ভোর হওয়ার পর থেকে কেন সমস্ত পরীক্ষায় একাধিক অনুমান সংশোধন প্রয়োগ করা হয় না?

আমরা জানি যে মিথ্যা আবিষ্কারের হারকে নিয়ন্ত্রণ করার জন্য আমাদের একক উপাত্তের উপর ভিত্তি করে পরীক্ষার জন্য একাধিক অনুমানের পরীক্ষার জন্য বেনজামিনী হচবার্গের মতো সংশোধন প্রয়োগ করতে হবে, অন্যথায় যে সমস্ত পরীক্ষাগুলি ইতিবাচক ফলাফল দেয় তা মিথ্যা হতে পারে।

তবে আমরা কোথাও ডেটা কোথা থেকে আসে তা বিবেচনা না করে কেন সময় শুরু থেকেই সমস্ত পরীক্ষায় এই একই নীতি প্রয়োগ করি না?

সর্বোপরি, প্রকাশিত বৈজ্ঞানিক ফলাফলগুলির অর্ধেকেরও বেশি যা "উল্লেখযোগ্য" বলে মনে করা হয় এখন এটি মিথ্যা এবং অপ্রতিরোধ্যযোগ্য হিসাবে পরিচিত, এবং এটি ঠিক 100% হতে পারে না এমন কোনও কারণ নেই। বিজ্ঞানীরা যেহেতু কেবল ইতিবাচক ফলাফল প্রকাশের দিকে ঝুঁকছেন, তাই নেতিবাচক ফলাফলের সংখ্যা সম্পর্কে আমাদের কোনও ধারণা নেই, তাই আমরা যা প্রকাশ করি তা যদি কখনও মিথ্যা ধনাত্মক হয় - ইতিবাচক ফলাফল যা নাল অনুমানের অধীনে খাঁটি এলোমেলো সুযোগের দ্বারা উদ্ভূত হয়েছিল তবে আমাদের কোনও ধারণা নেই। এদিকে, এখানে বলার অপেক্ষা রাখে না যে একাধিক অনুমানের পরীক্ষার সংশোধনের পিছনে গণিতগুলি কেবল একই ডেটা সেট থেকে প্রাপ্ত ফলাফলগুলিতে প্রয়োগ করা উচিত এবং সময়ের সাথে সাথে প্রাপ্ত সমস্ত পরীক্ষামূলক ডেটা থেকে প্রাপ্ত ফলাফলের ক্ষেত্রে নয়।

দেখে মনে হচ্ছে পুরো বিজ্ঞানটি মিথ্যা বা দুর্বল অনুমানের ভিত্তিতে একটি বড় মাছ ধরার অভিযাত্রায় পরিণত হয়েছে, তবে আমরা কীভাবে এটির জন্য নিয়ন্ত্রণ করতে পারি?

আজ অবধি সম্পাদিত সমস্ত পরীক্ষায় একাধিক অনুমানের পরীক্ষার জন্য কোনও সংশোধন প্রয়োগ না করে আমরা যদি প্রকাশিত সমস্ত স্বতন্ত্র ফলাফল গ্রহণ করি তবে আমরা কীভাবে ভুল আবিষ্কারের হারকে নিয়ন্ত্রণ করতে পারি?

এ জাতীয় কিছু সংশোধন না করে মিথ্যা আবিষ্কারের হারকে নিয়ন্ত্রণ করা কি সম্ভব ?

— কেলভিন
সূত্র

আপনার নিজস্ব প্রশ্ন মেটা.স্ট্যাটস.স্ট্যাকেক্সেঞ্জার.কম / সেকশনস / 3049/… প্রযোজ্য। এটি বেশ কয়েকটি বড় প্রশ্ন সহ বেশ কয়েকটি বিতর্কিত (কিছু ক্ষেত্রে অত্যন্ত অতিরঞ্জিত) বিবৃতি বান্ডিল করে। আমি মনে করি এটি ইতিমধ্যে আপনাকে দেওয়া পরামর্শের againstকমত্যের পরিপন্থী।

— নিক কক্স

দুঃখিত, আপনি কী প্রতিক্রিয়া উল্লেখ করছেন তা আমি জানি না: আমি এখানে কোনও রেফারেন্স দেখতে পাচ্ছি না। আমি বন্ধ করার জন্য ভোট দিচ্ছি না, বা (স্বাভাবিকভাবেই) লোকদের উত্তর দেওয়া বন্ধ করার আমার কোনও ইচ্ছা বা শক্তি নেই। তবে, উদাহরণস্বরূপ, "সময়ের ভোর থেকেই" অর্থহীন অতিরঞ্জকের একটি ছোট উদাহরণ এবং আপনার পোস্টে আরও বেশ কয়েকজন রয়েছেন। নিজের স্বার্থের জন্য উস্কানিমূলক হওয়া এই সাইটের আমার অভিজ্ঞতায় নিজেই আপনার অন্তর্নিহিত প্রশ্নটিকে সহায়তা করবে না। পাঠকদের পদার্থ থেকে দূরে রাখতে হবে।

— নিক কক্স

আমন্ত্রণের জন্য ধন্যবাদ, তবে জীবনটি ছোট। আমি আমার প্রধান পয়েন্ট হিসাবে মেটা থ্রেডের আমার ক্রস-রেফারেন্সটি দাঁড়াতে দেব। আমি স্টাইল এবং পদার্থের বিষয়ে আমার মতামত জানিয়েছি, যা এখানে তার গুণাগুণে দাঁড়াতে বা পড়তে পারে।

— নিক কক্স

আমি যদি বিজ্ঞান করে চলেছি তবে আপনি কী ভ্রান্ত আবিষ্কার করেছেন তা আমি খুব একটা যত্ন করি না । প্রকৃতপক্ষে, একটি নির্দিষ্ট বৈজ্ঞানিক দাবি করার ক্ষেত্রে, আমি অন্যান্য ভ্রান্ত আবিষ্কারগুলি কী করলাম তা আমি খুব বেশি যত্নশীল হতে পারি না । আমি যদি বিজ্ঞান না করে থাকি তবে এই বিশেষ বিশ্লেষণে আমি কী কী অন্যান্য ভ্রান্ত আবিষ্কার করেছি সে সম্পর্কেও আমি চিন্তা করতে পারি না - কারণ আমি যদি দুই ধরণের ত্রুটির তুলনামূলক খরচের উপর ভিত্তি করে আমার ধরণের I ত্রুটি হারকে বেছে নিই, ইতিমধ্যে দুজনের মধ্যে ট্রেড অফ বেছে নিয়েছে এবং একাধিক তুলনার জন্য মোটেও ঠিক করা উচিত নয়।

— গ্লেন_বি -রিনস্টেট মনিকা

ভাগ্যক্রমে অন্যরাও আমার মত একই মতামতকে স্বচ্ছতা এবং স্পষ্টতার সাথে উপস্থাপন করেছেন। একটি অতিরিক্ত মন্তব্য হিসাবে, আমি বিজ্ঞান (কিছু স্থায়ী মূল্য যাই হোক না কেন) এর সাহিত্যের সাথে বিলোপের বিরুদ্ধে পরামর্শ দিই। সাহিত্যের হতাশ হওয়ার অনেকগুলি উপায় রয়েছে: অস্পষ্টতা, তুচ্ছতা, যৌক্তিক ত্রুটি ইত্যাদি ইত্যাদি বিমূর্তে প্রত্যেকে প্রকাশিত সমস্ত মিথ্যা ইতিবাচক পরীক্ষার চিন্তায় বিচ্ছিন্ন হয়ে পড়ে, তবে স্থায়ী প্রভাব ফেলতে তারা বিশ্বাস ও আচরণ করতে হয়। (এটি যদি ড্রাগ ড্রাগ হয় তবে এটি একটি বড় ব্যাপার হতে পারে)) সুতরাং, চিন্তা করার মতো অনেকগুলি বিষয় রয়েছে তবে আমি মনে করি না যে বিজ্ঞানটি নষ্ট হয়।

— নিক কক্স

উত্তর:

এই স্পষ্টত বাস্তবে করতে একটি পরম দুঃস্বপ্ন, কিন্তু অনুমান করা এটি সম্পন্ন করা যেতে পারে হবে: আমরা একটি পরিসংখ্যানগত সুলতান নিয়োগ এবং সবাই একটি হাইপোথিসিস পরীক্ষা চলছে তাদের কাঁচা রিপোর্ট এই শাসক থেকে -values। তিনি একধরনের বৈশ্বিক (আক্ষরিক) একাধিক তুলনা সংশোধন করেন এবং সংশোধিত সংস্করণগুলির সাথে উত্তর দেন। $p$

এই বিজ্ঞান এবং কারণ একটি সুবর্ণ যুগে সূচনা হবে? না, সম্ভবত না।

এর অনুমানের এক জোড়া, একটি হিসেবে বিবেচনা করে শুরু করা যাক -test। আমরা দুটি গোষ্ঠীর কয়েকটি সম্পত্তি পরিমাপ করি এবং সেই সম্পত্তি সম্পর্কে দুটি অনুমানের মধ্যে পার্থক্য করতে চাই: একটি সীমাবদ্ধ নমুনায়, সত্য হলেও সমান হওয়ার সম্ভাবনা নেই : পরিমাপের ত্রুটি এবং পরিবর্তনশীলতার অন্যান্য উত্সগুলি পৃথক মানকে চারপাশে ঠেলে দিতে পারে। তবে,

t

$t$

\begin{aligned} {এইচ}_{0} : & গ্রুপগুলির একই অর্থ রয়েছে। \\ {এইচ}_{একজন} : & গ্রুপগুলির বিভিন্ন উপায় রয়েছে। \end{aligned}

$\begin{align} H_0:& \textrm{ The groups have the same mean.} \\ H_A:& \textrm{ The groups have different means.} \end{align}$

H_{0}

$H_0$

H_{0}

$H_0$ হাইপোথিসিসটি কিছুটা অর্থে "বিরক্তিকর" এবং গবেষকরা সাধারণত "মিথ্যা পজিটিভ" পরিস্থিতি এড়ানো নিয়ে উদ্বিগ্ন থাকেন যেখানে তারা দাবি করেন যে সত্যিকার অর্থে কোন দলের উপস্থিতি নেই এমন গ্রুপগুলির মধ্যে পার্থক্য খুঁজে পেয়েছে। অতএব, আমরা কেবল ফলাফলগুলি "তাত্পর্যপূর্ণ" বলি যদি এগুলি নাল অনুমানের অধীনে অসম্ভব বলে মনে হয় এবং কনভেনশন অনুসারে, অপছন্দনীয় প্রান্তিকতা 5% নির্ধারণ করা হয়।

$H_0$

বিভিন্ন একাধিক সংশোধন পদ্ধতির উদ্দেশ্য আপনি স্বতন্ত্র পরীক্ষার জন্য সহ্য করার জন্য বেছে নিয়েছেন এমন নামমাত্র ত্রুটি হারে ফিরে যেতে সহায়তা করার উদ্দেশ্যে। তারা কিছুটা ভিন্ন উপায়ে এটি করে। বনফেরোনি , সিডাক এবং হল্ম পদ্ধতিগুলির মতো পারিবারিক প্রজ্ঞামত ত্রুটি হার নিয়ন্ত্রণকারী পদ্ধতিগুলি বলে যে "আপনি একটি একক পরীক্ষায় ত্রুটি করার 5% সুযোগ চেয়েছিলেন, তাই আমরা নিশ্চিত করব যে আপনার চেয়ে 5 টির বেশি নেই আপনার সমস্ত পরীক্ষায় কোনও ত্রুটি করার সম্ভাবনা%। " মিথ্যা আবিষ্কারের হার নিয়ন্ত্রণ করার পদ্ধতিগুলি পরিবর্তে বলুন "আপনি একক পরীক্ষায় 5% অবধি ভুল হওয়াতে আপাতদৃষ্টিতে ঠিক আছেন, তাই আমরা একাধিক পরীক্ষা-নিরীক্ষা করার সময় আপনার 'কল'-এর 5% এর বেশি কোনও ভুল না হওয়ার বিষয়টি নিশ্চিত করব"। (পার্থক্যটা দেখ?)

এখন, ধরুন আপনি কখনও চালিত সমস্ত হাইপোথিসিস পরীক্ষার পরিবার-ভিত্তিক ত্রুটি হার নিয়ন্ত্রণ করার চেষ্টা করেছেন । আপনি মূলত বলছেন যে আপনি যে কোনও নাল হাইপোথিসিসকে কখনও মিথ্যাভাবে প্রত্যাখ্যান করার <5% চান্স চান। এটি একটি অসম্ভব শক্তিশালী প্রান্তিক স্তর স্থাপন করে এবং অনুমান কার্যকরভাবে অকেজো হতে পারে তবে আরও একটি চাপের বিষয় রয়েছে: আপনার বিশ্বব্যাপী সংশোধন মানে আপনি একেবারে অযৌক্তিক "যৌগিক হাইপোথেসিস" এর মতো পরীক্ষা করছেন

\begin{aligned} {এইচ}_{1} : & ড্রাগ এক্সওয়াইজেড টি-সেল গণনা পরিবর্তন করে \land \\ আঙ্গুর কিছু জমিতে ভাল জন্মে \land \\ ... \land ... \land ... \land ... \land \\ পুরুষ এবং মহিলা বিভিন্ন পরিমাণে আইসক্রিম খান \end{aligned}

$\begin{align} H_1: &\textrm{Drug XYZ changes T-cell count } \wedge \\ &\textrm{Grapes grow better in some fields } \wedge&\\ &\ldots \wedge \ldots \wedge \ldots \wedge \ldots \wedge \\&\textrm{Men and women eat different amounts of ice cream} \end{align}$

ভুয়া আবিষ্কারের হার সংশোধন করে, সংখ্যাসূচক সমস্যাটি এতটা তীব্র নয়, তবে এটি এখনও দার্শনিকভাবে একটি জগাখিচুড়ি। পরিবর্তে, জিনোমিক্স অধ্যয়নের সময় প্রার্থী জিনের তালিকা বা বর্ণাল বিশ্লেষণের সময় সময়-ফ্রিকোয়েন্সি বিনের একটি সেট সম্পর্কিত, সম্পর্কিত পরীক্ষাগুলির একটি "পরিবার" সংজ্ঞায়িত করা বোধগম্য হয়। আপনার পরিবারকে একটি নির্দিষ্ট প্রশ্নে সেলাই করা আপনাকে সরাসরি আপনার টাইপ আই ত্রুটিটিকে সরাসরি উপায়ে আবদ্ধ করতে দেয়। উদাহরণস্বরূপ, আপনি নিজের জিনোমিক ডেটা থেকে পি-ভ্যালুগুলির একটি FWER- সংশোধিত সেটটি দেখতে পারেন এবং বলতে পারেন যে "এই জিনগুলির কোনওটি মিথ্যা ধনাত্মক হওয়ার সম্ভাবনা রয়েছে <" এটি এমন নেবালাস গ্যারান্টির চেয়ে অনেক বেশি ভাল যা আপনার পছন্দের বিষয়গুলিতে আপনার যত্ন নেবেন না এমন লোকেদের দ্বারা করা অন্তর্নিহিতগুলি কভার করে।

এর উল্টো দিকটি হ'ল তিনি "পরিবার" এর যথাযথ পছন্দটি বিতর্কযোগ্য এবং কিছুটা বিষয়ভিত্তিক (সমস্ত জিন কি এক পরিবার বা আমি কেবল আত্মীয়দের বিবেচনা করতে পারি?) তবে এটি আপনার সমস্যার দ্বারা অবহিত করা উচিত এবং আমি কাউকে বিশ্বাস করি না গুরুতরভাবে পরিবারকে এত বিস্তৃতভাবে সংজ্ঞায়নের পক্ষে পরামর্শ দিয়েছেন।

বায়েসের অবস্থা কেমন?

বায়েশিয়ান বিশ্লেষণ এই সমস্যার সুসংগত বিকল্প প্রস্তাব করে - যদি আপনি ফ্রিকোয়ালিস্ট টাইপ আই / টাইপ II ত্রুটির কাঠামো থেকে কিছুটা দূরে সরে যেতে ইচ্ছুক হন। আমরা কিছুটা আগে থেকেই অ-প্রতিশ্রুতি দিয়ে শুরু করি ... ভাল ... সব কিছু। যতবারই আমরা কিছু শিখি, সেই তথ্য পূর্ববর্তী সাথে পূর্ববর্তী বিতরণ তৈরির সাথে মিলিত হয়, যা পরবর্তীতে আমরা যখন কিছু শিখি তখন পূর্ববর্তী হয়ে যায়। এটি আপনাকে একটি সুসংগত আপডেটের নিয়ম দেয় এবং আপনি দুটি অনুমানের মধ্যে বেয়েস ফ্যাক্টর গণনা করে নির্দিষ্ট জিনিসগুলি সম্পর্কে বিভিন্ন অনুমানের তুলনা করতে পারেন। আপনি সম্ভবত মডেলের বড় অংশগুলি বের করে আনতে পারেন, যা এটি বিশেষত কঠোর করে তোলে না।

একটি অবিচল আছে ... মেমস যে বায়েশিয়ান পদ্ধতিতে একাধিক তুলনা সংশোধন প্রয়োজন হয় না। দুর্ভাগ্যক্রমে, উত্তরোত্তর প্রতিকূলতা ঘন ঘনবাদীদের জন্য (যেমন, টাইপ I / II ত্রুটির বিষয়ে যত্নশীল লোক) কেবলমাত্র অন্য পরীক্ষার পরিসংখ্যান। তাদের এমন কোনও বিশেষ বৈশিষ্ট্য নেই যা এই ধরণের ত্রুটিগুলি নিয়ন্ত্রণ করে (কেন তারা করবে?) সুতরাং, আপনি অক্ষম অঞ্চলে ফিরে এসেছেন, তবে সম্ভবত খানিকটা মূলনীতিতে।

বায়েশিয়ানদের পাল্টা যুক্তি হ'ল আমাদের এখন যা জানতে পারে তার দিকে আমাদের ফোকাস করা উচিত এবং এই ত্রুটির হারগুলি তেমন গুরুত্বপূর্ণ নয় important

পুনরুত্পাদন উপর

আপনি মনে করছেন যে একাধিক ভুল / অপ্রয়োজনীয় ফলাফলের পিছনে অনুপযুক্ত একাধিক তুলনা-সংশোধন কারণ। আমার বুদ্ধিটি হ'ল অন্যান্য বিষয়গুলি সম্ভবত ইস্যু হওয়ার সম্ভাবনা বেশি। একটি স্পষ্টতই হ'ল যে প্রকাশের চাপ মানুষকে এমন পরীক্ষা-নিরীক্ষা এড়াতে পরিচালিত করে যা তাদের অনুমানকে সত্যই চাপ দেয় (যেমন, খারাপ পরীক্ষামূলক নকশা)।

$p$

— ম্যাট ক্রাউস
সূত্র

ধন্যবাদ ম্যাট আমি একটি "পরিসংখ্যান সুলতান" ধারণা পছন্দ করি। তবুও, এই জাতীয় কিছু সংশোধন না করে মিথ্যা আবিষ্কারের হারকে নিয়ন্ত্রণ করা সম্ভব?

— কেলভিন

বিন্দু আমি চেষ্টা করছিলাম যে এটি সম্পর্কে চিন্তা করতে অর্থে দেখা যায় না হয় মানুষের চেষ্টা জুড়ে মিথ্যা ডিসকভারি হার (বা familywise ত্রুটি হার)। এটি করার জন্য এত ঝুঁকি এড়ানো দরকার যে আপনি কখনই কিছু করতে পারেন না। পরিবর্তে, আপনি পৃথক পরীক্ষাগুলির জন্য এফডিআর / এফডাব্লুআরকে খুব কম রাখেন এবং আকর্ষণীয় / দরকারী / ইত্যাদি যে উল্লেখযোগ্য জিনিসগুলি প্রতিলিপি করার চেষ্টা করেন।

— ম্যাট ক্রাউস

ধন্যবাদ, আমি অনুমান করি শেষ পর্যন্ত এগুলি সমস্ত বিষয়গুলির প্রতিলিপিটিতে নেমে আসে। এটি বিজ্ঞানের দর্শনের সাথে পুরোপুরি সামঞ্জস্যপূর্ণ যে কোনও অনুমান কখনও প্রমাণিত হতে পারে না, কেবল সময়ের সাথে পুনরাবৃত্তি পরীক্ষা-নিরীক্ষার মাধ্যমে দৃ strengthened় হয়।

— কেলভিন

পরিসংখ্যান সুলতানের পক্ষে +1। একটি গুরুত্বপূর্ণ বিবেচনা: পি-মান ক্রমবর্ধমানভাবে আসে যে সুলতানকে কীভাবে পরিচালনা করতে হবে? প্রথমে আগত একটি লম্পট পি = 0.045 তাত্পর্যপূর্ণ হিসাবে বিবেচিত হবে তবে কয়েক শতাব্দীর পরেও কোনও সুযোগ থাকবে না? এটি বোধ হয় বলে মনে হয় না (সিসি থেকে @ কেলভিন)। আরেকটি বিবেচনা: কল্পনা করুন যে সুলতান 1 বছর বলার অপেক্ষা রাখেন এবং এই বিগত বছর থেকে সমস্ত ফলাফলের সংশোধন প্রয়োগ করেছিলেন; আমি ভাবছি অ্যাডজাস্টেড আলফা থ্রোসোল্ডটি বাস্তবে বাস্তবে পরিণত হবে। এই সম্পর্কে কোন ধারণা, ম্যাট? এটি (মিথ্যাভাবে!) ধরে নেওয়া প্রত্যেকে একটি সাধারণ আলফায় রাজি হয়।

— অ্যামিবা বলেছেন মোনিকা

@ আমেবা, এটি একটি আকর্ষণীয় প্রশ্ন এবং আমি নিশ্চিত যে আমি জানি। আমাদের প্রিয় ডেটা ডেসপট সবাইকে কিছুটা ক্রমবর্ধমান নকশা ব্যবহার করতে বাধ্য করতে পারে, যা সাহায্য করতে পারে, তবে তিনি এখনও এই অদ্ভুত যৌগিক অনুমানটি পরীক্ষা করছেন। পর্যায়ক্রমে, আমরা সকলেই বায়েশিয়ান হয়ে উঠতে পারি এবং বেশিরভাগ সময় আমাদের টাইপ I / II এর ত্রুটি ট্র্যাক রেকর্ড সম্পর্কে উদ্বেগ বন্ধ করে দিতে পারি। এটি কিছুটা সস্তা (যদি আপনি তাদের 'টিটাকে মারতে না পারেন, তবে তাদের এড়িয়ে চলুন!) তবে আমি মনে করি এটি অনুশীলনে লোকেরা কীভাবে আচরণ করে to

— ম্যাট ক্রাউস

আমি মনে করি আপনি পরিসংখ্যান দ্বারা উত্পাদিত বিজ্ঞানের একটি নিরাশাবাদী দৃষ্টিভঙ্গি ইচ্ছাকৃতভাবে আঁকেন। প্রকৃতপক্ষে, আমার মতে, পরিসংখ্যান কেবলমাত্র পি মানগুলি সরবরাহ করে এমন সরঞ্জামগুলির সেট নয়। বৈজ্ঞানিক অন্তর্ভুক্তির পদ্ধতির সাথে জড়িত কিছু সম্ভাব্য প্রভাব সম্পর্কে কঠোরতা, যত্ন এবং সতর্কতার একটি রাষ্ট্রও রয়েছে ... এবং আমার মনে রাখার সময়, আপনি যে সমস্ত কিছু উল্লেখ করেন তা মোটামুটি সত্য, কেন আমাদের কিছু গ্যারান্টি আছে সে সম্পর্কে আমার কিছু মতামত এখানে দেওয়া হল আমরা উত্পাদিত জ্ঞান সম্পর্কে:

প্রথমত সাধারণভাবে, প্রদত্ত প্রান্তিকের চেয়ে কম এপি মানের যুক্তির আওতায় কোনও সিদ্ধান্তে পৌঁছানো উচিত নয়।
দ্বিতীয়ত, "প্রকাশিত বৈজ্ঞানিক ফলাফলের অর্ধেকেরও বেশি ভুল" এর ধরণের আমার জ্ঞানের যুক্তিগুলি প্রাসঙ্গিক এবং আকর্ষণীয় তবে পি মানের সাথে প্রায় 0.05 এর সমান হিসাবে গণনা করা হয় (উদাহরণস্বরূপ পি-মান এবং ভুয়া আবিষ্কারের হার সম্পর্কে বিভ্রান্তি দেখুন ) । নিম্ন পি মানগুলির জন্য প্রভাবটি ঘোষিত একের তুলনায় অনেক কম এবং অনুশীলনে, পি মানগুলি 0.05 এর চেয়ে অনেক কম পাওয়া বিরল নয়। তদুপরি, অনেক সময় একটি প্রদত্ত অনুমান বেশ কয়েকটি উপ-অনুমান দ্বারা নিশ্চিত করা হয় যা আবার ঘোষিত প্রভাবগুলিকে হ্রাস করে।
তৃতীয়ত, পুনরুত্পাদনযোগ্যতার প্রশ্নটি আসল তবে এটি একটি সমস্যা যা উদ্বেগজনক প্রভাবগুলি, গ্রুপ ডিজাইনগুলি সনাক্ত করে এবং তার সাথে ডিল করার মাধ্যমে পরিসংখ্যানবিদদের দ্বারা মোকাবেলা করতে হবে ... এবং যদি এটি দক্ষতা এবং কঠোরতার সাথে করা হয় তবে এটি খুব ভালভাবে করা যেতে পারে।
অবশেষে, আমি এটি বুঝতে পেরেছি, একটি প্রত্নতাত্ত্বিক পরিসংখ্যান অধ্যয়ন নিম্নলিখিত 5 টি ধারাবাহিক পদক্ষেপের উপর কমবেশি অবস্থান করতে হবে:
```
Formulate one or a few hypotheses
Design the corresponding study
Acquire the data
Analyse the data
Make conclusions about the above hypotheses (and only these ones)
```
এই সাধারণ নির্দেশিকাটি সাধারণ সিদ্ধান্তে নেওয়ার সরঞ্জাম হিসাবে মাছ ধরা অভিযানগুলি থেকে আমাদের বাধা দেয়।

উপসংহারে আমি বলব যে ওভার-থ্রোসোল্ডিং পি-ভ্যালু দ্বারা খারাপ বৈজ্ঞানিক সিদ্ধান্তের বিরুদ্ধে আমাদের রক্ষা করার আপনার উদ্দেশ্যটি কিছুটা মায়াময়। সতর্কতা ও যথাযথ বিশ্লেষণগুলি নিশ্চিত করে এবং উত্সাহিত করে আমি খারাপ বৈজ্ঞানিক সিদ্ধান্তের বিরুদ্ধে আমাদের রক্ষা করতে পছন্দ করব (এবং আমি ভাবতে চাই যে এ কারণেই এত যোগ্য ব্যক্তিরা এই সাইটে অন্যদের সহায়তা করার জন্য এখানে রয়েছে)।

— peuhp
সূত্র

আমি মনে করি না এটি প্রতিরক্ষামূলক পেতে সহায়তা করে। বিজ্ঞানের অপ্রতিরোধ্যতার বর্তমান ইস্যুটি কেবল "আকর্ষণীয়" নয়, এটি একটি সঙ্কটস্থলে রয়েছে এবং প্রকৃতি এবং এমনকি অর্থনীতিবিদের আওতায় রয়েছে, যেহেতু কোনও নির্দিষ্ট গবেষণায় বিশ্বাস করতে হবে (বা এমনকি অনুমোদিত ড্রাগের কার্যকারিতাও নয়) ) কোটি কোটি ডলার বিনিয়োগ সত্ত্বেও এখন মুদ্রা ফ্লিপের চেয়ে ভাল আর কিছু নয়।

— কেলভিন

আমি একমত যে একটি সংকট আছে। আমার বক্তব্যটি আপনি মুদ্রার গুণাগুণটি পরীক্ষা করতে পারেন। সমস্ত কাগজপত্র একই মানের নয় এবং আমার অভিজ্ঞতা থেকে কাগজের ত্রুটিগুলি চিহ্নিত করা কখনও কখনও সহজ। আমি সমস্যাটিকে অস্বীকার করি না আমি সমাধানটিকে অস্বীকার করছি: কেবল সঠিক বিশ্লেষণ তৈরি করুন :)

— peuhp

ঠিক আছে, ধন্যবাদ, আমি আপনার উত্তর সম্মান। তবে এখনও একটি পরিসংখ্যানগত দৃষ্টিকোণ থেকে, এবং পরীক্ষাগুলির গুণগত মান নির্বিশেষে আমরা এরূপ কিছু সংশোধন প্রয়োগ না করে সামগ্রিক মিথ্যা আবিষ্কারের হারকে কখনই নিয়ন্ত্রণ করতে পারি না, আমরা কি পারি?

— কেলভিন

এ জাতীয় কিছু সংশোধন না করে মিথ্যা আবিষ্কারের হারকে নিয়ন্ত্রণ করা কি সম্ভব?

$100\,a$ $a$

মনে রাখবেন যে (ঘনঘনবাদী) ত্রুটি হারগুলি কোনও স্বতন্ত্র পরীক্ষার দ্বারা পরীক্ষিত হাইপোথিসিস সম্পর্কে কোনও সম্ভাবনা নিয়েই উদ্বেগ প্রকাশ করে না, তবে গ্যারান্টিযুক্ত দীর্ঘমেয়াদি ব্যর্থতার হারের সাথে পরীক্ষা পরিচালনার পদ্ধতি হিসাবে। একাধিক তুলনার জন্য সংশোধন দীর্ঘমেয়াদে ব্যর্থতার হারের গ্যারান্টি দেওয়ার জন্য আরেকটি পদ্ধতি: যৌগিক পদ্ধতিগুলি তৈরির জন্য যা একাধিক পরীক্ষা করে যাতে যৌগের জন্য কিছু গ্যারান্টিযুক্ত দীর্ঘমেয়াদী ব্যর্থতার হার থাকে।

যদি আপনি ১০০ টি পরীক্ষার সাথে একটি পরীক্ষা করে থাকেন এবং রিপোর্ট করেছেন যে তাদের মধ্যে ৫ টি নাল বিরুদ্ধে কথা বলেছে, এইভাবে দাবি করেছে যে আপনি কিছু সত্যিকারের ফলাফলটি পর্যবেক্ষণ করেছেন, কেউ জেনেও মুগ্ধ হবেন না, জেনেও যে সত্যিকারের নালগুলির 100 টি পরীক্ষার মধ্যে গড়ে 5% হবে প্রত্যাখ্যান; আপনি যে পদ্ধতিতে নিয়োগ করেছেন, "১০০ টি পরীক্ষা পরিচালনা করুন এবং তাদের মধ্যে যদি কোনও 5% থ্রেশহোল্ড পূরণ করে তবে প্রতিবেদন করুন" এর ব্যর্থতার হার 5% এর চেয়ে বেশি। সুতরাং, আপনি একাধিক তুলনা নিয়ন্ত্রণ করতে এবং প্রতিবেদন করতে পারেন যে উদাহরণস্বরূপ 100 পরীক্ষার মধ্যে 2 এর p মান (5/100 == 0.05)% এর চেয়ে কম ছিল। এখন আপনি এমন একটি পদ্ধতি নিযুক্ত করেন যার গ্যারান্টিযুক্ত ব্যর্থতার হার আবার রয়েছে (কোনও হাইপোথেসিগুলি মিথ্যা না হলেও কমপক্ষে একটি উল্লেখযোগ্য পরীক্ষার রিপোর্ট করার ত্রুটির জন্য) 5% of

$a$ , অবিকৃত থ্রেশহোল্ডগুলি)। বিপরীতে, প্রত্যেকে যদি সর্বদা অধ্যয়ন অনুযায়ী 100 টি সত্য অনুমানের পরীক্ষা করে থাকে এবং FW প্রয়োগ না করে, তবে উল্লেখযোগ্য প্রভাবগুলির প্রতিবেদনকারী পরীক্ষাগুলির গ্যারান্টিযুক্ত ত্রুটি হার 5% ছাড়িয়ে যাবে। (এফডিআর / মিথ্যা সনাক্তকরণ হারের সাথে বৈপরীত্য, যা এমন কোনও পদ্ধতি নয় যা সত্য অনুমানের একাধিক পরীক্ষার গবেষণায় কোনও উল্লেখযোগ্য পরীক্ষার রিপোর্টিংয়ের হারের গ্যারান্টি দেয়।)

— Jona
সূত্র

আপনার প্রথম অনুচ্ছেদে আপনি যাকে "ভুয়া আবিষ্কারের হার" বলছেন তা "মিথ্যা আবিষ্কারের হার" হিসাবে পরিচিত নয়।

— অ্যামিবা বলেছেন মনিকাকে