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। পিpp
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।
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।± পিp±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
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(θ|data)p(H0:θ=0|data)p(data at least as extreme|H0)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 -testt , 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 পিH1এবং 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 αpp0.05α
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 -valuesp 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।
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 পিμ=00.5μ0.50p(H0)pp 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−eplog(p)p−elog(p)1020p
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 ফ্যাক্টরগুলিp 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 510−4πlog(p)−−−−−−−−−√510
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।
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:
pp
ppppp
অ্যান্ড্রু গেলম্যানের আলোচনার কাগজ থেকে উদ্ধৃত করা:
pp
এবং স্টিফেন সেন থেকে:
P
p<0.05p
[...] NHST এর কোনও যাদু বিকল্পের সন্ধান করবেন না, এটি প্রতিস্থাপনের জন্য অন্য কিছু উদ্দেশ্যমূলক যান্ত্রিক অনুষ্ঠান। এর অস্তিত্ব নেই।