মিথ্যা আবিষ্কারের হার এবং একাধিক পরীক্ষার সাথে বিভ্রান্তি (কোলকহাউনে ২০১৪)


19

আমি ডেভিড কলকোউনের এই দুর্দান্ত কাগজটি পড়েছি: মিথ্যা আবিষ্কারের হারের তদন্ত এবং পি-ভ্যালুগুলির ভুল ব্যাখ্যা (2014) সংক্ষেপে, তিনি ব্যাখ্যা করেছেন যে আমরা দিয়ে টাইপ আই ত্রুটির জন্য নিয়ন্ত্রণ করি সত্ত্বেও কেন ভুয়া আবিষ্কারের হার (এফডিআর) বেশি হতে পারে ।30%α=0.05

তবে আমি একাধিক পরীক্ষার ক্ষেত্রে যদি এফডিআর নিয়ন্ত্রণ প্রয়োগ করি তবে কী হবে তা নিয়ে এখনও আমি বিভ্রান্ত।

বলুন, আমি অনেকগুলি ভেরিয়েবলের প্রত্যেকটির জন্য একটি পরীক্ষা করেছি এবং বেঞ্জামিনী-হচবার্গ পদ্ধতি ব্যবহার করে ভ্যালুগুলি গণনা করেছি । আমি একটি পরিবর্তনশীল পেয়েছি যা সাথে উল্লেখযোগ্য । আমি জিজ্ঞাসা করছি এ অনুসন্ধানের জন্য এফডিআর কী?qq=0.049

আমি কি নিরাপদে ধরে নিতে পারি যে, আমি যদি নিয়মিত ভিত্তিতে এই জাতীয় বিশ্লেষণ করি তবে এফডিআর , তবে নীচে , কারণ আমি বেঞ্জামিন-হচবার্গ ব্যবহার করেছি? যে ভুল মতানুযায়ী, আমি যা বলতে চাই করতে -value অনুরূপ Colquhoun এর কাগজ ও তার যুক্তি -value এখানে পাশাপাশি প্রযোজ্য, যাতে ব্যবহার করে এর -threshold থেকে "নিজেকে করতে বোকা" আমি ঝুঁকি (যেমন কোলকহাউন এটি ক্ষেত্রে রাখে) । তবে, আমি এটি আরও আনুষ্ঠানিকভাবে ব্যাখ্যা করার চেষ্টা করেছি এবং আমি ব্যর্থ হয়েছি।30%5%কুইপিকুই0.0530%


2
আরে @ জানুয়ারী, আমি অবাক হয়েছি কেন আপনি এত বড় অনুদান (250) কেন অফার করবেন এবং তারপরে আর পুরষ্কার এবং / অথবা উত্তরগুলি পরীক্ষা করতে ফিরে আসবেন না! আশা করি তুমি ভালো আছো.
অ্যামিবা বলেছেন পুনর্নির্মাণ মনিকা

3
দুটি পাণ্ডুলিপি আমার উপর এক টন ইটের মতো নেমে এসেছিল এবং আমি এটি সম্পর্কে সম্পূর্ণরূপে ভুলে গিয়েছিলাম।
জানুয়ারী

উত্তর:


15

এটি ঘটেছিল যে কাকতালীয়ভাবে আমি এই একই কাগজটি পড়েছিলাম কয়েক সপ্তাহ আগে। সমস্যাটি উত্থাপন করার সময় কলকোউন ৪ ধারায় একাধিক তুলনা (বেনজামিনী-হচবার্গ সহ) উল্লেখ করেছেন তবে আমি দেখতে পেয়েছি যে তিনি বিষয়টি যথেষ্ট পরিস্কার করেন না - তাই আপনার বিভ্রান্তি দেখে আমি অবাক হই না।

উপলব্ধি করার জন্য গুরুত্বপূর্ণ বিষয়টি হ'ল কলকোউন কোনও একাধিক তুলনার সমন্বয় ছাড়াই পরিস্থিতি সম্পর্কে কথা বলছেন। যে কোনও পাঠকের দৃষ্টিভঙ্গি গ্রহণের জন্য কলকোউনের কাগজটি বুঝতে পারে: তিনি বৈজ্ঞানিক সাহিত্য পড়ার সময় কোন ভুয়া আবিষ্কারের হার (এফডিআর) আশা করতে পারেন তা মূলত জিজ্ঞাসা করে, এবং এর অর্থ যখন একাধিক তুলনামূলক সমন্বয় করা হয়নি তখন প্রত্যাশিত এফডিআর কী। এক গবেষণায় একাধিক পরিসংখ্যান পরীক্ষা করার সময় একাধিক তুলনা বিবেচনায় নেওয়া যেতে পারে, যেমন একটি গবেষণাপত্রে। তবে কেউ কখনও কাগজপত্র জুড়ে একাধিক তুলনার জন্য সামঞ্জস্য করেন না

আপনি যদি আসলে এফডিআর নিয়ন্ত্রণ করেন, যেমন বেনজামিনী-হচবার্গ (বিএইচ) পদ্ধতি অনুসরণ করে, তবে এটি নিয়ন্ত্রণ করা হবে। সমস্যাটি হ'ল প্রতিটি গবেষণায় বিএইচ পদ্ধতি আলাদাভাবে চালানো, সামগ্রিক এফডিআর নিয়ন্ত্রণের গ্যারান্টি দেয় না।

আমি কি নিরাপদে ধরে নিতে পারি যে, আমি যদি নিয়মিত ভিত্তিতে এ জাতীয় বিশ্লেষণ করি তবে এফডিআর , তবে 5 % এর নীচে , কারণ আমি বেঞ্জামিন-হচবার্গ ব্যবহার করেছি?30%5%

না। আপনি যদি প্রতিটি কাগজে বিএইচ পদ্ধতি ব্যবহার করেন তবে স্বতন্ত্রভাবে আপনার প্রতিটি কাগজ পত্রে, তবে আপনি প্রয়োজনীয়ভাবে আপনার বিএইচ-অ্যাডজাস্টেড মূল্যগুলি সাধারণ পি - ভ্যালু হিসাবে ব্যাখ্যা করতে পারেন , এবং কোলকনউন যা বলেছে তা এখনও প্রযোজ্য।পিপি


সাধারণ মন্তব্য

100%30%

আমি মনে করি কাগজটি বেশিরভাগ ক্ষেত্রে যুক্তিসঙ্গত, তবে আমি এটি অপছন্দ করি যে এটি কিছু দাবিগুলি খুব সাহসী করে তোলে। যেমন বিমূর্তির প্রথম বাক্যটি হ'ল:

পি=0.0530%

এটি অত্যন্ত দৃ strongly়তার সাথে সূচিত এবং আসলে বিভ্রান্তিকর হতে পারে।


মঞ্জুর, আমি কেবল কাগজটির পরিবর্তে দ্রুত স্কিম করেছিলাম, তবে এটি আমার কাছে মনে হয়েছে যে তিনি মূলত কেবলমাত্র সুপরিচিত কৌতূহলকেই পুনরুদ্ধার করছেন যে বড় নমুনা আকারগুলিতে (যেমন চিত্র 1) অপ্রয়োজনীয় প্রভাবগুলি খুঁজে পাওয়া সহজ। যা এটি অর্থবহ নয় তা বলার অপেক্ষা রাখে না, বরং আমি অনুভব করি যে এটির লেখক যে সরবরাহ করেন তার চেয়ে আলাদা (এবং কম সাহসীভাবে বর্ণিত) ব্যাখ্যা হওয়া উচিত।
রায়ান সিমন্স 17

1
আমি নিশ্চিত না কেন @ রায়ানসিমোনস বলে যে আমি "মূলত কেবলমাত্র সুপরিচিত গর্বের কথাটিই বলেছিলাম যে বড় আকারের নমুনার আকারগুলিতে ঝাপটানো প্রভাবগুলি খুঁজে পাওয়া সহজ"। এটি বড় নমুনা মাপের সাথে কিছুই করার ছিল না! তিনি কেন মনে করেন যে কাগজের "আলাদা (এবং কম সাহসীভাবে বিবৃত) ব্যাখ্যা থাকতে হবে" এর একটি ব্যাখ্যা আমি সত্যিই স্বাগত জানাব।
ডেভিড কলকোউন

"তবে কেউ কখনও কাগজপত্র জুড়ে একাধিক তুলনার জন্য সামঞ্জস্য করেন না do এটি করাও বেশ অসম্ভব।" আমি ভেবেছিলাম পারিবারিকভাবে ত্রুটি হারের সমন্বয়গুলির তুলনায় ভুয়া আবিষ্কারের হারের সমন্বয়ের একটি সুবিধা হ'ল যে পরবর্তী পরিবারটির একটি সংজ্ঞা প্রয়োজন , পূর্ববর্তীটি একটি স্বেচ্ছাসেবী সংখ্যার তুলনায় স্কেলযোগ্য ?
অ্যালেক্সিস

পিαপি

আচ্ছা আপনি বর্ণনা অবশ্যই না একটি একাধিক তুলনা পদ্ধতি। তবে, এফডিআর-ভিত্তিক সমন্বয় পদ্ধতিগুলি সম্পাদন করে, 5 টি পরীক্ষা বলুন এবং তারপরে 10 টিতে আরও 20 টি যুক্ত করুন এবং একই পদ্ধতিটি সম্পাদন করা আবার এফডিআর এর অধীনে প্রত্যাখার সম্ভাবনাগুলি সংরক্ষণ করে, তবে এই প্রত্যাখ্যানের সম্ভাবনাগুলি FWER এর অধীনে পরিবর্তিত হয়। ডানের বনফেরোনি সামঞ্জস্য একটি বরং নাটকীয় উদাহরণ দেয়।
অ্যালেক্সিস

12

বেনজামিনী এবং হচবার্গ মিথ্যা আবিষ্কারের হারকে ঠিক একইভাবে সংজ্ঞায়িত করেন, যেমন মিথ্যা ধনাত্মক ধনাত্মক পরীক্ষার ভগ্নাংশ। সুতরাং যদি আপনি একাধিক তুলনার জন্য তাদের পদ্ধতিটি ব্যবহার করেন আপনি সঠিকভাবে FDR নিয়ন্ত্রণ করেন। এটি লক্ষণীয়, যদিও, বিএইচ পদ্ধতিতে বেশ কয়েকটি বৈকল্পিক রয়েছে। বার্কলেতে বেঞ্জামিনির সেমিনারগুলি ইউটিউবে রয়েছে, এবং দেখার মতো মূল্যবান:

আমি নিশ্চিত নই যে @ অ্যামিবা কেন "এটিকে খুব দৃ strongly়তার সাথে প্রস্তুত করা হয়েছে এবং এটি আসলে বিভ্রান্তিকর হতে পারে"। আমি কেন সে / সে তা ভাবছে তা জানতে আগ্রহী হব। সর্বাধিক প্ররোচিত যুক্তিটি সিমুলেটেড টি পরীক্ষা (বিভাগ 6) থেকে আসে। এটি অনুশীলন করে প্রায় প্রত্যেকে যা করেন তা অনুকরণ করে এবং এটি দেখায় যে আপনি যদি 0.0 এর কাছাকাছি পর্যবেক্ষণ করেন এবং আবিষ্কার করেছেন বলে দাবি করেন তবে আপনি অন্তত 26% সময় ভুল করবেন। কী ভুল হতে পারে?

অবশ্যই, আমার এটিকে সর্বনিম্ন হিসাবে বর্ণনা করা উচিত নয়। আপনি যদি ধরে নেন যে সেখানে আসল প্রভাব হওয়ার 50% সম্ভাবনা রয়েছে তবে আপনি এটি পেয়ে যাবেন। অবশ্যই যদি আপনি ধরে নেন যে আপনার বেশিরভাগ হাইপোথিসিগুলি আগে থেকেই সঠিক, তবে আপনি 26% এর চেয়ে কম এফডিআর পেতে পারেন, তবে আপনি কি অনুমানের যে কোনও দাবিটিকে স্বাগত জানাতে পারেন যে অনুমানের ভিত্তিতে একটি আবিষ্কার করেছেন তা কল্পনা করতে পারেন? আপনি ইতিপূর্বে 90% নিশ্চিত ছিলেন যে আপনার উপসংহারটি সত্য হবে। 26% হ'ল ন্যূনতম এফডিআর যে 0.5% এর চেয়ে বেশি পূর্বের কোনও সম্ভাবনা অনুমান করার পক্ষে যুক্তিসঙ্গত ভিত্তি নয়।

পরীক্ষিত হওয়ার সময় শিকারগুলি প্রায়শই উঠে দাঁড়ায় না, এটি দেওয়া ভাল যে কোনও নির্দিষ্ট অনুমানের সত্য হওয়ার মাত্র 10% সম্ভাবনা রয়েছে এবং সেক্ষেত্রে এফডিআর একটি বিপর্যয়কর 76% হবে।

এটা সত্য যে নাল অনুমানের উপর এই সমস্তই সংঘটিত যে শূন্য পার্থক্য রয়েছে (তথাকথিত বিন্দু নাল)। অন্যান্য পছন্দগুলি বিভিন্ন ফলাফল দিতে পারে। তবে মূল বিষয়টি হ'ল প্রায় প্রত্যেকেই বাস্তব জীবনে ব্যবহার করে (যদিও এটি সম্পর্কে সচেতন নাও হতে পারে)। তবুও বিন্দুটি আমার কাছে পুরোপুরি ব্যবহার করার মতো উপযুক্ত জিনিস বলে মনে হচ্ছে। এটি কখনও কখনও আপত্তি জানায় যে সত্য পার্থক্য কখনও শূন্য হয় না। আমি একমত না উভয় গ্রুপকে একইরকম চিকিত্সা দেওয়া হয় সেই ক্ষেত্রে থেকে আমাদের ফলাফলগুলি পৃথক নয় কিনা তা আমরা বলতে চাই, তাই আসল পার্থক্য হ'ল শূন্য। যদি আমরা স্থির করি যে আউট ডেটা সেই দৃশ্যের সাথে সামঞ্জস্যপূর্ণ নয়, তবে আমরা প্রভাবের আকারটি অনুমান করতে যাই। এবং সেই মুহুর্তে আমরা প্রভাবটি বাস্তব হলেও তা বাস্তবে গুরুত্বপূর্ণ হওয়ার পক্ষে যথেষ্ট কিনা তা নিয়ে পৃথক রায় করি।দেবোরা মায়োর ব্লগ


@ আমেবা আপনার প্রতিক্রিয়া জন্য ধন্যবাদ।

মায়োর ব্লগের আলোচনায় মূলত মায়ো আমার সাথে একমত নন, যদিও তিনি কেন কমপক্ষে আমার কাছে তা স্পষ্ট করেননি। স্টিফেন সেন সঠিকভাবে উল্লেখ করেছেন যে আপনি যদি অন্য পূর্বের বিতরণ পোস্ট করেন তবে আপনি একটি আলাদা উত্তর পেতে পারেন। এটি আমার কাছে কেবল বিষয়গত বায়েশিয়ানদের কাছেই আকর্ষণীয় বলে মনে হচ্ছে।

এটি অবশ্যই প্রাত্যহিক অনুশীলনের সাথে অপ্রাসঙ্গিক যা সর্বদা একটি পয়েন্ট বাতিল করে। এবং আমি যেমন ব্যাখ্যা করেছি, এটি আমার কাছে একদম বুদ্ধিমান জিনিস বলে মনে হচ্ছে।

অনেক পেশাদার পরিসংখ্যানবিদ আমার মত একই সিদ্ধান্তে এসেছেন। সেল্কে এবং বার্গার এবং ভ্যালেন জনসন (আমার কাগজে রেফারেস) ব্যবহার করে দেখুন। আমার দাবী সম্পর্কে খুব বিতর্কিত (বা খুব আসল) কিছুই নেই।

আপনার অন্য বিষয়টি, ০.৫ পূর্বে ধরে নেওয়া সম্পর্কে, আমার মোটেই অনুমান বলে মনে হয় না। যেমন আমি উপরে ব্যাখ্যা করেছি, 0.5 এর উপরে যে কোনও কিছুই অনুশীলনে অগ্রহণযোগ্য হবে। 0.5 এর নীচে যে কোনও কিছু মিথ্যা আবিষ্কারের হারকে আরও বেশি করে তোলে (উদাহরণস্বরূপ 76% পূর্বে যদি 0.1 হয়)। অতএব এটি বলা মোটেও যুক্তিসঙ্গত যে 26% হল ন্যূনতম মিথ্যা আবিষ্কারের হার যা আপনি আশা করতে পারেন যদি আপনি একক পরীক্ষায় পি = 0.047 পর্যবেক্ষণ করেন।


আমি এই প্রশ্ন সম্পর্কে আরও চিন্তা করা হয়েছে। আমার এফডিআর সম্পর্কে সংজ্ঞাটি বেঞ্জামিনির-পজিটিভ পরীক্ষার ভগ্নাংশের মতোই। তবে এটি একেবারে ভিন্ন সমস্যার ক্ষেত্রে প্রয়োগ করা হয়, একটি একক পরীক্ষার ব্যাখ্যা। পর্দার দৃষ্টিতে যদি আমি অন্য একটি শব্দ বেছে নিই তবে ভাল হত better

একক পরীক্ষার ক্ষেত্রে, বি অ্যান্ড এইচ পি মানটি অপরিবর্তিত রেখে দেয়, সুতরাং আমি যে শব্দটি ব্যবহার করি সে অর্থে এটি মিথ্যা আবিষ্কারের হার সম্পর্কে কিছু বলে না।


অবশ্যই আপনি ঠিক বলেছেন। বেনজামিনী এবং হচবার্গ এবং অন্যান্য ব্যক্তিরা যারা একাধিক তুলনা করে কাজ করেন তাদের লক্ষ্য কেবল প্রকার 1 ত্রুটির হারটি সংশোধন করা। সুতরাং তারা একটি "সঠিক" পি মান দিয়ে শেষ হয়। এটি অন্য কোনও পি মান হিসাবে একই সমস্যার সাপেক্ষে। আমার সর্বশেষ গবেষণাপত্রে, আমি এই ভুল বোঝাবুঝি এড়ানোর প্রয়াসে এফডিআর থেকে ফলস পজিটিভ রিস্ক (এফপিআর) এ নাম পরিবর্তন করেছি।

কিছু গণনা করার জন্য আমরা একটি ওয়েব অ্যাপও লিখেছি (আমরা যে কয়েকটি আর-র স্ক্রিপ্টগুলি সরবরাহ করি তা ডাউনলোড করার পরে) after এটি https://davidcolquhoun.shinyapps.io/3-calcs-final/ এ এটির সম্পর্কে সমস্ত মতামত স্বাগত (প্রথমে নোটস ট্যাবটি পড়ুন)।

পিএস ওয়েব ক্যালকুলেটরটির এখন একটি নতুন (স্থায়ী, আমি আশা করি) http://fpr-calc.ucl.ac.uk/ এ Shiny.io ব্যবহার করা সহজ তবে যদি কেউ আসলে অ্যাপটি ব্যবহার করে তবে খুব ব্যয়বহুল :-(


আমি এই আলোচনায় ফিরে এসেছি, এখন বিষয়টি নিয়ে আমার দ্বিতীয় পত্রটি রয়েল সোসাইটি ওপেন সায়েন্সে প্রকাশিত হতে চলেছে। এটি https://www.biorxiv.org/content/early/2017/08/07/144337 এ রয়েছে

আমি বুঝতে পেরেছি যে আমি প্রথম কাগজে সবচেয়ে বড় ভুলটি হয়েছিল "মিথ্যা আবিষ্কারের হার (এফডিআর)" শব্দটি ব্যবহার করা। নতুন কাগজে আমি আরও স্পষ্ট করে দিয়েছি যে আমি একাধিক তুলনা সমস্যা সম্পর্কে কিছুই বলছি না। আমি কেবলমাত্র একক পক্ষপাতদুষ্ট পরীক্ষায় পর্যালোচনা করা P মানটিকে কীভাবে ব্যাখ্যা করব সেই প্রশ্নের সাথেই আমি ডিল করি।

সর্বশেষ সংস্করণে, আমি সম্ভাব্যতার সাথে উল্লেখ করছি যে বিভ্রান্তি হ্রাস করার আশায় ফলসটি এফডিআরের পরিবর্তে মিথ্যা পজিটিভ ঝুঁকি (এফপিআর) হিসাবে ফলাফল দেয়। আমি বিপরীত বায়েশিয়ান পদ্ধতির পক্ষেও বলছি - 5% এর এফপিআর নিশ্চিত করার জন্য যে পূর্বের সম্ভাবনা প্রয়োজন তা নির্দিষ্ট করে দিন। আপনি যদি পি = 0.05 পর্যবেক্ষণ করেন তবে তা 0.87 এ আসে। অন্য কথায় আপনাকে প্রায় (%)%) নিশ্চিত হতে হবে যে 5% এর এফপিআর অর্জনের জন্য পরীক্ষা-নিরীক্ষার আগে সত্যিকারের প্রভাব ছিল (যা বেশিরভাগ মানুষ এখনও বিশ্বাস করে, ভুলভাবে পি = 0.05 অর্থ)।


প্রিয় ডেভিড, ক্রসভিলেটেডে আপনাকে স্বাগতম এবং এতে যোগদানের জন্য ধন্যবাদ! দেখে মনে হচ্ছে যে আমরা @ জানুয়ারীর মূল প্রশ্নটির সাথে একমত রয়েছি: এফডিআর কেবল একটি সামগ্রিক বিএইচ প্রক্রিয়া দ্বারা নিয়ন্ত্রিত হতে পারে; বিএইচ যদি প্রতিটি কাগজে আলাদাভাবে প্রয়োগ করা হয় তবে আপনার যুক্তি এখনও প্রযোজ্য। যদি তাই হয় তবে এটি আসল প্রশ্ন মীমাংসা করে। আপনার "খুব শক্তিশালী" সূত্র সম্পর্কে আমার মন্তব্য সম্পর্কে: মায়োর ব্লগে ১৪7 টি মন্তব্য পড়ার পরে, আমি আর একটি আলোচনা শুরু করতে দ্বিধা বোধ করছি। যেমনটি আমি লিখেছি, আমি বেশিরভাগ ক্ষেত্রে আপনার কাগজটির সাথে একমত হই এবং আমার আপত্তিগুলি কেবলমাত্র কিছু সূত্র সম্পর্কে। [অবিরত]
অ্যামিবা

1
[...] বিমূর্তের প্রথম বাক্যটি আপনি এখানে তালিকাভুক্ত করার জন্য ঠিক "খুব শক্ত": উদাহরণস্বরূপ এটি বিন্দুটি নালাকে ধরে নিয়েছে এবং এটি 0.5 টি পূর্বে ধরেছে, তবে মনে হচ্ছে এটি কিছু মনে করে না (তবে আমি বুঝতে পারি যে আপনি উস্কানিমূলক হওয়ার চেষ্টা করেছেন)। মায়োর ব্লগে প্রচুর আলোচনা দেখায় যে অনেক লোক প্রকৃত বৈজ্ঞানিক অনুশীলনের জন্য এই অনুমানগুলি যুক্তিসঙ্গত বলে সম্মত হন না। আমারও আমার নিজের আপত্তি রয়েছে তবে আমি আপনার সাথে একমত যে এই অনুমানগুলি কিছু বৈজ্ঞানিক ক্ষেত্রকে সঠিকভাবে বর্ণনা করতে পারে । এবং যদি তা হয় তবে এই ক্ষেত্রগুলির একটি বড় সমস্যা আছে, হ্যাঁ।
অ্যামিবা বলেছেন মোনিকা

2

বিভ্রান্তির একটি বড় অংশটি হ'ল, এখানে তার বিপরীত মন্তব্য থাকা সত্ত্বেও, কলজহউন এফডিআরটিকে ঠিক তেমনভাবে ব্যাখ্যা করেন নি যেভাবে বেঞ্জামিন-হচবার্গ করেন। দুর্ভাগ্যজনক যে, এই শব্দটির ইতিমধ্যে সু-প্রতিষ্ঠিত, পৃথক সংজ্ঞা ছিল না তা নিশ্চিত করার জন্য কলকোউন প্রথম পরীক্ষা না করেই একটি শব্দ মুদ্রার চেষ্টা করেছিলেন। বিষয়টিকে আরও খারাপ করার জন্য, প্রচলিত এফডিআর প্রায়শই ভুল ব্যাখ্যা করা হয়েছে এমনভাবে কোলকুন এফডিআরটিকে সংজ্ঞায়িত করেছিলেন।

এখানে তার উত্তরে, কোলকহাউন এফডিআরটিকে "ধনাত্মক পরীক্ষার ভগ্নাংশ যা মিথ্যা" হিসাবে সংজ্ঞায়িত করে। বেনজামিনী-হচবার্গ এফডিপি হিসাবে নির্ধারণ করেছেন (মিথ্যা আবিষ্কারের অনুপাত, মিথ্যা আবিষ্কারের হারের সাথে বিভ্রান্ত না হওয়ার) সাথে মিল রয়েছে similar বেনজামিনী-হচবার্গ এফডিআরকে এফডিপির এক্সপেক্টেড ভ্যালু হিসাবে সংজ্ঞায়িত করেন, একটি বিশেষ শর্তে যে কোনও ইতিবাচক পরীক্ষা না হলে এফডিপি 0 হিসাবে বিবেচিত হয় (সমস্ত নাল সত্য হয়ে গেলে এফডিআরকে সমতুল্য করার জন্য একটি শর্ত থাকে), শূন্য দ্বারা বিভাগের কারণে অপরিবর্তিতযোগ্য মানগুলি এড়িয়ে যায়)।

বিভ্রান্তি এড়াতে, আমি কোলকহউন কাগজে বিশদ সম্পর্কে চিন্তা না করার পরামর্শ দিই, এবং পরিবর্তে কেবল বড় চিত্রের বিন্দুটিকে (যা অন্যরাও তৈরি করেছে) মনে রাখবেন যে আলফা স্তরটি উল্লেখযোগ্য পরীক্ষার অনুপাতে সরাসরি মিলছে না যে টাইপ আই ত্রুটিগুলি (আমরা একক গবেষণায় বা একসাথে কয়েকটি গবেষণায় উল্লেখযোগ্য পরীক্ষার কথা বলছি কিনা)। এই অনুপাতটি কেবল আলফার উপরই নয়, শক্তি ও পরীক্ষিত নাল অনুমানের অনুপাতের উপরও নির্ভর করে যা সত্য।

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.