পরিসংখ্যান সাহিত্যে দ্বিতীয় ধরণের ত্রুটি কেন এতটা গুরুত্ব দেওয়া হয় না?

Question

আমি অনেকগুলি ক্ষেত্রেই দেখেছি যেখানে বিভিন্ন গবেষণা নিবন্ধে টাইপ আই ত্রুটির জন্য দায়ী (আলফা মান দ্বারা চিহ্নিত)। আমি এটি বিরল বলে মনে করেছি যে কোনও গবেষক শক্তি, বা দ্বিতীয় ধরণের ত্রুটি বিবেচনা করবেন।

টাইপ II ত্রুটিগুলি একটি বড় চুক্তি হতে পারে? আমরা আসলে দুর্ঘটনাক্রমে বিকল্প অনুমানটিকে প্রত্যাখ্যান করেছি যখন এটি আসলে মিথ্যা ছিল। বিটা মানগুলির পরিবর্তে কেন আলফা মানগুলিকে এত বেশি জোর দেওয়া হচ্ছে?

যখন আমি প্রথম বর্ষের পরিসংখ্যান নিয়েছি, আমাকে কখনই বিটা-শুধু আলফা শেখানো হয়নি। আমি মনে করি যে এই দুটি ত্রুটি সমানভাবে আচরণ করা উচিত। তবুও, কেবলমাত্র আলফা জোর দেওয়া বলে মনে হচ্ছে।

Comments

+1 কারণটি হ'ল traditionতিহ্যগতভাবে, টাইপ আই ত্রুটি (ওরফে, $\alpha$বা তাত্পর্য স্তরটি প্রথমে স্থির করা হয়, এবং তারপরে পরীক্ষাটি তৈরি করা হয় যেমন টাইপ II ত্রুটিটি কমিয়ে আনতে (সমতুল্য, যেমন ক্ষমতা সর্বাধিককরণের জন্য)। ইস্যুটি বোঝার জন্য উইকিপিডিয়ায় একটি সহায়ক নিবন্ধটি হ'ল ইউনিফর্মলি মোস্ট পাওয়ারফুল (ইউএমপি) পরীক্ষাগুলি, এন.ইউইকিপিডিয়া

— জেরেমিয়াস কে

"আমরা নাল হাইপোথিসিসটি মেনে নিয়েছি" সম্পর্কে আপনি ভুল - আমরা কখনই তা গ্রহণ করি না । আমরা হয় "নাল হাইপিকে প্রত্যাখ্যান করি", বা "নাল হাইপিকে প্রত্যাখ্যান করতে ব্যর্থ", তবে নাল হাইপকে কখনও গ্রহণ করি না!

— গুহামান

বিস্ফোরিত - যে আমার অতীত skimmed। যে ইশারা জন্য ধন্যবাদ।

পরিসংখ্যান সাহিত্যের পুরো ক্ষেত্রের সাথে আপনার নিজের অভিজ্ঞতাকে বিভ্রান্ত না করার বিষয়ে সতর্ক হন; আপনি পড়েননি এমন উপাদানের বিষয়বস্তু আপনি খুব কমই অনুমান করতে পারবেন।

— গ্লেন_বি -রিনস্টেট মনিকা

@ এখনই ঠিক আছে। একটি সচেতন শিরোনাম আরও প্রতিক্রিয়া পেয়েছে।

Answer 1

এটা একটা ভালো প্রশ্ন। আমাকে কয়েকটি স্পষ্টতা দিয়ে শুরু করুন:

• এটি "[টি] ইপে দ্বিতীয় ত্রুটির [[]] উল্লেখযোগ্য হওয়া" (বা কোনও ধরণের আমি ত্রুটি হওয়ার জন্য) এর সত্যিকার অর্থে কিছু বোঝায় না। অবশ্যই, এটি খুব গুরুত্বপূর্ণ হতে পারে যে আমরা একটি সত্য প্রভাবটি মিস করেছি, যদিও।
• এছাড়াও, আমরা সাধারণত নাল অনুমানটি "[স্বীকার করি]" করি না। (তার আরও তথ্যের জন্য, এটি আমার উত্তরটি এখানে পড়তে সহায়তা করতে পারে: পরিসংখ্যানবিদরা কেন অ-তাৎপর্যপূর্ণ ফলাফলের অর্থ নাল অনুমানকে গ্রহণ করার বিরোধিতা করে "আপনি নালকে প্রত্যাখ্যান করতে পারবেন না"? )

---

আমি মনে করি আপনি (দুর্ভাগ্যক্রমে) ঠিক বলেছেন যে পাওয়ার এবং টাইপ II ত্রুটির প্রতি কম মনোযোগ দেওয়া হয়। যদিও আমি মনে করি বায়োমেডিকাল গবেষণায় পরিস্থিতির উন্নতি হচ্ছে (উদাঃ, তহবিল সংস্থাগুলি এবং আইআরবিরা প্রায়শই এখন শক্তি বিশ্লেষণের পুনর্বিবেচনা করে) তবে আমি মনে করি এর কয়েকটি কারণ রয়েছে:

1. আমি মনে করি সাধারণ তাত্পর্য তুলনায় ক্ষমতা বোঝা শক্ত er (এটি অংশে রয়েছে কারণ এটি অনেকগুলি অজানা - বিশেষত প্রভাবের আকারের উপর নির্ভর করে, তবে অন্যগুলিও রয়েছে)।
2. বেশিরভাগ বিজ্ঞান (যেমন, পদার্থবিজ্ঞান এবং রসায়ন ব্যতীত) ভাল গাণিত হয় না। ফলস্বরূপ, গবেষকদের পক্ষে এফেক্টের আকার 'কী' তাদের থিয়োরি দেওয়া উচিত তা জেনে রাখা খুব কঠিন (ন্যায়সঙ্গত ব্যতীত অন্যান্য)$\ne0$)।
3. বিজ্ঞানীরা traditionতিহ্যগতভাবে ধরে নিয়েছেন যে টাইপ আই ত্রুটিগুলি টাইপ II ত্রুটির চেয়েও খারাপ।

Comments

বরাবরের মতো, আলোকিত - বিশেষত অ-গণিতের জন্য :-) ... আমি এই শব্দটি পছন্দ করি ... আমি ভাবছি যদি আপনি তৃতীয় দফায় কিছুটা প্রসারিত করতে পারেন ... তবে কি এই পক্ষপাতিত্বের কোনও ভিত্তি আছে? আমি জানি এটি সত্য, তবে আপনি কেন এটি মনে করেন ... এটি কি কারণ এটি পি-ভ্যালু ট্রফির, এবং অন্য কিছু নয়?

— আন্তনি পরল্লদা

ধন্যবাদ, @ আন্তনিপরেল্লদা। আমি আরও কী যুক্ত করতে পারি তা নিয়ে ভাবব।

— গুং - মনিকা পুনরায়

আমি 3 পয়েন্টটি পরিষ্কার করব) বিজ্ঞানীরা কেন টাইপ আই এর ত্রুটিগুলি আরও খারাপ বলে মনে করেন। নাল হাইপোথিসিসটি সাধারণত কিছুটা "স্থিতাবস্থা" থাকে, উদাহরণস্বরূপ, এই ব্র্যান্ডের নতুন ড্রাগটির প্রভাব 0 হয় the আমরা স্থিতাবস্থা পছন্দ করি এবং অন্যথায় প্রমাণের জন্য প্রমাণের বোঝা গবেষকের উপর। সুতরাং, আমরা টাইপ আই ত্রুটিটি সীমাবদ্ধ করতে চাই, অর্থাৎ আমরা ভুলভাবে স্থিতিটি বাতিল করে দেব। আইএমও, স্থিতাবস্থায় এই সংযুক্তিটি কেবল দার্শনিক। আপনি যদি আমার মতামত পরিবর্তন করতে চান তবে আপনাকে এটি প্রমাণ করতে হবে।

— হাইজেনবার্গ

অনুশীলনে, কেউ সহজেই এমন কেসগুলির বিষয়ে চিন্তা করতে পারে যেখানে টাইপ II ত্রুটি আরও অনেক বেশি গুরুত্বপূর্ণ, অর্থাত নালটিকে প্রত্যাখ্যান করার ব্যয় বেশি। উদাহরণস্বরূপ, মানবজাতি যদি কোনও জম্বি মহামারীর মুখোমুখি হয় তবে আমি নিশ্চিত যে মনোভাবটি "কোনও ওষুধ চেষ্টা করেও যদি এটি কাজ নাও করে" তবে "আপনার ব্যবহারের আগে আপনাকে প্রমাণ করতে হবে যে এটি কাজ করে" than

— হাইজেনবার্গ

@ হাইজেনবার্গে যুক্ত করা: দ্বিতীয় ধরণের ত্রুটিগুলি সবচেয়ে বেশি বিবেচনা করে এমন ক্ষেত্রে, বিন্দু অনুমানের পরীক্ষা এবং সমতুল্য পরীক্ষার মধ্যে পরিবর্তনকে বিবেচনা করা উচিত। আপনার উদাহরণস্বরূপ, একটি প্রমাণ করতে হবে যে প্রস্তাবিত ওয়ার্সেস্টার সস অন্তত জম্বি মহামারীকে খারাপ করে না। তারপরে ত্রুটির হারগুলি তাদের ভূমিকা পরিবর্তন করে এবং সবচেয়ে গুরুত্বপূর্ণ ত্রুটি হারটি আবার ডিজাইনের মাধ্যমে স্থির করা হয়। এছাড়াও, আপনার যদি ভুল সিদ্ধান্ত সম্পর্কে কিছুটা ব্যয় নির্ধারণ করা থাকে তবে এমন একটি সিদ্ধান্তের নিয়মটি বিবেচনা করা উচিত যা ঝুঁকি হ্রাস করে এবং (প্রয়োজনীয়ভাবে) নির্দিষ্ট ধরণের I ত্রুটির হার ঠিক করে না।

— হোর্স্ট গ্রানবুশ 13

Answer 2

কারণটি হ'ল আমরা কেবল প্রকৃত প্রকারের ত্রুটি হার জানি না এবং আমরা কখনই তা করব না। এটি এমন প্যারামিটারের উপর নির্ভর করে যা আমরা সাধারণত জানি না। পরিবর্তে, যদি আমরা এই প্যারামিটারটি জানতাম, তবে আমাদের কোনও পরিসংখ্যান পরীক্ষা করার প্রয়োজন হবে না।

তবে, আমরা একটি পরীক্ষার পরিকল্পনা করতে পারি যে কোনও নির্দিষ্ট ধরণের দ্বিতীয় ত্রুটির হার পূরণ করা হয় যদি কিছু বিকল্প সত্য হয়। এইভাবে, আমরা এমন একটি নমুনা আকার বেছে নেব যা সংস্থানগুলি নষ্ট করে না: হয় কারণ পরীক্ষাটি শেষ পর্যন্ত প্রত্যাখ্যান করে না বা ইতিমধ্যে একটি ছোট আকারের নমুনার আকারটি অনুমানটিকে প্রত্যাখ্যান করার পক্ষে যথেষ্ট ছিল।