমাণ করতে পারেন না, কেবলমাত্র যৌক্তিকভাবে সামঞ্জস্যপূর্ণ নল অনুমানকে নতুন তত্ত্ব হিসাবে বেছে নেওয়া - যা তখন হতে পারে falsified। কারণ আপনি যদি স্থিতিটি মিথ্যা করে থাকেন তবে আপনাকে খালি হাতে ছেড়ে দেওয়া হবে (স্থিতিশীল অবস্থা অস্বীকার করা হলেও নতুন তত্ত্বটি প্রমাণিত হওয়া অনেক দূরে!)। এবং যদি আপনি এটি মিথ্যা প্রমাণ করতে ব্যর্থ হন তবে আপনি আর ভাল অবস্থানে নন।


3
ইঙ্গিত: "ড্রাগ কার্যকর" কোনও বৈজ্ঞানিক বা পরিসংখ্যানগত বিবৃতি হিসাবে পর্যাপ্ত পরিমাণে মীমাংসিত হয়নি। আপনি কীভাবে এটি পরিমাণমতো করতে যাচ্ছেন?
হোবার

1
@ হুইবার: এটি আমার সমস্যাগুলির মধ্যে সবচেয়ে কম: কেবলমাত্র বলুন যে রক্তের মূল্য 10% কমিয়ে আনা হয়েছে। আমি যুক্তি দিয়েছি যে এটি অবশ্যই নাল অনুমানের হতে হবে - বিকল্প অনুমানটি হ'ল "কিছুই হয় না"।
ভনজড

9
বিপরীতে, এটি প্রশ্নের উত্সাহ । পরিসংখ্যানগুলিতে এটি পুরোপুরি ঠিক আছে যে শুল্ক পোষণ করে যা বলেছে যে এর প্রভাব -10%। যদি এটির বিপরীতে শক্তিশালী প্রমাণ প্রমান হয় তবে আপনার পরীক্ষা এটিকে প্রত্যাখ্যান করতে সক্ষম হবে। দ্রষ্টব্য, যদিও, এটি (অসাধারণ গণনা এবং ধারণাগত যান্ত্রিকতা বাদ দিয়ে) আপনি পরীক্ষায় প্রতি একমাত্র এই জাতীয় অনুমান পরীক্ষা করতে পারেন। নোট, এছাড়াও, এটি বিরল পরীক্ষক যিনি এতটা সঠিকভাবে জানেন যে এফেক্টের আকারটি কী হবে (তবে এখনও এটি পরীক্ষা করার প্রয়োজন বোধ করে!)।
whuber

3
ঠিক আছে, ড্রাগ ট্রায়ালগুলির সাথে অনুশীলনে নালটি সাধারণত "ড্রাগ বর্তমান চিকিত্সার চেয়ে বেশি কার্যকর নয়" হিসাবে চিহ্নিত করা হয় এবং বিকল্পটি হ'ল ড্রাগটি বর্তমান চিকিত্সার চেয়ে আরও কার্যকর is ঘটনাচক্রে এটির একটি বিল্ট-ইন এফেক্ট আকার রয়েছে। এই সূত্রপাতের সাথে, ড্রাগের কার্যকারিতার জন্য প্রমাণগুলি শূন্যটিকে প্রত্যাখ্যান করতে পারে। অনুমানকে অদলবদল করার পরে, কার্যকারিতার পক্ষে প্রমাণগুলি ড্রাগটিকে ভাল বলে দাবি প্রত্যাখ্যান করে কেবল একজনকে নিরুৎসাহিত করে। প্রথম ক্ষেত্রে প্রমাণের বোঝা আরও বেশি কঠোর।
শুক্রবার

1
@ ভনজড: আপনি বলেছেন, "যদি আপনি স্থিতিটি মিথ্যা করে থাকেন তবে আপনাকে খালি হাতে ছেড়ে দেওয়া হবে"। ভুল। যদি আমরা গুণগত বিচার "কুকুর" / "কুকুর নয়" করছিলাম তবে সত্য যে "কুকুর নয়" প্রমাণ সরবরাহ করা "কুকুর" এর পক্ষে বিশেষ দৃ strong় প্রমাণ নয়। যাইহোক, এটি জিনিসগুলির পরিমাণ নির্ধারণের মূল্য। যদি আমি "0 নয়" এর প্রমাণ সরবরাহ করি তবে এটি মান 0 ছাড়া অন্য কিছু হওয়ার পক্ষে ভাল প্রমাণ দেয় you
রাসেলপিয়েরস

উত্তর:


12

পরিসংখ্যানগুলিতে সমতার পরীক্ষার পাশাপাশি নাল নালকে আরও সাধারণ পরীক্ষা করা হয় এবং এর বিরুদ্ধে পর্যাপ্ত প্রমাণ রয়েছে কিনা তা স্থির করুন। সমতা পরীক্ষা এটির মাথায় ঘুরিয়ে দেয় এবং প্রতিক্রিয়া দেয় যে নুলের মতো প্রভাবগুলি পৃথক এবং আমরা নির্ধারণ করি যে এই নলের বিরুদ্ধে যথেষ্ট প্রমাণ রয়েছে কিনা।

আমি আপনার ড্রাগ উদাহরণে পরিষ্কার নয়। যদি প্রতিক্রিয়াটি প্রভাবটির মান / নির্দেশক হয় তবে 0 এর প্রভাব কার্যকর না নির্দেশ করে। এক যে নাল হিসাবে সেট এবং এই বিরুদ্ধে প্রমাণ মূল্যায়ন করবে। যদি প্রভাবটি শূন্যের থেকে পর্যাপ্ত পরিমাণে পৃথক হয় তবে আমরা উপসংহারে পৌঁছে যাব যে কার্যকারিতা হাইপোথিসিসটি ডেটার সাথে বেমানান। একটি দ্বি-পুচ্ছ পরীক্ষা নাল বিরুদ্ধে প্রমাণ হিসাবে প্রভাবের যথেষ্ট নেতিবাচক মান গণনা করা হবে। একটি লেজযুক্ত পরীক্ষা, প্রভাবটি ইতিবাচক এবং শূন্য থেকে যথেষ্ট আলাদা, এটি আরও আকর্ষণীয় পরীক্ষা হতে পারে।

আপনি যদি প্রভাবটি 0 হয় তা পরীক্ষা করতে চান, তবে আমাদের এটি চারপাশে ফ্লিপ করতে হবে এবং একটি সমতুল্য পরীক্ষাটি ব্যবহার করতে হবে যেখানে এইচ 0 এর প্রভাবটি শূন্যের সমান নয়, এবং বিকল্পটি এইচ 1 = প্রভাব = 0 ধারণাটি যে বিপরীতে 0 থেকে আলাদা ছিল তার বিরুদ্ধে প্রমাণগুলি মূল্যায়ন করবে।


9
এখানে সমস্যার অংশটি হ'ল, আইআইআরসি, নাল হিসাবে আমরা নো-এফেক্টটি নির্বাচন করার কারণ হ'ল সেই প্রভাবটির প্যারামিটারটি জানা যায়, এটি 0। আপনি যদি এটিকে ঘুরিয়ে নিতে চান এবং নাল হিসাবে কিছু শূন্য-প্রভাব ফেলতে চান তবে আমাদের আগে থেকেই এই প্যারামিটারটির মান সমগ্র জনগণের জন্য কী তা জানা উচিত এবং যদি আমরা এর জন্য প্যারামিটারটির মান জানতাম জনসংখ্যার পরীক্ষার কোনও অর্থ হবে না।
মনিকা পুনরায় ইনস্টল করুন - জি সিম্পসন

ঠিক আছে, দেখে মনে হচ্ছে আমরা বিকল্প হাইপোথিসিসের সাথে একই সমস্যা হব (আমরা সেখানে প্যারামিটারটি জানি না)। সুতরাং আমার প্রশ্নটি: উভয়কেই অদলবদল করছে না কেন? এটি যৌক্তিকভাবে আরও সামঞ্জস্যপূর্ণ বলে মনে হচ্ছে।
ভনজড

আমি অন্যদের সমতুল্য পরীক্ষায় মন্তব্য করতে দেব। এগুলি স্ট্যান্ডার্ড পরীক্ষাগুলিতে হাইপোথিসিগুলি অদলবদলের মতো নয়, তবে আমি এই ধারণাগুলির সাথে তেমন পরিচিত নই। আমি মন্তব্যগুলিতে উল্লিখিত সমস্যাটির সাথে সমতা পরীক্ষাগুলি ভুগছে বলে আপনি সঠিক বলে আমি মনে করি না। এগুলি একটি খুব ভিন্ন তাত্ত্বিক দৃষ্টিভঙ্গি থেকে তৈরি করা হয়।
মনিকা পুনরায় ইনস্টল করুন - জি সিম্পসন

5

আমি মনে করি এটি অন্য একটি ক্ষেত্রে যেখানে ঘন ঘনবাদী পরিসংখ্যানগুলি আপনি যে প্রশ্নটি করতে চান তার সরাসরি উত্তর দিতে পারে না এবং সুতরাং একটি (না) মোটামুটি আলাদা প্রশ্নের উত্তর দেয় এবং এর সরাসরি উত্তর হিসাবে এটির ভুল ব্যাখ্যা করা সহজ is প্রশ্ন আপনি আসলে জিজ্ঞাসা করতে চেয়েছিলেন।

আমরা সত্যিই যা জিজ্ঞাসা করতে চাই তা হ'ল বিকল্প অনুমানটি সত্য হওয়ার সম্ভাবনাটি কী (বা সম্ভবত নাল অনুমানের চেয়ে কতটা সত্য হওয়ার সম্ভাবনা রয়েছে)। তবে একটি ঘনত্ববাদী বিশ্লেষণ মৌলিকভাবে এই প্রশ্নের উত্তর দিতে পারে না, যেমন একটি ঘন ঘন বিশেষজ্ঞের পক্ষে সম্ভাবনা দীর্ঘমেয়াদী ফ্রিকোয়েন্সি হয় এবং এই ক্ষেত্রে আমরা একটি নির্দিষ্ট অনুমানের সত্যায় আগ্রহী, যার দীর্ঘকালীন ফ্রিকোয়েন্সি নেই - এটি হয় সত্য বা এটি না। অন্যদিকে একজন বায়েশিয়ান সরাসরি এই প্রশ্নের উত্তর দিতে পারে , যেমন আ বায়েশিয়ান একটি সম্ভাবনা কিছু প্রস্তাবের প্রশ্রয়যোগ্যতার একটি পরিমাপ, সুতরাং কোনও নির্দিষ্ট অনুমানের সত্যতার সম্ভাবনা নির্ধারণ করা কোনও বায়েশীয় বিশ্লেষণে একেবারে যুক্তিযুক্ত।

ঘন ঘন বিশেষজ্ঞরা যেভাবে বিশেষ ঘটনাগুলি মোকাবেলা করবেন তা হ'ল তাদের কয়েকটি (সম্ভবত কল্পিত) জনসংখ্যার নমুনা হিসাবে বিবেচনা করা এবং নির্দিষ্ট নমুনা সম্পর্কে বিবৃতি দেওয়ার জায়গায় সেই জনসংখ্যা সম্পর্কে একটি বিবৃতি দেওয়া। উদাহরণস্বরূপ, যদি আপনি কোনও নির্দিষ্ট মুদ্রা পক্ষপাতদুষ্ট হওয়ার সম্ভাবনাটি জানতে চান, এন ফ্লিপগুলি পর্যবেক্ষণ এবং এইচ হেড এবং লেজগুলি পর্যবেক্ষণ করার পরে, একটি ঘনত্ববাদী বিশ্লেষণ সেই প্রশ্নের উত্তর দিতে পারে না, তবে তারা আপনাকে মুদ্রার অনুপাতের একটি বিতরণ থেকে বলতে পারে পক্ষপাতহীন কয়েনগুলি যেগুলি এনবার বার ফ্লিপ করলে এইচ বা আরও বেশি মাথা দেয়। যেহেতু আমরা প্রতিদিনের জীবনে একটি সম্ভাবনার প্রাকৃতিক সংজ্ঞাটি সাধারণত ঘন ঘন একের তুলনায় বায়েশিয়ান একটি ব্যবহার করি না কেন, নাল হাইপোথিসিস (মুদ্রা নিরপেক্ষ) সত্য বলে মনে করা এটি সম্ভবত খুব সহজেই এটি আচরণ করা সহজ।

মূলত ঘনত্ববাদী হাইপোথিসিস পরীক্ষার অন্তর্নিহিত সাবজেক্টিভিস্ট বায়েশিয়ান উপাদান থাকে। ঘনত্ববাদী পরীক্ষাটি আপনাকে নাল অনুমানের অধীনে কোনও পরিসংখ্যান পর্যবেক্ষণের সম্ভাবনা বলতে পারে, তবে সেই কারণগুলিতে নাল হাইপোথিসিসকে প্রত্যাখ্যান করার সিদ্ধান্তটি সম্পূর্ণ বিষয়ভিত্তিক, আপনার এটি করার কোনও যুক্তিসঙ্গত প্রয়োজন নেই। প্রয়োজনীয় অভিজ্ঞতা প্রমাণ করেছে যে পি-ভ্যালুটি যথেষ্ট পরিমাণে ছোট হয়ে গেলে আমরা আবার নালটিকে প্রত্যাখ্যান করার পক্ষে যুক্তিসঙ্গত দৃ ground় ভূমিতে রয়েছি (আবার প্রান্তিক বিষয়টি বিষয়গত), তাই এটাই thatতিহ্য। আফ্রিক্স এটি বিজ্ঞানের দর্শন বা তত্ত্বের সাথে পুরোপুরি ফিট করে না, এটি মূলত একটি হিউরিস্টিক।

এর অর্থ এই নয় যে এটি একটি খারাপ জিনিস, যদিও এর অসম্পূর্ণতা থাকা সত্ত্বেও ঘন ঘন অনুমানের অনুমানের পরীক্ষা আমাদের গবেষণার অবসান ঘটাতে পারে যা বিজ্ঞানীদের হিসাবে আমাদের আত্ম-সংশয় বজায় রাখতে সহায়তা করে এবং আমাদের তত্ত্বগুলির প্রতি উত্সাহ দিয়ে দূরে না যায়। সুতরাং আমি যখন হৃদয়ে বায়েশিয়ান থাকি তখনও আমি নিয়মিতভাবে ঘনত্ববিদদের হাইপোথিসিস টেস্টগুলি ব্যবহার করি (কমপক্ষে জার্নাল পর্যালোচকরা বাইসাইন বিকল্পগুলির সাথে স্বাচ্ছন্দ্য বোধ না করা পর্যন্ত)।


3

গাভিনের উত্তরে, দুটি জিনিস যোগ করতে:

প্রথমত, আমি এই ধারণাটি শুনেছি যে প্রস্তাবগুলি কেবল মিথ্যা বলা যায়, তবে কখনও প্রমাণিত হয় না। আপনি কি এটির আলোচনার জন্য একটি লিঙ্ক পোস্ট করতে পারেন, কারণ আমাদের শব্দের সাথে এটি খুব ভালভাবে ধরেছে বলে মনে হয় না - যদি এক্স প্রস্তাব হয়, তবে (এক্স) খুব একটা প্রস্তাবও নয়। যদি প্রস্তাবগুলি অস্বীকার করা সম্ভব হয় তবে এক্সকে অস্বীকার করা (প্রমাণ) না প্রমাণ করার মতোই (এক্স), এবং আমরা একটি প্রস্তাব প্রমাণ করেছি।

টিগুলিটি+ +

ড্রাগ কার্যকর (যেমন: যদি ড্রাগটি কার্যকর হয় তবে আপনি একটি প্রভাব দেখতে পাবেন)।

টিগুলিটি+ +টিগুলিটি+ +এইচ0

টিগুলিটি+ +এইচ0টিগুলিটি+ +এইচ0

সুতরাং কুকুরের ক্ষেত্রে এবং কার্যকারিতা কেসের মধ্যে পার্থক্য প্রমাণ থেকে উপসংহার পর্যন্ত অনুমানের যথাযথতায়। কুকুরের ক্ষেত্রে, আপনি এমন কিছু প্রমাণ পর্যবেক্ষণ করেছেন যা কুকুরকে দৃ strongly়ভাবে বোঝায় না। তবে ক্লিনিকাল ট্রায়াল ক্ষেত্রে আপনি এমন কিছু প্রমাণ পর্যবেক্ষণ করেছেন যা দৃ strongly়তার সাথে কার্যকারিতা বোঝায়।


1
ধন্যবাদ. আপনি যদি স্বীকার করেন যে আপনি কেবলমাত্র বিবৃতিগুলি মিথ্যা প্রমাণ করতে পারেন তবে সেগুলি প্রমাণ করতে পারেন না (একটি সেকেন্ডের লিঙ্ক) কেবলমাত্র যুক্তিগতভাবে সামঞ্জস্যপূর্ণ নল অনুমানকে নতুন তত্ত্ব হিসাবে বেছে নেওয়া - যা পরে মিথ্যা বলা যায়। আপনি যদি স্থিতিটি মিথ্যা করে থাকেন তবে আপনাকে খালি হাতে ছেড়ে দেওয়া হবে (স্থিতিশীল অবস্থা অস্বীকার করা হলেও নতুন তত্ত্বটি প্রমাণিত হওয়া অনেক দূরে!)। এখন লিঙ্কের জন্য, আমি মনে করি একটি ভাল শুরু হবে: en.wikipedia.org/wiki/Falsifiability
vonjd

2
আমি মনে করি এখানে উল্লেখ করার একটি বিষয় হ'ল আপনি নাল অনুমানটি প্রমাণ করছেন না বা অস্বীকার করছেন না। আপনি যে সিদ্ধান্তটি নিচ্ছেন (শাস্ত্রীয়ভাবে) তা হ'ল নাল অনুমানকে ধরে রাখা বা প্রত্যাখ্যান করা। আপনি নাল কল্পনাটি প্রত্যাখ্যান করার সময় আপনি এটি অস্বীকার করছেন না। আপনি যা করছেন তা সবই বলা হচ্ছে যে পর্যবেক্ষণ করা ডেটা দেওয়া হলে নাল হাইপোথিসিসের সম্ভাবনা নেই।
রাসেলপিয়েরস

@ ড্রকনেক্সাস: আচ্ছা, আপনি কি একমত হবেন না যে এটি যুক্তিতে মিথ্যা বলার সম্ভাবনা সমতুল্য?
ভনজড

4
@drknexus "পর্যবেক্ষণ করা তথ্যের ভিত্তিতে, নাল অনুমানটি অসম্ভব" না বলার চেয়ে আরও সঠিক হবে না তবে "যদি নাল অনুমানটি সত্য হয় তবে এই ডেটা সম্ভাবনা নেই"? পরিসংখ্যান অনুমানের পরীক্ষায় এই দুটি ক্লাসিক ভুলকে সংযুক্ত করে দেওয়া কি নয়?
মাইকেল ম্যাকগওয়ান

1
এমএম: আপনি ঠিক বলেছেন। আমি আমার কথায় স্বচ্ছন্দ হয়ে উঠলাম।
রাসেলপিয়েরস

3

আপনি ঠিক বলেছেন যে, এক অর্থে, ঘন ঘনবাদী অনুমানের পরীক্ষার এটি পিছনের দিকে থাকে। আমি বলছি না যে এই পদ্ধতিরটি ভুল, বরং গবেষক যে বিষয়ে সবচেয়ে বেশি আগ্রহী সে প্রশ্নের উত্তর দেওয়ার জন্য ফলাফলগুলি প্রায়শই নকশাকৃত হয় না you আপনি যদি বৈজ্ঞানিক পদ্ধতির সাথে আরও অনুরূপ কোনও কৌশল চান, তবে বায়েশিয়ান অনুমানের চেষ্টা করুন ।

আপনি "নাল হাইপোথিসিস" সম্পর্কে কথা বলার পরিবর্তে বায়েসিয়ান অনুমানের সাথে আপনি নিজের পরিস্থিতিটি বোঝার ভিত্তিতে পূর্ব সম্ভাবনা বন্টন দিয়ে শুরু করবেন। আপনি যখন নতুন প্রমাণ অর্জন করেন, বায়েসিয়ান অনুমান আপনাকে অ্যাকাউন্টে নেওয়া প্রমাণের সাথে আপনার বিশ্বাস আপডেট করার জন্য একটি কাঠামো সরবরাহ করে। আমার মনে হয় বিজ্ঞান কীভাবে কাজ করে তার সাথে এটি আরও কতটা মিল।


3

আমি মনে করি আপনি এখানে একটি মৌলিক ত্রুটি পেয়েছেন (হাইপোথিসিস পরীক্ষার পুরো ক্ষেত্রটি পরিষ্কার নয়!) তবে আপনি বলেন বিকল্পটি আমরা প্রমাণ করার চেষ্টা করেছি। তবে এটি ঠিক নয়। আমরা নালকে প্রত্যাখ্যান (মিথ্যা) করার চেষ্টা করি। আমরা প্রাপ্ত ফলাফলগুলি যদি নালটি সত্য হয় তবে খুব সম্ভব না হলে আমরা নালটিকে প্রত্যাখ্যান করি।

এখন, অন্যরা যেমন বলেছে, এটি সাধারণত আমরা যে প্রশ্নটি জিজ্ঞাসা করতে চাই তা হয় না: নালটি সত্য হলে ফলাফলের সম্ভাবনা কতটা সম্ভবত আমরা তা যত্নশীল করি না, ফলাফলের পরে নাল কতটা সম্ভব তা আমরা যত্নশীল care


3

যদি আমি আপনাকে সঠিকভাবে বুঝতে পারি তবে আপনি দেরী, মহান পল মেহেলের সাথে একমত হয়েছেন। দেখা

মিহল, পিই (1967)। মনোবিজ্ঞান এবং পদার্থবিজ্ঞানের তত্ত্ব-পরীক্ষা: একটি পদ্ধতিগত প্যারাডক্সবিজ্ঞানের দর্শন , 34 : 103-115।


6
আপনি কি এই উত্তরটি কিছুটা বিকাশ করতে আপত্তি করবেন?
chl

লিঙ্কটি মারা গেছে :-(
vonjd

লিঙ্ক সংশোধন করা হয়েছে।
peuhp

2

আমি পল মেহেলের উল্লেখকে ডক দ্বারা প্রসারিত করব:

1) আপনার গবেষণা অনুমানের বিপরীত পরীক্ষা করা নাল অনুমান হিসাবে এটি তৈরি করে যাতে আপনি কেবলমাত্র এটির পরিণতি নিশ্চিত করতে পারেন যা একটি "আনুষ্ঠানিকভাবে অবৈধ" যুক্তি। সিদ্ধান্তগুলি অগত্যা সিদ্ধান্ত থেকে অনুসরণ করা হয় না।

If Bill Gates owns Fort Knox, then he is rich.
Bill Gates is rich.
Therefore, Bill Gates owns Fort Knox.

http://rationalwiki.org/wiki/Affirming_the_consequent

যদি তত্ত্বটি হয় "এই ড্রাগটি পুনরুদ্ধারের উন্নতি করবে" এবং আপনি উন্নত পুনরুদ্ধার পর্যবেক্ষণ করছেন এর অর্থ এই নয় যে আপনি বলতে পারেন যে আপনার তত্ত্বটি সত্য। উন্নত পুনরুদ্ধারের উপস্থিতি অন্য কোনও কারণে ঘটতে পারে। কোনও বেসিক রোগী বা প্রাণী বেসলাইনে একই রকম হবে না এবং অধ্যয়নের সময় সময়ের সাথে সাথে আরও পরিবর্তন হবে। পরীক্ষামূলক গবেষণার চেয়ে পর্যবেক্ষণের ক্ষেত্রে এটি বৃহত্তর সমস্যা, কারণ বেসলাইনটিতে অজানা বিস্মৃতকর কারণগুলির মারাত্মক ভারসাম্যহীনতার বিরুদ্ধে এলোমেলোকরণ "ডিফেন্ড" করে। তবে, এলোমেলোভাবে করা সমস্যাটি আসলেই সমাধান করে না। যদি সংঘর্ষগুলি অজানা থাকে তবে আমাদের কাছে "র্যান্ডমাইজেশন ডিফেন্স" কতটা সফল হয়েছে তা বলার উপায় নেই।

এছাড়াও সারণী 14.1 দেখুন এবং কোনও তত্ত্বের নিজস্ব কেন এটি পরীক্ষা করা যায় না তার আলোচনা দেখুন (এখানে সবসময় সহায়ক উপাদান রয়েছে যা বরাবর থাকে):

পল মেহল "সমস্যাটি এপিস্টেমোলজি, পরিসংখ্যান নয়: আত্মবিশ্বাসের অন্তর দ্বারা গুরুত্বপূর্ণ টেস্টগুলি প্রতিস্থাপন করুন এবং ঝুঁকিপূর্ণ সংখ্যা পূর্বাভাসের যথাযথতা নির্ধারণ করুন" এলএল হারলো, এসএ মুলাইক, এবং জেএইচ স্টিগার (এড।) -তে, যদি তাত্পর্য না থাকে? (পৃষ্ঠা 393–425) মাহওয়াহ, এনজে: এরলবাউম, 1997।

২) যদি কিছু ধরণের পক্ষপাতিত্ব চালু করা হয় (উদাহরণস্বরূপ, কিছু বিভ্রান্তিকর কারণগুলির মধ্যে ভারসাম্যহীনতা) আমরা জানি না যে এই পক্ষপাতটি কোন দিকে মিথ্যা বলবে বা এটি কতটা শক্তিশালী। আমরা সবচেয়ে ভাল অনুমান দিতে পারি যে উচ্চতর পুনরুদ্ধারের দিক দিয়ে চিকিত্সা গোষ্ঠীকে পক্ষপাতদুষ্ট করার 50% সম্ভাবনা রয়েছে। নমুনা আকারগুলি বড় হওয়ার সাথে সাথে 50% সম্ভাবনাও রয়েছে যে আপনার তাত্পর্য পরীক্ষাটি এই পার্থক্যটি সনাক্ত করবে এবং আপনি ডেটাটিকে আপনার তত্ত্বকে সংশোধনকারী হিসাবে ব্যাখ্যা করবেন।

এই পরিস্থিতিটি নাল অনুমানের ক্ষেত্রে সম্পূর্ণ পৃথক যে "এই ড্রাগটি x% দ্বারা পুনরুদ্ধারের উন্নতি করবে"। এক্ষেত্রে যে কোনও পক্ষপাতিত্বের উপস্থিতি (যা আমি বলব যে সবসময়ই প্রাণী এবং মানুষের গ্রুপের তুলনায় উপস্থিত থাকে) আপনার তত্ত্বটিকে প্রত্যাখ্যান করার সম্ভাবনা আরও বেশি করে তোলে।

সম্ভাব্য সবচেয়ে চূড়ান্ত পরিমাপের দ্বারা আবদ্ধ সম্ভাব্য ফলাফলগুলির "স্পেস" (মেহল এটিকে "স্পিলারাম" বলে মনে করেন) Think সম্ভবত 0-100% পুনরুদ্ধার হতে পারে এবং আপনি 1% রেজোলিউশন দিয়ে পরিমাপ করতে পারেন। সাধারণ তাত্পর্য পরীক্ষার ক্ষেত্রে, আপনার তত্ত্বের সাথে সামঞ্জস্যপূর্ণ স্থানটি আপনি যে সম্ভাব্য ফলাফলগুলি পর্যবেক্ষণ করতে পারবেন তার 99% হবে। ক্ষেত্রে যখন আপনি একটি নির্দিষ্ট পার্থক্য পূর্বাভাস আপনার তত্ত্বের সাথে সামঞ্জস্যপূর্ণ স্থান সম্ভাব্য ফলাফলের 1% হবে।

এটি রাখার আরেকটি উপায় হ'ল গড় 1 = গড় 2 এর নাল অনুমানের বিরুদ্ধে প্রমাণ সন্ধান করা কোনও ওষুধ কিছু করে এমন গবেষণা অনুমানের কঠোর পরীক্ষা নয়। গড় 1 <মানে 2 এর নাল ভাল তবে এখনও খুব ভাল নয়।

এখানে 3 এবং 4 চিত্র দেখুন: (1990)। তত্ত্বগুলির মূল্যায়ন ও সংশোধন: লাকাতোসিয়ান প্রতিরক্ষা কৌশল এবং দুটি নীতি যা এটির ব্যবহারের নিশ্চয়তা দেয় । মনস্তাত্ত্বিক অনুসন্ধান, 1, 108-141, 173-180


0

সমস্ত পরিসংখ্যান প্রাকৃতিক জগতে (গেমস এবং গ-এর মানব-নির্মিত বিশ্বের থেকে পৃথক হিসাবে) নির্দিষ্ট কিছু নয় এই ধারণাটি ভিত্তিতে তৈরি হয় না। অন্য কথায়, আমরা এটি বুঝতে পারার একমাত্র উপায়টি হ'ল একটি জিনিস অন্যটির সাথে সংযুক্ত হওয়ার সম্ভাবনাটি পরিমাপ করে এবং এটি 0 এবং 1 এর মধ্যে পরিবর্তিত হয় তবে কেবলমাত্র 1 টি হতে পারে যদি আমরা অনুমানটি পরীক্ষা করতে পারি একটি অনন্ত সংখ্যার বার বিভিন্ন পরিস্থিতিতে অসীম সংখ্যা, অবশ্যই কোনটি অসম্ভব। এবং আমরা কখনই জানতে পারি না যে এটি একই কারণে শূন্য ছিল। প্রকৃতির বাস্তবতা বোঝার জন্য এটি একটি নির্ভরযোগ্য পদ্ধতির চেয়ে গণিতের চেয়ে বেশি, যা বিলোপগুলিতে ডিল করে এবং বেশিরভাগ সমীকরণের উপর নির্ভর করে, যা আমরা জানি আদর্শবাদী কারণ যদি আক্ষরিক অর্থে কোনও সমীকরণের এলএইচ দিকটি সত্যই = আরএইচ দিক, উভয় পক্ষ বিপরীত হতে পারে এবং আমরা কিছুই শিখি না। কড়া কথায় বলতে গেলে এটি কেবল স্থির বিশ্বেই প্রযোজ্য, কোনও 'প্রাকৃতিক' নয় যা অভ্যন্তরীণ অশান্ত। অতএব, নাল অনুমানের এমনকি গণিতও আন্ডারাইট করা উচিত - যখনই এটি প্রকৃতি নিজেই বোঝার জন্য ব্যবহৃত হয়।


0

আমি মনে করি সমস্যাটি 'সত্য' শব্দটিতে রয়েছে। প্রাকৃতিক বিশ্বের বাস্তবতা প্রকৃতপক্ষে অজানা কারণ এটি সময়ের সাথে অসীম জটিল এবং অসীম পরিবর্তনশীল, তাই প্রকৃতির ক্ষেত্রে প্রয়োগ করা 'সত্য' সর্বদা শর্তসাপেক্ষ। আমরা যা করতে পারি তা হ'ল বারবার পরীক্ষার মাধ্যমে ভেরিয়েবলের মধ্যে সম্ভাব্য চিঠিপত্রের স্তরের সন্ধান করার চেষ্টা করা। বাস্তবতা অনুধাবন করার আমাদের প্রয়াসে আমরা এর মধ্যে অর্ডারের মতো কী বলে মনে হয় তা সন্ধান করি এবং আমাদের মনের মধ্যে ধারণাগত-সচেতন মডেলগুলি তৈরি করি যাতে আমাদের বোধগম্য সিদ্ধান্ত নিতে সহায়তা করে তবে এটি অনেকটাই হিট-মিস-মিস ব্যাপার কারণ সেখানে সবসময়ই রয়েছে অপ্রত্যাশিত। বাস্তবের অনুভূতি তৈরির আমাদের প্রয়াসের একমাত্র নির্ভরযোগ্য শুরুর দিকটি নাল হাইপোথিসিস।


1
আমি মনে করি আপনার দুটি উত্তর একত্রিত করা উচিত।
ভনজড

-1

আমাদের অবশ্যই নাল অনুমানটি নির্বাচন করতে হবে যা আমরা প্রত্যাখ্যান করতে চাই।

কারণ আমাদের অনুমানের পরীক্ষার দৃশ্যে একটি সমালোচনামূলক অঞ্চল রয়েছে, যদি অনুমানের অধীনে অঞ্চলটি সমালোচনামূলক অঞ্চলে আসে তবে আমরা অনুমানটিকে প্রত্যাখ্যান করি অন্যথায় আমরা অনুমানকে গ্রহণ করি।

সুতরাং ধরুন আমরা নাল অনুমানটি নির্বাচন করি, যাকে আমরা মেনে নিতে চাই to এবং নাল অনুমানের অধীন অঞ্চলটি সমালোচনামূলক অঞ্চলে আসে না, সুতরাং আমরা নাল অনুমানটি গ্রহণ করব। তবে এখানে সমস্যাটি হ'ল যদি নাল অনুমানের অধীন অঞ্চলটি গ্রহণযোগ্য অঞ্চলের অধীনে আসে, তবে এর অর্থ এই নয় যে বিকল্প অনুমানের অধীন অঞ্চলটি গ্রহণযোগ্য অঞ্চলে আসবে না। এবং যদি এটি হয় তবে ফলাফল সম্পর্কে আমাদের ব্যাখ্যাটি ভুল হবে। সুতরাং আমাদের অবশ্যই সেই অনুমানটিকে নাল অনুমান হিসাবে গ্রহণ করতে হবে যা আমরা প্রত্যাখ্যান করতে চাই। আমরা যদি নাল হাইপোথিসিসকে প্রত্যাখ্যান করতে সক্ষম হই, তবে এর অর্থ হ'ল বিকল্প অনুমানটি সত্য। তবে আমরা যদি নাল অনুমানকে প্রত্যাখ্যান করতে না পারি, তবে এর অর্থ এই যে দুটি অনুমানের কোনওটিই সঠিক হতে পারে। এর পরে আমরা আর একটি পরীক্ষা নিতে পারি, যেখানে আমরা আমাদের বিকল্প অনুমানকে নাল অনুমান হিসাবে গ্রহণ করতে পারি, এবং তারপরে আমরা এটিকে প্রত্যাখ্যান করার চেষ্টা করতে পারি। যদি আমরা বিকল্প অনুমান (যা এখন নাল হাইপোথিসিস হয় তা) প্রত্যাখ্যান করতে সক্ষম হয়, তবে আমরা বলতে পারি যে আমাদের প্রাথমিক নাল অনুমানটি সত্য ছিল।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.