আত্মবিশ্বাসের অন্তর এবং অনুমানের পরীক্ষার মধ্যে পার্থক্য কী?

Question

হাইপোথিসিস টেস্টিং সম্পর্কিত বিতর্কগুলি সম্পর্কে আমি কিছু মন্তব্যকারীদের পরামর্শ দিয়েছিলাম যে অনুমানের পরীক্ষার ব্যবহার করা উচিত নয় ing কিছু মন্তব্যকারী পরামর্শ দিয়েছেন যে পরিবর্তে আত্মবিশ্বাসের ব্যবধানগুলি ব্যবহার করা উচিত।

• আত্মবিশ্বাসের অন্তর এবং অনুমানের পরীক্ষার মধ্যে পার্থক্য কী? রেফারেন্স এবং উদাহরণ সহ ব্যাখ্যা প্রশংসা হবে।

Comments

আমি মনে করি আপনি কিছু জিজ্ঞাসা করতে চেয়েছিলেন কেন আত্মবিশ্বাসের ব্যবধান দেখিয়ে অনুমানের পরীক্ষার ফলাফলের রিপোর্ট করা কিছু পি-মান স্তরে কিছু নিশ্চিত হওয়া বা প্রত্যাখ্যান করা বলা অপেক্ষা ভাল।

উত্তর হিসাবে আপনার কিছু অন্যান্য প্রশ্ন পরীক্ষা করা বিবেচনা করা উচিত।

— অ্যান্ডি ডাব্লু

Answer 1

হাইপোথিসিস পরীক্ষার জন্য আপনি একটি আত্মবিশ্বাসের ব্যবধান (সিআই) ব্যবহার করতে পারেন। সাধারণ ক্ষেত্রে, যদি কোনও প্রভাবের সিআই 0 বিস্তৃত না হয় তবে আপনি নাল অনুমানটি বাতিল করতে পারেন। তবে একটি সিআই আরও বেশি ব্যবহার করা যেতে পারে, যদিও এটি পাস হয়েছে কিনা তা জানাচ্ছেন এটি পরীক্ষার উপযোগিতার সীমা।

আপনি কেবল একটি টি-টেস্টের পরিবর্তে সিআই ব্যবহার করার পরামর্শ দিয়েছেন, উদাহরণস্বরূপ, কারণ আপনি কেবল পরীক্ষার অনুমানের চেয়ে আরও বেশি কিছু করতে পারেন। আপনি যে প্রভাবগুলির (সিআই-তে রয়েছে) বিশ্বাস করেন যে প্রভাবগুলির পরিধি সম্পর্কে আপনি একটি বিবৃতি দিতে পারেন। আপনি কেবল একটি টি-পরীক্ষা দিয়ে এটি করতে পারবেন না। নাল সম্পর্কে বিবৃতি দেওয়ার জন্য আপনি এটি ব্যবহার করতে পারেন, যা আপনি টি-টেস্ট দিয়ে করতে পারবেন না। যদি টি-পরীক্ষা নালটিকে প্রত্যাখ্যান করে না তবে আপনি কেবল বলেছেন যে আপনি নালটিকে প্রত্যাখ্যান করতে পারবেন না, যা বেশি কিছু বলছে না। তবে যদি শূন্যের চারপাশে আপনার একটি সংক্ষিপ্ত আত্মবিশ্বাসের ব্যবধান থাকে তবে আপনি পরামর্শ দিতে পারেন যে নাল, বা এর কাছাকাছি কোনও মান সম্ভবত প্রকৃত মূল্য এবং চিকিত্সার প্রভাব বা স্বতন্ত্র পরিবর্তনশীলকে বোঝাতে খুব কম অর্থবহ হতে পারে ( বা আপনার পরীক্ষা না '

পরে যুক্ত করা হয়েছে: আমার সত্যই বলা উচিত ছিল যে আপনি যখন পরীক্ষার মতো সিআই ব্যবহার করতে পারেন এটি এক নয়। এটি এমন একটি পরিসরের অনুমান যেখানে আপনি মনে করেন যে প্যারামিটারের মানটি মিথ্যা। আপনি সূচনাগুলির মতো পরীক্ষা করতে পারেন তবে আপনি কখনও সেভাবেই এ বিষয়ে কথা বলছেন না better

কোনটা ভাল?

ক) এর প্রভাব 0.6, টি (29) = 2.8, পি <0.05। এই পরিসংখ্যানগত ভাবে উল্লেখযোগ্য প্রভাব ... (বা এমনকি শক্তিশালী গবেষনার মাত্রার ব্যবহারিক ইঙ্গিত নিয়ে আলোচনা করার জন্য ক্ষমতা কোন উল্লেখ ছাড়াই এই পরিসংখ্যানগত তাৎপর্য সম্পর্কে কিছু আলোচনা ensues ... একটি Neyman-পিয়ারসন কাঠামোর আওতায় মাত্রার টি এবং পি মানগুলি বেশ অনেক অর্থহীন এবং আপনি যা আলোচনা করতে পারেন তা হ'ল প্রভাবটি উপস্থিত রয়েছে কি না তা উপস্থিত রয়েছে বলে প্রমাণিত হয়েছে You আপনি কখনই পরীক্ষার উপর ভিত্তি করে কোনও প্রভাব তৈরি করে না এমন বিষয়ে সত্যই কথা বলতে পারবেন না))

অথবা

খ) একটি 95% আত্মবিশ্বাস ব্যবধান ব্যবহার করে আমি অনুমান করি যে প্রভাবটি 0.2 এবং 1.0 এর মধ্যে হবে। (কিছু আলোচনা হ'ল আগ্রহের প্রকৃত প্রভাব সম্পর্কে কথা বলা নিশ্চিত করে, এটির গ্রহণযোগ্য মূল্যবোধগুলি হ'ল কিনা তার নির্দিষ্ট অর্থ রয়েছে এবং এর অর্থের সঠিক অর্থ যা বোঝাতে চাইছে তার জন্য তাৎপর্যপূর্ণ কোনও ব্যবহার রয়েছে addition এছাড়াও, সিআই এর প্রস্থ সরাসরি যেতে পারে এটি একটি শক্তিশালী অনুসন্ধান কিনা বা আপনি কেবলমাত্র আরও স্থায়ী সিদ্ধান্তে পৌঁছাতে পারবেন কিনা তা নিয়ে আলোচনা)

যদি আপনি একটি মৌলিক পরিসংখ্যানের ক্লাস নেন তবে আপনি প্রাথমিকভাবে এ এর ​​দিকে মহাকর্ষণ করতে পারেন এবং এমন কিছু ঘটনাও ঘটতে পারে যেখানে ফলাফলের প্রতিবেদন করার আরও ভাল উপায়। তবে বেশিরভাগ কাজের জন্য বি আরও দূরের এবং সর্বোত্তম। একটি পরিসীমা অনুমান একটি পরীক্ষা নয়।

Comments

@ জোহানের মন্তব্যে একটি সংযোজন: প্রথমত, কখনও কখনও মূল প্রশ্নটি হয় সিআই 0 টি নয়, যেমন (যেমন লজিস্টিক রিগ্রেশন) 1

— পিটার ফ্লুম - মনিকা পুনরায়

ছেলেরা, এটি 1 বা এটি 0? (এটি আমার কাছে খুব আলোকিত দেখাচ্ছে, সুতরাং আমার ধারণা, সন্ধানের জন্য আমার সঠিক মূল্য শিখতে হবে!) @ জন

— আধেশ জোশ

95% সিআই এবং আলফা = 0.05 এর সাথে দ্বি-পুচ্ছ পরীক্ষার অনুমানের মধ্যে কী সম্পর্ক? তারা কি একই রকম? তবে না হলে কীভাবে?

— ভালবাসা-পরিসংখ্যান

প্রেমের পরিসংখ্যান, যখন একই ব্যবহার করা হয় তারা একই are

— জন

আবেদ যশ, নাল অনুমানটি পূর্বে নির্দিষ্ট কোনও নির্দিষ্ট মান হতে পারে। এটি সরাসরি এনএইচএসটির ওপরে সিআইয়ের আর একটি বৈশিষ্ট্য। আপনি 0 বাদে অন্য কোনও কাল্পনিক মানটির বিরুদ্ধে পরীক্ষা করতে চাইলে এটি ব্যবহার করা খুব সহজ

— জন

Answer 2

অনুমান পরীক্ষা এবং আত্মবিশ্বাসের ব্যবধানগুলির মধ্যে একটি সমতা রয়েছে। (উদাহরণস্বরূপ http://en.wikedia.org/wiki/Confidence_interval#Statistical_hypothesis_testing দেখুন ) আমি একটি খুব নির্দিষ্ট উদাহরণ দেব। ধরা যাক, আমাদের সাথে গড়। এবং ভেরিয়েন্স 1 সহ একটি সাধারণ বিতরণ থেকে , যা আমরা লিখব । ধরুন আমরা মনে করি যে , এবং আমরা নাল-হাইপোথিসিস পরীক্ষা করতে চাই , স্তরেসুতরাং আমরা একটি পরীক্ষার পরিসংখ্যান তৈরি করি, যা এক্ষেত্রে আমরা নমুনা গড় হিসাবে গ্রহণ করব: । এখন ধরুন$x_1, x_2, \ldots, x_n$$\mu$$\mathcal N(\mu,1)$$\mu = m$$H_0: \mu = m$$0.05.$$v = (x_1 + x_2 + \cdots + x_n ) / n$$A(m)$এই পরীক্ষার জন্য জন্য "গ্রহণযোগ্যতা অঞ্চল" । এর অর্থ হ'ল হল এর সম্ভাব্য মানগুলির সেট যা নাল-হাইপোথিসিস 0.05 স্তরে গৃহীত হয় (আমি "প্রত্যাখ্যানিত নয়" এর শর্টহ্যান্ড হিসাবে "স্বীকৃত" ব্যবহার করি - আমি প্রস্তাব দিচ্ছি না) আপনি নাল হাইপোথিসিসটি সমাপ্ত করবেন তা সত্য))। এই উদাহরণস্বরূপ, আমরা সাধারণ বিতরণে নজর রাখতে পারি এবং এই বিতরণের আওতায় কমপক্ষে 0.95 এর সম্ভাব্যতা রয়েছে এমন কোনও সেট বেছে নিতে পারি। এখন, একটি 95% আস্থা অঞ্চল সব সেট , যার জন্য হয় । অন্য কথায়, এটি সমস্ত সেট$v$$A(m)$$v$$\mu=m$$\mathcal N(m,1)$$\mu$$m$$v$$A(m)$$m$যার জন্য নাল-অনুমানটি পর্যবেক্ষণ করা জন্য গ্রহণযোগ্য হবে । এই কারণেই জন বলেছেন "যদি কোনও প্রভাবের সিআই বিস্তৃত না হয় তবে আপনি নাল অনুমানটি বাতিল করতে পারেন।" (জন পরীক্ষা ক্ষেত্রে উল্লেখ করা হয় ।)$v$$0$$\mu = 0$

সম্পর্কিত বিষয় হ'ল পি-মান। পি-মান হ'ল একটি পরীক্ষার জন্য ক্ষুদ্রতম স্তর যেখানে আমরা নাল-অনুমানকে প্রত্যাখ্যান করব। আত্মবিশ্বাসের অন্তরগুলির আলোচনার সাথে এটিকে বেঁধে রাখতে, ধরুন আমরা একটি নির্দিষ্ট নমুনা গড় পেয়েছি, যা থেকে আমরা বিভিন্ন আকারের আত্মবিশ্বাসের অন্তরগুলি তৈরি করি। একটি 95% আস্থা ব্যবধান ধরুন ধারণ করে না । তারপরে আমরা স্তরে নাল-হাইপোথিসিস প্রত্যাখ্যান করতে পারি তারপরে ধরুন আমরা আত্মবিশ্বাসের ব্যবধানটি বাড়িয়েছি যতক্ষণ না এটি সুনির্দিষ্ট মান স্পর্শ করে (তবে এতে অন্তর্ভুক্ত থাকে না) , এবং ধরুন এটি একটি 98% আত্মবিশ্বাসের ব্যবধান। তারপর হাইপোথিসিস জন্য P-মান হয় (যা আমরা থেকে পেতে$v$$\mu$$m$$\mu=m$$0.05.$$m$$\mu=m$$0.02$$1-0.98$ )।

Comments

দয়া করে এটি পড়ুন পি-মানটি নাল প্রত্যাখ্যান করার জন্য পরীক্ষার ক্ষুদ্রতম স্তর হিসাবে ব্যাখ্যা করা যায় না। "এটি ইতিমধ্যে দেখানো হয়েছে যে নেইমান – পিয়ারসন অনুমানের পরীক্ষার প্রসঙ্গে একক (বা চলমান) পরীক্ষায় পি মানগুলির ব্যাখ্যার অনুমতি নেই ap এপি মানের গণনা কেবল নাল অনুমানের সত্যের উপর নির্ভর করে p পি মানটি পরিমাপ করে না এইচএকে সমর্থন করার প্রমাণের পরিমাণ; এটি এইচ 0 এর বিরুদ্ধে প্ররোচিত প্রমাণের একটি পরিমাপ। " 'সূত্র: ftp.stat.duke.edu/WorkingPapers/03-26.pdf

— sree22

@ শ্রী 22 আপনি কি এটিকে প্রসারিত করতে পারেন, বা পুনর্নির্মাণের পরামর্শ দিতে পারেন? আমি এই প্রসঙ্গে পি-মান সংজ্ঞা দেওয়ার চেষ্টা করছিলাম, কোনও ব্যাখ্যা নয়।

— ডেভিডআর

Answer 3

'শিক্ষার্থী' এই কারণে আত্মবিশ্বাসের ব্যবস্থার পক্ষে যুক্তি দিয়েছিল যে তারা প্রভাবগুলি আরও গুরুত্বপূর্ণ এবং কোনটি আরও তাত্পর্যপূর্ণ তা প্রদর্শন করতে পারে।

উদাহরণস্বরূপ, যদি আপনি দুটি প্রভাব খুঁজে পান যেখানে প্রথমটির আর্থিক প্রভাবের জন্য আত্মবিশ্বাসের ব্যবধান ছিল £ 5 থেকে 6 to পর্যন্ত, অন্যটির মধ্যে আত্মবিশ্বাসের ব্যবধান ছিল 200 ডলার থেকে 2800 ডলার। প্রথমটি আরও পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ তবে দ্বিতীয়টি সম্ভবত আরও গুরুত্বপূর্ণ।