এএসএ

Question

আমরা ইতিমধ্যে পি-মান হিসাবে ট্যাগ একাধিক থ্রেড যা তাদের সম্পর্কে প্রচুর ভুল ধারণা প্রকাশ করে unders দশ মাস আগে আমাদের মনস্তাত্ত্বিক জার্নাল$p$ পি সম্পর্কে একটি থ্রেড ছিল যা "নিষিদ্ধ" মূল্যবোধ , এখন আমেরিকান স্ট্যাটিস্টিকাল অ্যাসোসিয়েশন ( ২০১ )) বলেছে যে আমাদের বিশ্লেষণের সাথে আমাদের " ভ্যালু গণনার সাথে শেষ হওয়া উচিত নয় "।$p$

আমেরিকান স্ট্যাটিস্টিকাল অ্যাসোসিয়েশন (এএসএ) বিশ্বাস করে যে মূল্যবোধের যথাযথ ব্যবহার এবং ব্যাখ্যার মূল বিষয়টির নীতির উপর নীতিমালার বিষয়ে একাধিকভাবে একমত পোষণকারী একটি প্রথাগত বিবৃতি থেকে বৈজ্ঞানিক সম্প্রদায় উপকৃত হতে পারে ।$p$

কমিটি মূল্যগুলির সম্ভাব্য বিকল্প বা পরিপূরক হিসাবে অন্যান্য পদ্ধতির তালিকা দেয়:$p$

মূল্যগুলির বিষয়ে প্রচলিত অপব্যবহার এবং ভুল ধারণাটি বিবেচনা করে কিছু পরিসংখ্যানবিদ ভ্যালুগুলিকে অন্য পদ্ধতির সাথে পরিপূরক বা এমনকি প্রতিস্থাপন করতে পছন্দ করেন । এর মধ্যে এমন পদ্ধতি রয়েছে যা পরীক্ষার মাধ্যমে অনুমানকে জোর দেয় যেমন আত্মবিশ্বাস, বিশ্বাসযোগ্যতা বা ভবিষ্যদ্বাণী অন্তর; বায়েশিয়ান পদ্ধতি; সম্ভাব্য অনুপাত বা বেইস ফ্যাক্টরের মতো প্রমাণের বিকল্প ব্যবস্থা; এবং অন্যান্য পদ্ধতির যেমন সিদ্ধান্ত-তাত্ত্বিক মডেলিং এবং মিথ্যা আবিষ্কারের হার। এই সমস্ত পদক্ষেপ এবং পদ্ধতিগুলি আরও অনুমানের উপর নির্ভর করে তবে তারা প্রভাবের (এবং এর সাথে সম্পর্কিত অনিশ্চয়তা) আকার বা হাইপোথিসিসটি সঠিক কিনা তা আরও সরাসরি সমাধান করতে পারে।$p$$p$

সুতরাং আসুন পোস্ট- মূল্যায়ন বাস্তবতা কল্পনা করা যাক । এএসএ এমন কয়েকটি পদ্ধতি তালিকাভুক্ত করে যা ভ্যালুগুলির জায়গায় ব্যবহার করা যেতে পারে তবে তারা কেন আরও ভাল? এর মধ্যে কোন গবেষক যে তাঁর সারাজীবন ভ্যালু ব্যবহার করেছেন তার রিয়েল-লাইফ রিপ্লেসমেন্ট হতে পারে ? আমি কল্পনা যে প্রশ্ন এই ধরনের হবে পোষ্ট- প্রদর্শিত -values বাস্তবতা, তাই হয়তো এর তাদের এক ধাপ এগিয়ে হতে চেষ্টা করা যাক। বাক্সের বাইরে প্রয়োগযোগ্য যুক্তিসঙ্গত বিকল্পটি কী? এই পদ্ধতির কেন আপনার প্রধান গবেষক, সম্পাদক বা পাঠকদের বোঝানো উচিত?পি পি $p$$p$$p$$p$

এই ফলো-আপ ব্লগ এন্ট্রি হিসাবে বোঝা যাচ্ছে, মানগুলি তাদের সরলতায় অপরাজেয়:$p$

নাল অনুমানের অধীনে কোনও পরিসংখ্যানের আচরণের জন্য পি-মানটির জন্য কেবল একটি পরিসংখ্যানের মডেল প্রয়োজন। এমনকি যদি একটি বিকল্প হাইপোথিসিসের কোনও মডেল একটি "ভাল" পরিসংখ্যান (যা পি-মান নির্মানের জন্য ব্যবহৃত হবে) বাছাই করার জন্য ব্যবহৃত হয়, পি-মানটি বৈধ হওয়ার জন্য এবং এই বিকল্প মডেলটি সঠিক হতে হবে না এবং দরকারী (যেমন: একটি বাস্তব প্রভাব সনাক্ত করার জন্য কিছু পাওয়ার সরবরাহ করার সময় কাঙ্ক্ষিত স্তরে নিয়ন্ত্রণ টাইপ আই ত্রুটি)। বিপরীতে, অন্যান্য (বিস্ময়কর এবং দরকারী) পরিসংখ্যানগত পদ্ধতি যেমন সম্ভাবনা অনুপাত, প্রভাবের আকার অনুমান, আত্মবিশ্বাসের বিরতি বা বায়সিয়ান পদ্ধতিগুলির জন্য কেবলমাত্র পরীক্ষিত শূন্যের অধীনে নয়, পরিস্থিতিগুলির বিস্তৃত পরিসীমা ধরে রাখতে অনুমিত মডেলগুলির প্রয়োজন need

তারা, বা সম্ভবত এটি সত্য নয় এবং আমরা সহজেই তাদের প্রতিস্থাপন করতে পারি?

আমি জানি, এটি বিস্তৃত, তবে মূল প্রশ্নটি সহজ: মূল্যগুলির পরিবর্তে রিয়েল- লাইফের বিকল্পটি সেরা (এবং কেন), যা প্রতিস্থাপন হিসাবে ব্যবহার করা যেতে পারে?$p$

---

এএসএ (২০১ 2016)। পরিসংখ্যানের তাত্পর্য এবং মূল্যসমূহের বিষয়ে এএসএ বিবৃতি । $P$ আমেরিকান পরিসংখ্যানবিদ। (প্রেসে)

Comments

একটি ক্লাসিক প্রশ্নে বাউন্ড +1! বায়েশিয়ান পদ্ধতির কারণ এটি আমাদের (কমপক্ষে বিষয়গতভাবে) আমাদের প্রায়শই আগ্রহী প্রশ্নটির উত্তর দিতে দেয়, যেমন: "প্রমাণের (তথ্য) এর আলোকে, অনুমানটি সত্য হওয়ার সম্ভাবনা কী?"

— ক্রিস্টোফ হ্যাঙ্ক

"পোস্ট- ওয়েলু রিয়েলিটি" এর সাথে একটি দুর্দান্ত ডাইস্টোপিয়ান রিং রয়েছে। $p$

— মার্ক ক্লেসেন

এএসএ বিবৃতি সহ পোস্ট করা আলোচনার কাগজগুলি পড়ার মতো কারণ তাদের মধ্যে কিছুতে পি-ভ্যালুগুলি প্রতিস্থাপন করতে পারে এমন বিষয়ে পরামর্শ রয়েছে। পরিপূরক সামগ্রী

— শেঠ

আমি এএসএ রিপোর্টের অন্য একটি অংশের ভিত্তিতে সম্পর্কিত প্রশ্ন পোস্ট করেছি, এর পি-ভ্যালুগুলির সম্ভাব্য আপত্তি সম্পর্কে তার একটি সতর্কতা: আমরা পি-হ্যাকিং সম্পর্কে কতটা জানি?

— সিলভারফিশ

আমার নিজের মন্তব্যে একটি মন্তব্য হিসাবে, একটি দুর্দান্ত থ্রেড রয়েছে যা অনুরূপ বিষয় নিয়ে আলোচনা করেছে: stats.stackexchange.com/questions/17897/…

— টিম

Answer 1

এই উত্তরটি আমি মূল্যবোধের বিকল্পগুলি কী সে সম্পর্কিত সুনির্দিষ্ট প্রশ্নে ফোকাস করব।$p$

আছে 21 আলোচনা কাগজপত্র এএসএ বক্তব্যের সঙ্গে বরাবর প্রকাশিত (প্রাসঙ্গিক সামগ্রী যেমন): নাওমি অল্টম্যান, ডগলাস অল্টম্যান, ড্যানিয়েল জে বেঞ্জামিন, Yoav Benjamini, জিম বার্জার, ডন বেরি জন এ Carlin, জর্জ মধ্যে Cobb, অ্যান্ড্রু Gelman, স্টিভ গুডম্যান দ্বারা, স্যান্ডার গ্রিনল্যান্ড, জন আওনানিডিস, জোসেফ হোরিউইজ, ভ্যালেন জনসন, মাইকেল ল্যাভিন, মাইকেল লিউ, রড লিটল, দেবোরা মায়ো, মিশেল মিলার, চার্লস পুল, কেন রোথম্যান, স্টিফেন সেন, ড্যালেন স্ট্যাংল, ফিলিপ স্টার্ক এবং স্টিভ জিলিয়াক (তাদের কেউ কেউ একসাথে লিখেছেন) ; আমি ভবিষ্যতের অনুসন্ধানের জন্য সমস্ত তালিকা তৈরি করি)। এই লোকেরা সম্ভবত মূল্য এবং পরিসংখ্যানগত অনুমান সম্পর্কে সমস্ত বিদ্যমান মতামত আবরণ ।$p$

আমি সমস্ত 21 টি কাগজপত্র দেখেছি।

দুর্ভাগ্যবশত, তাদের অধিকাংশই কোনো বাস্তব বিকল্প নিয়ে আলোচনা করবেন না, যদিও সংখ্যাগরিষ্ঠ সীমাবদ্ধতা, ভুল বোঝাবুঝি, এবং অন্যান্য বিভিন্ন সমস্যা সম্পর্কে হয় -values (একটি প্রতিরক্ষা জন্য -values, Benjamini, মায়ো, এবং Senn দেখুন)। এটি ইতিমধ্যে পরামর্শ দেয় যে বিকল্পগুলি, যদি থাকে তবে সন্ধান করা এবং / অথবা রক্ষা করা সহজ নয়।$p$$p$

সুতরাং আসুন এএসএ বিবৃতিতে (আপনার প্রশ্নে উদ্ধৃত হিসাবে) দেওয়া "অন্যান্য পদ্ধতির" তালিকার দিকে নজর দেওয়া যাক:

[অন্যান্য পদ্ধতির মধ্যে] এমন পদ্ধতির অন্তর্ভুক্ত রয়েছে যা পরীক্ষার উপরে অনুমানকে জোর দেয়, যেমন আত্মবিশ্বাস, বিশ্বাসযোগ্যতা বা ভবিষ্যদ্বাণী অন্তর; বায়েশিয়ান পদ্ধতি; সম্ভাব্য অনুপাত বা বেইস ফ্যাক্টরের মতো প্রমাণের বিকল্প ব্যবস্থা; এবং অন্যান্য পদ্ধতির যেমন সিদ্ধান্ত-তাত্ত্বিক মডেলিং এবং মিথ্যা আবিষ্কারের হার।

1. আস্থা অন্তর

   আত্মবিশ্বাসের ব্যবধানগুলি একটি ঘন ঘন उपकरण যা মূল্যগুলির সাথে একসাথে যায়; একটি আস্থা ব্যবধান প্রতিবেদন (অথবা কিছু সমতুল্য, যেমন, অর্থ গড় মান ত্রুটি) একসঙ্গে সঙ্গে -value প্রায় সবসময় একটি ভাল ধারণা।± $p$$\pm$$p$

   কিছু লোক (এএসএ বিরোধীদের মধ্যে নয়) পরামর্শ দেয় যে আত্মবিশ্বাসের ব্যবধানগুলি ভ্যালুগুলি প্রতিস্থাপন করে । এই পদ্ধতির অন্যতম স্পষ্টবাদী সমর্থক হলেন জিওফ কামিং যিনি এটিকে নতুন পরিসংখ্যান বলেছেন (একটি নাম যা আমি ভীষণ ভয় পেয়েছি)। বিস্তারিত সমালোচনার জন্য যেমন উলরিচ শিমম্যাকের এই ব্লগ পোস্টটি দেখুন: কামিংস এর একটি সমালোচনামূলক পর্যালোচনা (২০১৪) নতুন পরিসংখ্যান: পুরাতন পরিসংখ্যানকে নতুন পরিসংখ্যান হিসাবে পুনরায় বিক্রয় করা । আরও দেখুন আমরা সম্পর্কিত পয়েন্টের জন্য উরি সিমোনসোহনের ল্যাব ব্লগ পোস্টে এফেক্ট সাইজ অধ্যয়ন করতে পারি না ।$p$

   নর্ম ম্যাটলফের সমকালীন পরামর্শ সম্পর্কে এই থ্রেডটিও (এবং এর মধ্যে আমার উত্তরটিও দেখুন) যেখানে আমি যুক্তি দিই যে সিআই-র প্রতিবেদন করার সময় কেউ ভ্যালুগুলিও প্রতিবেদন করতে পছন্দ করে : একটি ভাল, দৃinc়প্রত্যয়ী উদাহরণ যা পি-মানগুলিতে রয়েছে দরকারী?$p$

   অন্য কিছু লোক (এএসএ বিরোধীদের মধ্যে নয়) তবে যুক্তি দেয় যে আত্মবিশ্বাসের ব্যবধানগুলি একটি ঘন ঘন ঘন ঘন उपकरण হিসাবে আটকানো, ভ্যালুগুলির মতোই বিপথগামী এবং এর নিষ্পত্তিও করা উচিত। দেখুন, উদাহরণস্বরূপ, মোরী এবং অন্যান্য। 2015, @ টিম লিঙ্কযুক্ত আত্মবিশ্বাসের অন্তরগুলিতে বিশ্বাস স্থাপনের মিথ্যাচার মন্তব্যগুলিতে এখানে। এটি অনেক পুরনো বিতর্ক।$p$

2. বায়েশিয়ান পদ্ধতি

   (এএসএ বিবৃতিটি কীভাবে তালিকাটিকে সূত্রবদ্ধ করে তা আমি পছন্দ করি না Cred বিশ্বাসযোগ্য অন্তর এবং বেয়েস ফ্যাক্টরগুলি "বায়েশিয়ান পদ্ধতিগুলি" থেকে আলাদাভাবে তালিকাভুক্ত করা হয় তবে এগুলি স্পষ্টতই বায়েশিয়ান সরঞ্জাম So তাই আমি এখানে তাদের একত্রে গণনা করি))

   • বায়েশিয়ান বনাম বনাম ঘন ঘন বিতর্ক নিয়ে একটি বিশাল এবং খুব মতামতযুক্ত সাহিত্য রয়েছে। দেখুন, উদাহরণস্বরূপ, কিছু চিন্তার জন্য এই সাম্প্রতিক থ্রেড: কখন (যদি কখনও হয়) ঘন ঘনবাদী দৃষ্টিভঙ্গি কোনও বায়েশিয়ার চেয়ে যথেষ্ট ভাল? যদি এক তথ্যবহুল গতকাল দেশের সর্বোচ্চ তাপমাত্রা আছে, এবং সবাই শুধুমাত্র গনা এবং রিপোর্ট খুশি হবে Bayesian বিশ্লেষণ মোট জ্ঞান করে তোলে বা পরিবর্তে এরপি ( এইচ 0 : θ = 0 | ডেটা ) পি ( ডেটা কমপক্ষে চরম হিসাবে | এইচ 0$p(\theta|\text{data})$$p(H_0:\theta=0|\text{data})$$p(\text{data at least as extreme}|H_0)$তবে আফসোস, লোকদের সাধারণত ভাল প্রিয়ার থাকে না। একজন পরীক্ষক 20 ইঁদুরকে এক অবস্থায় কিছু করার রেকর্ড করে এবং 20 ইঁদুর একই অবস্থায় অন্য শর্তে করছে; পূর্বাভাসটি হ'ল পূর্ববর্তী ইঁদুরগুলির কার্যকারিতা পরবর্তী ইঁদুরগুলির পারফরম্যান্স ছাড়িয়ে যাবে, তবে কেউই পারফরম্যান্সের পার্থক্যের তুলনায় কোনও স্পষ্টতার আগে বলতে বা ইচ্ছুক হবে না। (তবে @ ফ্র্যাঙ্কহারেলের উত্তর দেখুন যেখানে তিনি "সংশয়ী প্রিয়ারস" ব্যবহার করার পক্ষে পরামর্শ দিয়েছেন))

   • ডাই-হার্ড বায়েশিয়ানরা বেইসিয়ান পদ্ধতিগুলি ব্যবহার করার পরামর্শ দেয় যদিও কারও কাছে কোনও তথ্যবহুল প্রিয়ার না থাকে। এক সাম্প্রতিক উদাহরণ Krushke, 2012, Bayesian প্রাক্কলন supersedes -test$t$ , বিনীতভাবে সেরা রূপে সংক্ষেপিত। আগ্রহটি প্রভাবের জন্য (যেমন, গোষ্ঠীগত পার্থক্য) জন্য উত্তরকোষ গণনা করার জন্য দুর্বল অজ্ঞাতসারে প্রবীণদের সাথে একটি বয়েসিয়ান মডেল ব্যবহার করা ধারণা। ঘন ঘনবাদী যুক্তির সাথে ব্যবহারিক পার্থক্যটি সাধারণত নাবালক বলে মনে হয় এবং যতদূর আমি দেখতে পাচ্ছি এই পন্থাটি জনপ্রিয় নয়। দেখুন "অবজ্ঞাত পূর্বে" কী? আমরা কি সত্যই কোনও তথ্য সহ এমন কোনও জিনিস পেতে পারি? "অপ্রয়োজনীয়" কী তা নিয়ে আলোচনার জন্য (উত্তর: এরকম কোনও বিষয় নেই, তাই বিতর্ক)।

   • হ্যারল্ড জেফরিতে ফিরে যাওয়া একটি বিকল্প পদ্ধতি বায়েশিয়ান পরীক্ষার উপর ভিত্তি করে (বায়েশিয়ান অনুমানের বিপরীতে ) এবং বেয়েস ফ্যাক্টরগুলি ব্যবহার করে। এর আরও সুস্পষ্ট ও সুস্পষ্ট প্রচারক হলেন এরিক-জান ওয়াগেনমেকারস, যিনি সাম্প্রতিক বছরগুলিতে এই বিষয়টিতে প্রচুর প্রকাশ করেছেন । এই পদ্ধতির দুটি বৈশিষ্ট্য এখানে জোর দেওয়া মূল্যবান। প্রথমে, ওয়েটজেলস এট আল।, 2012 দেখুন, এএনওভা ডিজাইনের জন্য একটি ডিফল্ট বায়সিয়ান হাইপোথিসিস টেস্ট , এই ধরনের বায়েশিয়ান পরীক্ষার ফলাফল কীভাবে দৃ strongly়তার সাথে বিকল্প হাইপোথিসিস নির্দিষ্ট পছন্দের উপর নির্ভর করতে পারে তার উদাহরণের জন্য দেখুন$H_1$এবং প্যারামিটার বিতরণ ("পূর্বে") এটি পোস্ট করে। দ্বিতীয়ত, একবার "যুক্তিসঙ্গত" পূর্বে বাছাই করা হয় (ওয়াগেনমেকাররা জেফরিজকে তথাকথিত "ডিফল্ট" প্রিয়ার হিসাবে বিজ্ঞাপন দেয়) ফলস্বরূপ বেয়েস উপাদানগুলি প্রায়শই স্ট্যান্ডার্ড মূল্যগুলির সাথে বেশ সামঞ্জস্যপূর্ণ হয়ে দাঁড়ায়, যেমন দেখুন মার্শম্যান এবং এই প্রিন্ট থেকে এই চিত্রটি দেখুন & ওয়াজম্যানেকারস :$p$

     

     সুতরাং Wagenmakers এবং অন্যান্য যখন। জোর দিয়ে বলুন যে মূল্যগুলি গভীরভাবে ত্রুটিযুক্ত এবং বেইস ফ্যাক্টরগুলি যাওয়ার উপায়, এতে অবাক হওয়ার কিছু নেই ... ( সত্যি বলতে কী, ওয়েটজেলস এট আল ২০১১ এর মূল বিষয়টি হল যে মূল্যগুলি কেবল বেইস ফ্যাক্টরের কাছাকাছি) শূন্যতার বিরুদ্ধে খুব দুর্বল প্রমাণ নির্দেশ করুন; তবে লক্ষ্য করুন যে ঘন ঘনবাদী দৃষ্টান্তে আরও বেশি কড়া- ব্যবহার করে খুব সহজেই এর মোকাবিলা করা যেতে পারে , যা অনেক লোক যেভাবেই পরামর্শ দিচ্ছেন।) পি 0.05 $p$$p$$0.05$$\alpha$

     ওয়াগেনমেকারস এট আল-এর আরও জনপ্রিয় একটি কাগজপত্র। বায়েস বিষয়গুলির প্রতিরক্ষার ক্ষেত্রে ২০১১, মনোবিজ্ঞানীদের অবশ্যই তাদের উপাত্ত বিশ্লেষণের পদ্ধতিটি কেন পরিবর্তন করতে হবে: পিএসির ক্ষেত্রে যেখানে তিনি যুক্তি দেখিয়েছেন যে ভবিষ্যতের ভবিষ্যদ্বাণী করার জন্য কুখ্যাত বেমের কাগজটি কেবল তত্ক্ষণাত বেয়েস উপাদান ব্যবহার করলে তাদের ত্রুটিযুক্ত সিদ্ধান্তে পৌঁছানো যেত না instead এর -values। একটি বিশদ (এবং আইএমএইচও বিশ্বাসী) পাল্টা যুক্তি সম্পর্কিত এই চিন্তাশীল ব্লগ পোস্টটি দেখুন: মনোবিজ্ঞানীরা তাদের ডেটা বিশ্লেষণ করার উপায়টি কেন পরিবর্তন করবেন না: শয়তান ডিফল্ট অগ্রাধিকারে রয়েছে ।$p$

     আরও দেখুন ডিফল্ট বায়েশিয়ান টেস্টটি উরি সিমোনসোহনের লিখিত ক্ষুদ্র প্রভাবের বিরুদ্ধে ব্লগ পোস্টের বিরুদ্ধে কুসংস্কারযুক্ত ।

   • সম্পূর্ণতার জন্য, আমি যে উল্লেখ Wagenmakers 2007, এর পরিব্যাপক সমস্যার বাস্তবসম্মত সমাধান -values$p$ বায়েসের ফ্যাক্টর একটি পড়তা হিসাবে সাথে BIC ব্যবহার করতে প্রতিস্থাপন করতে সুপারিশ -values। বিআইসি পূর্বের উপর নির্ভর করে না এবং তাই এর নাম সত্ত্বেও বাস্তবে বায়েশিয়ান নয়; আমি এই প্রস্তাব সম্পর্কে কি চিন্তা করবেন তা নিশ্চিত নই। দেখে মনে হচ্ছে যে সাম্প্রতিক সময়ে ওয়াগেনমেকাররা অপ্রয়োজনীয় জেফরিজ প্রিভিয়ারদের সাথে বায়েশিয়ান পরীক্ষার পক্ষে বেশি, উপরে দেখুন।$p$

   
   বায়েসীয় অনুমানের বনাম বায়েশিয়ান পরীক্ষার আরও আলোচনার জন্য, বায়েসিয়ান প্যারামিটারের অনুমান বা বায়েসীয় অনুমানের পরীক্ষাটি দেখুন? এবং এতে লিঙ্ক।

3. ন্যূনতম বেইস ফ্যাক্টর

   এএসএ বিরোধীদের মধ্যে, এটি স্পষ্টভাবে পরামর্শ দিয়েছেন বেঞ্জামিন অ্যান্ড বার্গার এবং ভ্যালেন জনসন (কেবলমাত্র দুটি পেপার যা কংক্রিটের বিকল্পের পরামর্শ দেওয়ার জন্য রয়েছে)। তাদের সুনির্দিষ্ট পরামর্শগুলি কিছুটা পৃথক হলেও এগুলি আত্মার সাথে একই।

   • বার্জারের ধারণাগুলি বার্গার এবং সেল্কে 1987 এ ফিরে যায় এবং বার্গার, সেল্কে এবং সহযোগীদের অনেকগুলি কাগজপত্র রয়েছে যা এই কাজটি বিশদভাবে বর্ণনা করার আগে পর্যন্ত রয়েছে। ধারণা করে একটি গজাল ও স্লাব অধীন পূর্বে যেখানে বিন্দু নাল হাইপোথিসিস পায় সম্ভাব্যতা এবং সমস্ত অন্যান্য মান পেতে সম্ভাব্যতা চারপাশে ছড়িয়ে নিয়মনিষ্ঠভাবে ( "স্থানীয় বিকল্প"), তারপর সংক্ষিপ্ত অবর সমস্ত স্থানীয় বিকল্পের উপর, যেমন সর্বনিম্ন বেয়েস ফ্যাক্টর , ভ্যালু থেকে অনেক বেশি । এটিই (অনেক প্রতিদ্বন্দ্বিতাপূর্ণ) দাবির ভিত্তি0.5 μ 0.5 0 পি ( এইচ 0 ) পি পি পি - ই পি লগ ( পি ) পি - ই লগ ( পি ) 10 20 $\mu=0$$0.5$$\mu$$0.5$$0$$p(H_0)$$p$$p$ মূল্যবোধগুলি শূন্যতার বিরুদ্ধে "প্রমাণকে বড় করে দেখায়"। প্রস্তাবটি হল ভ্যালুয়ের পরিবর্তে নলের পক্ষে বেয়েস ফ্যাক্টরের উপর একটি নিচু আবদ্ধ ব্যবহার করা ; কিছু বিস্তৃত অনুমানের অধীনে এই নিম্ন দ্বারা প্রদত্ত হয় , অর্থাত্, মানটি কার্যকরভাবে দ্বারা গুণিত হয় যা সাধারণের জন্য প্রায় থেকে একটি কারণ মূল্যগুলির পরিসীমা । এই পদ্ধতির স্টিভেন গুডম্যানও সমর্থন করেছেন।$p$$-ep\log(p)$$p$$-e\log(p)$$10$$20$$p$

     পরে আপডেট: একটি সহজ কার্টুন দেখুন এই ধারণাগুলি সহজ উপায়ে ব্যাখ্যা করে।

     এমনকি পরে আপডেট করুন: ভ্যালুগুলি ন্যূনতম বেয়েস কারণগুলিতে রূপান্তর করার একটি বিস্তৃত পর্যালোচনা এবং আরও বিশ্লেষণের জন্য হোল্ড অ্যান্ড ওট , 2018, অন- ভ্যালিউস এবং বেইস ফ্যাক্টরগুলি$p$ দেখুন See সেখান থেকে একটি টেবিল এখানে:$p$

     

   • ভ্যালেন জনসন তার পিএনএএস ২০১৩ পত্রিকায় অনুরূপ কিছু প্রস্তাব করেছিলেন ; তাঁর পরামর্শটি প্রায় থেকে কাছাকাছি- দ্বারা ভ্যালুগুলিকে গুণতে উত্সাহিত করে ।$p$ 5$\sqrt{-4\pi\log(p)}$$5$$10$

   
   জনসনের কাগজের সংক্ষিপ্ত সমালোচনার জন্য, পিএনএএস-এ অ্যান্ড্রু গেলম্যান এবং @ শি'র জবাব দেখুন । বার্গার ও সেল্কে 1987 এর পাল্টা যুক্তির জন্য, ক্যাসেলা এবং বার্জার 1987 (বিভিন্ন বার্গার!) দেখুন। এপিএ আলোচনা সংক্রান্ত গবেষণাপত্রগুলির মধ্যে, স্টিফেন সেন এই যে কোনও পদ্ধতির বিরুদ্ধে স্পষ্টত যুক্তি দেখিয়েছেন:

   ত্রুটির সম্ভাবনাগুলি উত্তরোত্তর সম্ভাবনা নয়। অবশ্যই, মূল্যবোধগুলির তুলনায় পরিসংখ্যানগত বিশ্লেষণের আরও অনেক কিছুই আছে তবে দ্বিতীয় শ্রেণির বায়সীয় উত্তরোত্তর সম্ভাবনা হওয়ার জন্য কোনওভাবে বিকৃত হওয়ার পরিবর্তে সেগুলি একা রেখে দেওয়া উচিত।$P$

   মেনোর ব্লগে প্রবন্ধ সহ সেনের কাগজে রেফারেন্সও দেখুন।

4. এএসএ বিবৃতিতে "সিদ্ধান্ত-তাত্ত্বিক মডেলিং এবং ভুয়া আবিষ্কারের হার" কে অন্য বিকল্প হিসাবে তালিকাভুক্ত করা হয়েছে। তারা কী সম্পর্কে কথা বলছে তা সম্পর্কে আমার কোনও ধারণা নেই এবং আমি স্টার্কের আলোচিত গবেষণাপত্রে এটি বর্ণিত দেখে খুশি হয়েছিলাম:

   $p$$p$

---

$p$$p$$p$$p$$p$

অ্যান্ড্রু গেলম্যানের আলোচনার কাগজ থেকে উদ্ধৃত করা:

$p$$p$

এবং স্টিফেন সেন থেকে:

$P$

$p<0.05$$p$

[...] NHST এর কোনও যাদু বিকল্পের সন্ধান করবেন না, এটি প্রতিস্থাপনের জন্য অন্য কিছু উদ্দেশ্যমূলক যান্ত্রিক অনুষ্ঠান। এর অস্তিত্ব নেই।

Comments

@ আমেবা ধন্যবাদ, এটি একটি দুর্দান্ত সংক্ষিপ্তসার! আমি আপনার সংশয়বাদের সাথে একমত - এই থ্রেডটি আংশিকভাবে উত্থাপিত হয়েছিল কারণ আমি এটি ভাগ করেছি। এই মুহুর্তে আমি থ্রেডটি উন্মুক্ত রেখেছি - কোনও গ্রহণযোগ্য উত্তর নেই - কারণ সম্ভবত কেউ দৃinc়প্রত্যয়ী উদাহরণ এবং যুক্তি সরবরাহ করতে সক্ষম হবে যে কিছু সত্য, ভাল বিকল্প বিদ্যমান।

— টিম

ওয়াগেনমেকারস এবং বিআইসি সম্পর্কিত @ আমোবা সমালোচনাগুলির সাথে এটির তুলনা করা ভাল, উদাহরণস্বরূপ জেলম্যান লিখেছেন

— টিম

এটি একটি সত্যই চিত্তাকর্ষক উত্তর যা সিভিতে শীর্ষস্থানীয় ভোট দেওয়া উত্তরের মধ্যে থাকা দাবি করে। টিমের কিছু পরে আমি আরও একটি অনুগ্রহ যুক্ত করতে পারি।

— গাং

ধন্যবাদ, @ গুং, আমি এটি শুনে খুশি, এর অর্থ অনেকটা আপনার কাছ থেকে এসেছে coming যদিও আমার বলা উচিত যে আমি কেবলমাত্র বেয়েশিয়ান পরীক্ষার সাথে অতিমাত্রায় পরিচিত এবং এটির সাথে শূন্যের অভিজ্ঞতা রয়েছে experience সুতরাং এই উত্তরটি আমি যা পড়ছি তার সংক্ষিপ্তসার সরবরাহ করে তবে এটি কোনও বিশেষজ্ঞের মতামত নয়।

— অ্যামিবা

না, বেয়েসকে ভালভাবে কাজ করার জন্য আপনার আগে কোনও তথ্যবহুল দরকার নেই। স্পিগেলহাল্টার যেমনটি ভাল দেখিয়েছে, সন্দিহান প্রিরিয়ারগুলির একটি প্রধান ভূমিকা রয়েছে এবং এটি ব্যবহার করা সহজ। বেয়েশিয়ার উত্তরীয় সম্ভাবনার বড় সুবিধা রয়েছে।

— ফ্রাঙ্ক হ্যারেল

Answer 2

এখানে আমার দুটি সেন্ট।

আমি মনে করি যে এক পর্যায়ে অনেক প্রয়োগ বিজ্ঞানী নিম্নলিখিত "উপপাদ্য" বলেছেন:

$p\text{-value}<0.05\Leftrightarrow \text{my hypothesis is true}.$

এবং বেশিরভাগ খারাপ অভ্যাসগুলি এখান থেকে আসে।

$p$

আমি মানুষের সাথে পরিসংখ্যান ব্যবহার করে সত্যই তা না বুঝে কাজ করতাম এবং আমি দেখি এমন কিছু জিনিস এখানে:

1. $p<0.05$

2. $p<0.05$

3. $0.05$

প্রত্যাখ্যানের দৃ strong় সংবেদন না করে যা কিছু সুপরিচিত, সৎ বিজ্ঞানীরা করেছেন। কেন? আইএমএইচও, থিওরেম 1 এর কারণে।

$p$$0.05$$p$$<0.05$$p$$<0.05$

$p$

$p$

$p$$>0.05$

4. $H_0: \mu_1 \ne \mu_2$$p$$H_0$$p=0.2$

$p$$p(\mu_1>\mu_2|x)$$p(\mu_1<\mu_2|x)$$\mu_1>\mu_2$$\mu_2>\mu_1$

অন্য একটি সম্পর্কিত কেস যখন বিশেষজ্ঞরা চান:

5. $\mu_1>\mu_2>\mu_3$$\mu_1=\mu_2=\mu_3$$\mu_1>\mu_2>\mu_3$

এই ক্ষেত্রে সমাধানের একমাত্র সমাধান বিকল্প অনুমানের উল্লেখ করা।

সুতরাং আস্থা বা বিশ্বাসযোগ্য অন্তরগুলির সাথে পরের মতভেদ, বেইস ফ্যাক্টর বা সম্ভাবনা অনুপাত ব্যবহার করে মূল জড়িত সমস্যাগুলি হ্রাস করতে পারে বলে মনে হচ্ছে।

$p$

$p$$p$

আমার দুটি সেন্ট উপসংহার

$p$

Comments

আপনি নিজের উদাহরণটি আরও স্পষ্ট হতে সম্পাদন করতে পারেন যেহেতু আপাতত আপনি কী গণনা করছেন, ডেটাটি কী ছিল এবং নম্বরগুলি কোথা থেকে এসেছে?

— টিম

@Tim। ফিডবাকের জন্য চেষ্টা করুন। আপনি কোন উদাহরণটি উল্লেখ করছেন?

— peuhp

: "10 এবং 10 ডাটা, কম্পিউট P-মান নিতে পি খুঁজুন = 0.2 .... একটি হাইপোথিসিস তুলনা (ঠিক কারণ আমরা তথ্য আছে) চেষ্টা করুন।"

— টিম

আমি এও ভাবি না যে আপনার অনুমানটিকে "জানা" সত্য, এমনকি যদি ডেটা অন্যথায় অগত্যা কোনও খারাপ জিনিস বলে মনে হয় তবেই এটি সত্য। গ্রেগর মেন্ডেল যখন তাঁর পরীক্ষাগুলিতে কোনও ভুল ছিল তখন স্পষ্টতই এটি অনুভূত হয়েছিল, কারণ তাঁর দৃ such় ধারণা ছিল যে তার তত্ত্বগুলি সঠিক ছিল।

— dsaxton

@dsaxton সম্পূর্ণরূপে আপনার সাথে একমত। হতে পারে এটি এতটা পরিষ্কার নয় তবে এটি আমার প্রথম বিষয়টিকে বোঝানোর চেষ্টা করছি: পি-মানটি বৈজ্ঞানিক আবেগের চূড়ান্ত কী নয় (যখন এটি একটি নির্দিষ্ট দর্শকের জন্য উপস্থিত হয়)। এটি নির্দিষ্ট শর্তে নির্দিষ্ট পরিমাণে ডেটা দ্বারা প্রমাণের পরিসংখ্যান পরিমাপ। এবং এমন একটি ক্ষেত্রে যেখানে আপনার হাইপিকে সত্য বলে মনে করার জন্য অনেকগুলি বাহ্যিক কারণ রয়েছে কিন্তু যখন ডেটা "ভাল" পি মান সরবরাহ করে তখন আপনি যথাযথভাবে উল্লেখ করার সাথে সাথে অন্যান্য জিনিসগুলিও আলোচনা করা যেতে পারে। আমি আমার আনসার এটিকে আরও পরিষ্কার করার চেষ্টা করব।

— peuhp

Answer 3

$P$

1. বায়েশিয়ান পদ্ধতির চেয়ে ঘন ঘন পদ্ধতিতে আরও সফ্টওয়্যার উপলব্ধ।
2. বর্তমানে কিছু বায়েশিয়ান বিশ্লেষণ চালাতে দীর্ঘ সময় নেয়।
3. বায়েশিয়ান পদ্ধতিগুলির জন্য আরও চিন্তাভাবনা এবং আরও বেশি সময় বিনিয়োগ প্রয়োজন। আমি ভাবনার অংশটি মনে করি না তবে সময় প্রায়শই স্বল্প হয় তাই আমরা শর্টকাট নিই।
4. বুটস্ট্র্যাপ একটি অত্যন্ত নমনীয় এবং দরকারী দৈনন্দিন কৌশল যা বেয়েশিয়ার চেয়ে ঘন ঘনবাদী বিশ্বের সাথে বেশি সংযুক্ত।

$P$$P$ একটিকে স্বতন্ত্র বহু গুণ সমন্বয় করতে হয়, এমনকি এমন ডেটার চেহারাগুলির জন্য সামঞ্জস্য করা যা সম্ভবত প্রভাব ফেলেছিল তবে বাস্তবে হয়নি।

$P$

গাউসীয় রৈখিক মডেল এবং তাত্পর্যপূর্ণ বিতরণ ব্যতীত আমরা ঘন ঘনবাদী অনুমান সহ প্রায় যা কিছু করি তা আনুমানিক (একটি ভাল উদাহরণ হ'ল বাইনারি লজিস্টিক মডেল যা সমস্যা সৃষ্টি করে কারণ এর লগ হওয়ার সম্ভাবনা ফাংশনটি খুব অবিশ্বাস্য)। বায়েশিয়ান অনুমানের সাথে সিমুলেশন ত্রুটির মধ্যে সবকিছু হুবহু সঠিক (এবং আপনি উত্তরোত্তর সম্ভাবনা / বিশ্বাসযোগ্য ব্যবধানগুলি পেতে সর্বদা আরও সিমুলেশন করতে পারেন)।

আমি http://www.fharrell.com/2017/02/my-journey-from-frequentist-to-bayesian.html এ আমার চিন্তাভাবনা এবং বিবর্তনের আরও বিশদ অ্যাকাউন্টিং লিখেছি

Comments

$p$

$p$

$t$

ফ্র্যাঙ্ক, ধন্যবাদ। আমি বায়েশিয়ান টেস্টিংয়ের সাথে খুব বেশি পরিচিত নই (এবং এর আগে বাক্স এবং টিওয়ের কথাও শুনিনি) তবে আমার সাধারণ ধারণাটি হল যে বয়েসী ফ্যাক্টর যে কেউ বেইসিয়ান পরীক্ষা থেকে বেরিয়ে আসে তা পূর্বের একটি অননুমোদিততার নির্দিষ্ট পছন্দের উপর যথেষ্ট দৃ depend়তার সাথে নির্ভর করতে পারে প্রবেশ করে these এবং এই পছন্দগুলি অনুপ্রাণিত করা কঠিন হতে পারে। আমার ধারণা, বিশ্বাসযোগ্য ব্যবধানগুলি একই রকম হয় - তারা দৃ an়ভাবে একটি অননুমোদিত পূর্ববর্তী নির্বাচনের উপর নির্ভর করবে। এটা কি সত্য নয়? যদি এটি হয়, তবে এটির সাথে কীভাবে ডিল করা উচিত?

— অ্যামিবা

হ্যাঁ যদিও আমি বেয়েস ফ্যাক্টর ব্যবহার করি না। ঘনঘনবাদী পদ্ধতির একটি পূর্বনির্ধারণও বেছে নেওয়া হয় - যা বিষয় সম্পর্কে অন্যান্য সমস্ত জ্ঞান উপেক্ষা করে। আমি স্পিগেলহাল্টারের সন্দেহজনক পূর্বের পদ্ধতির পছন্দ করি। একটি আদর্শ বিশ্বে আপনি আপনার সংশয়ীদের পূর্বের সরবরাহ করতে দেবেন।

— ফ্রাঙ্ক হ্যারেল

Answer 4

ওয়ার্টনের একজন উজ্জ্বল পূর্বাভাসক স্কট আর্মস্ট্রং প্রায় 10 বছর আগে তার সহ-প্রতিষ্ঠিত একটি জার্নালটির পূর্বাভাস দেওয়ার আন্তর্জাতিক জার্নালে পূর্বাভাসে সিগনিগ্যান্স টেস্টস ক্ষতিকারক অগ্রগতি শীর্ষক একটি নিবন্ধ প্রকাশ করেছিলেন। যদিও এটি পূর্বাভাসের মধ্যে রয়েছে, কোনও তথ্য বিশ্লেষণ বা সিদ্ধান্ত গ্রহণে এটি সাধারণীকরণ হতে পারে। নিবন্ধে তিনি বলেছেন যে:

"পরিসংখ্যানগত তাৎপর্যের পরীক্ষাগুলি বৈজ্ঞানিক অগ্রগতির ক্ষতি করে। এই উপসংহারের ব্যতিক্রমগুলি অনুসন্ধানের প্রচেষ্টা আজ অবধি কার্যকর হয় নি।"

তাত্পর্য এবং পি মানগুলির তাত্পর্যপূর্ণ দৃষ্টিভঙ্গিতে আগ্রহী যে কোনও ব্যক্তির জন্য এটি একটি দুর্দান্ত পাঠ।

আমার এই নিবন্ধটি পছন্দ করার কারণ হ'ল আর্মস্ট্রং তাত্পর্যপূর্ণ পরীক্ষার বিকল্প সরবরাহ করে যা সংহত এবং এটি বিশেষ করে আমার মতো অ-পরিসংখ্যানবিদদের পক্ষে সহজেই বোঝা যায়। প্রশ্নটিতে উদ্ধৃত এএসএ নিবন্ধের চেয়ে এটি আমার মতে আরও ভাল:

এগুলির সমস্তই আমি আলিঙ্গন করে চলেছি এবং যখন থেকে আমি এলোমেলো পরীক্ষামূলক পড়াশুনা বা আধিক্য পরীক্ষাগুলি ব্যতীত তাত্পর্য পরীক্ষা বা পি মানগুলি দেখা বন্ধ করে দিয়েছি। আমার অবশ্যই যুক্তিযুক্ত পরীক্ষাগুলি ফার্মাসিউটিক্যাল শিল্প / জীবন বিজ্ঞান এবং ইঞ্জিনিয়ারিংয়ের কিছু ক্ষেত্রে ব্যতীত অনুশীলনে খুব বিরল যুক্ত করতে হবে।

Comments

আপনার অর্থ কী "ফার্মাসিউটিক্যাল শিল্প এবং ইঞ্জিনিয়ারিংয়ের কিছু ক্ষেত্রে বাদে এলোমেলোভাবে পরীক্ষাগুলি অনুশীলনে খুব কম দেখা যায়"? জীববিজ্ঞান এবং মনোবিজ্ঞানের যথেচ্ছ পরীক্ষাগুলি সর্বত্র ।

— অ্যামিবা

জীবন বিজ্ঞান অন্তর্ভুক্ত করার জন্য আমি এটি সম্পাদনা করেছি।

— পূর্বাভাসকারী

ঠিক আছে, কিন্তু এই র্যান্ড বলছে। মেপুঃ। চিকিত্সা এবং জীবন বিজ্ঞান এবং মনোবিজ্ঞান ব্যতীত "খুব বিরল" মূলত বলা হচ্ছে যে তারা "খুব সাধারণ"। সুতরাং আমি আপনার বক্তব্য সম্পর্কে নিশ্চিত নই।

— অ্যামিবা

Answer 5

$p$

$p$। আমি এখনও মনে করি এটি একটি পর্যাপ্ত পদ্ধতি, যা এই বিষয়বস্তু বিশেষজ্ঞদের হাতে অনুসন্ধানগুলির বৈজ্ঞানিক প্রয়োগের প্রশ্নটি ফেলে দেয়। এখন, আমরা আধুনিক অ্যাপ্লিকেশনগুলিতে যে ত্রুটিটি খুঁজে পাই তা কোনওভাবেই বিজ্ঞান হিসাবে পরিসংখ্যানের দোষ নয়। এছাড়াও খেলায় মাছ ধরা, এক্সট্রাপোলেশন এবং অত্যুক্তি হয়। প্রকৃতপক্ষে, যদি (বলুন) একজন হৃদরোগ বিশেষজ্ঞকে মিথ্যা দাবি করা উচিত এবং দাবি করা উচিত যে কোনও ওষুধ যা গড় রক্তচাপকে 0.1 মিমিএইচজি হ্রাস করে, এটি "চিকিত্সকভাবে গুরুত্বপূর্ণ" কোনও পরিসংখ্যানই কখনও আমাদের এই ধরণের অসততা থেকে রক্ষা করতে পারে না।

আমাদের তাত্ত্বিক পরিসংখ্যানগত অনুক্রমের সিদ্ধান্তের শেষ দরকার। আমাদের অনুমানের বাইরে চিন্তা করার চেষ্টা করা উচিত। ক্লিনিকাল ইউটিলিটি এবং হাইপোথিসিস চালিত তদন্তের মধ্যে ক্রমবর্ধমান ব্যবধান বৈজ্ঞানিক অখণ্ডতার সাথে আপোষ করে। "উল্লেখযোগ্য" অধ্যয়ন অত্যন্ত পরামর্শদায়ক তবে খুব কমই কোনও ক্লিনিক্যালি অর্থপূর্ণ সন্ধানের প্রতিশ্রুতি দিয়েছে।

এটি অনুমান করা হয় যদি আমরা অনুমান দ্বারা চালিত অনুমানের বৈশিষ্ট্যগুলি পর্যালোচনা করি:

• বর্ণিত নাল অনুমানটি সংবিধানযুক্ত, বর্তমান জ্ঞানের সাথে একমত নয় এবং যুক্তি বা প্রত্যাশাকে অস্বীকার করে।
• অনুমানগুলি লেখককে যে বিন্দুতে চেষ্টা করার চেষ্টা করছেন সেই বিন্দুটির সাথে স্পর্শকাতর হতে পারে। পরিসংখ্যানগুলি নিবন্ধগুলিতে আগত আলোচনার সাথে খুব কমই সামঞ্জস্য করে, লেখকরা দাবী করেন যে উদাহরণস্বরূপ, তাদের পর্যবেক্ষণমূলক গবেষণায় জননীতি ও প্রচারের ক্ষেত্রে প্রভাব রয়েছে।
• অনুমানগুলি এই অর্থে অসম্পূর্ণ হতে থাকে যে তারা সুদের জনসংখ্যাকে যথাযথভাবে সংজ্ঞায়িত করে না এবং অত্যধিক জেনারালাইজেশনের দিকে পরিচালিত করে

আমার কাছে, বিকল্পটি একটি মেটা-অ্যানালিটিক পদ্ধতি রয়েছে, কমপক্ষে একটি গুণগত। সমস্ত ফলাফলগুলি খুব সতর্কতার সাথে বর্ণিত অন্যান্য "অনুরূপ" অনুসন্ধান এবং পার্থক্যের বিরুদ্ধে কঠোরভাবে পরীক্ষা করা উচিত, বিশেষত অন্তর্ভুক্তি / বর্জনীয় মানদণ্ড, এক্সপোজার / ফলাফলের জন্য ব্যবহৃত ইউনিট বা স্কেল, পাশাপাশি প্রভাব আকার এবং অনিশ্চয়তার অন্তরগুলি (যা সর্বোত্তমভাবে 95% সিআই সহ সংক্ষিপ্ত করা হয়) )।

আমাদের স্বতন্ত্র নিশ্চিতকরণমূলক ট্রায়ালও করা দরকার। অনেকগুলি একটি আপাতদৃষ্টিতে তাৎপর্যপূর্ণ বিচারের দ্বারা চালিত হয় তবে প্রতিলিপি ছাড়াই আমরা বিশ্বাস করতে পারি না যে গবেষণাটি নৈতিকভাবে হয়েছিল done অনেকে প্রমাণের মিথ্যাচারের বাইরে বৈজ্ঞানিক কেরিয়ার তৈরি করেছেন।

Comments

"ফিশারের মূল পরামর্শ ছিল বিজ্ঞানীদের পি-ভ্যালুকে অধ্যয়নের শক্তির সাথে গুণগতভাবে তুলনা করতে হবে এবং সেখানে সিদ্ধান্তগুলি আঁকতে হবে।" আমি এই বিষয়টিকে ভালবাসি --- ফিশার যেখানে বলেছিলেন সেখানে কি আপনার একটি উল্লেখ আছে? বিজ্ঞানীরা যদি পি <0.05 এর একটি সাধারণ দ্বৈতত্ত্ব থেকে কেবলমাত্র কিছুটা কম-সরল দ্বৈতত্ত্বের দিকে চলে যান তবে এটি একটি বিশাল পদক্ষেপ হবে: "পি <0.05 এবং শক্তি উচ্চতর হলে আমাদের কাছে যুক্তিযুক্ত দৃ strong় প্রমাণ রয়েছে। যদি পি> 0.05 বা শক্তি কম ছিল, আমরা আরও ডেটা না পাওয়া পর্যন্ত আমরা এই হাইপোথিসিস সম্পর্কে রায় রোধ করব। "

— সিভিলস্ট্যাট

Answer 6

$p$$p$$p$

চিকিত্সা সাহিত্যের দুটি উল্লেখ হ'ল (1) ল্যাংম্যানের দ্বারা, এমজেএস শিরোনামের দিকে অনুমান এবং আত্মবিশ্বাসের অন্তরগুলির দিকে এবং গার্ডনার এমজে এবং আল্টম্যান, ডিজি entitled পি} মানের পরিবর্তে আত্মবিশ্বাসের অন্তর অন্তর্ভুক্ত: অনুমানের পরিবর্তে অনুমান

Comments

প্রকৃতপক্ষে, সিআই এর প্রভাব আকার এবং যথার্থতা দেখায় না , উদাহরণস্বরূপ দেখুন মোরি এট আল (২০১৫) "আত্মবিশ্বাসের বিরতিতে আস্থা রাখার মিথ্যাচার

— টিম

@ টিম, সুন্দর কাগজ, আমি এটি আগে দেখিনি; আমি সাবমেরিন উদাহরণ পছন্দ। লিঙ্কের জন্য ধন্যবাদ। তবে একজনকে বলা উচিত যে এটি সত্য বায়েশীয় পক্ষের লোকেরা লিখেছেন: "বে-বায়সীয় অন্তরগুলির অবাঞ্ছিত, এমনকি উদ্ভট বৈশিষ্ট্য রয়েছে যা কোনও যুক্তিসঙ্গত বিশ্লেষককে এগুলি আবিষ্কারের উপায় হিসাবে প্রত্যাখ্যান করে"। কোন যুক্তিসঙ্গত বিশ্লেষক! চিত্তাকর্ষক arদ্ধত্য।

— অ্যামিবা

@ অ্যামিবা একমত, আমি কেবল পাল্টা উদাহরণ দিচ্ছি, যেহেতু আমার পক্ষে, এটি এতটা সুস্পষ্ট নয় যে বিকল্পগুলি এতটা সুস্পষ্ট এবং সরাসরি যেটি প্রথম দর্শনে প্রদর্শিত হতে পারে।

— টিম

আকর্ষণীয় হলেও আমি ডুবোজাহাজের উদাহরণটি খুঁজে পেলাম না compe কোনও চিন্তাভাবনা পরিসংখ্যানবিদ উদাহরণটিতে যেমনটি দেখায় সেভাবে কারণ দেখাবে না। আপনি চিন্তাভাবনা বন্ধ করবেন না এবং অন্য পরিস্থিতিতে কার্যকর কারণেই কোনও পরিস্থিতিতে অন্ধভাবে কোনও পদ্ধতি প্রয়োগ করেন না।

— dsaxton

@ অ্যামিবা: সেই বিশেষ উক্তিটিতে, "বে-বায়েশিয়ান অন্তরগুলি" বিশেষত সেই উদাহরণটিতে আলোচিত অন্তরগুলিকে বোঝায়, সমস্ত অন্তর-বেয়েসিয়ান যুক্তি দ্বারা ন্যায়সঙ্গত নয়। এখানে আরো কনটেক্সট জন্য দেখুন: stats.stackexchange.com/questions/204530/...

— richarddmorey

Answer 7

আমার পছন্দটি হ'ল পি মানগুলি ব্যবহার করা চালিয়ে যাওয়া, তবে কেবল আত্মবিশ্বাস / বিশ্বাসযোগ্য অন্তরগুলি যুক্ত করা এবং সম্ভবত প্রাথমিক ফলাফলগুলির পূর্বাভাস অন্তরগুলির জন্য। ডগলাস আল্টম্যানের একটি খুব সুন্দর বই রয়েছে (স্ট্যাটিস্টিক্স উইথ কনফিডেন্স, উইলি), এবং বুস্ট্র্যাপ এবং এমসিসিসি পদ্ধতির জন্য ধন্যবাদ, আপনি সর্বদা যুক্তিসঙ্গত দৃust়তম ব্যবধান তৈরি করতে পারেন।

Comments

আমি মনে করি আপনি সত্যিকারের মূল প্রশ্নের উত্তর দিচ্ছেন না যা "তারা আরও ভাল কেন?" / "এই পদ্ধতির আপনার প্রধান গবেষক, সম্পাদক বা পাঠকদের কেন বোঝানো উচিত?"। আপনি কি আপনার পছন্দ বিকাশ করতে পারেন?

— peuhp

1. এটি কেবল বর্তমান অনুশীলনকে সক্ষম করে। ২. সিআইয়ের সাথে যেভাবেই "ব্যাকডোর তাত্পর্য পরীক্ষা" করার প্রবণতা রয়েছে, ৩. গুরুত্বপূর্ন পরীক্ষার (পি-ভ্যালু বা সিআই সহ) কম প্রজননযোগ্যতার দিকে পরিচালিত করে (টিম ল্যাশের নিবন্ধগুলি দেখুন)। ৪) গবেষকরা ক্লিনিক্যালি উল্লেখযোগ্য সীমানা বা প্রভাবের প্রান্তিকাকে নির্দিষ্ট করে দেওয়া বিরক্ত করতে পারবেন না।

— অ্যাডামো

Answer 8

$p$

• একটি আরও পরিশীলিত মডেল বিকাশ করুন যা লক্ষ্য জনগোষ্ঠীতে ফলাফলের অনুকরণে সক্ষম
• লক্ষ্যযুক্ত জনগোষ্ঠীর বৈশিষ্ট্যগুলি চিহ্নিত এবং পরিমাপ করুন যার মধ্যে প্রস্তাবিত সিদ্ধান্ত, চিকিত্সা বা নীতি প্রয়োগ করা যেতে পারে
• অনুকরণের মাধ্যমে লক্ষ্যমাত্রার কাঁচা ইউনিটে যেমন জীবন বছর, গুণগত মান সমন্বিত জীবন বছর, ডলার, ফসলের আউটপুট ইত্যাদির প্রত্যাশিত ক্ষতি অনুমান করা এবং সেই অনুমানের অনিশ্চয়তা মূল্যায়ন করা।

এটি সর্বোপরি সাধারণ অনুমানের তাত্পর্য পরীক্ষার অবতারণা করে না, তবে এটি সূচিত করে যে পরিসংখ্যানগতভাবে উল্লেখযোগ্য অনুসন্ধানগুলি খুব তাড়াতাড়ি, প্রকৃত আবিষ্কারের পথে মধ্যস্থতাকারী পদক্ষেপ এবং আমাদের গবেষকরা তাদের অনুসন্ধানগুলির সাথে আরও অনেক কিছু করার প্রত্যাশা করবেন।