নাল অনুমানের গ্রহণযোগ্যতা cept

Question

এটি পরিসংখ্যান এবং অন্যান্য বিজ্ঞানের ছেদ নিয়ে একটি আলোচনার প্রশ্ন। আমি প্রায়শই একই সমস্যার মুখোমুখি হই: আমার ক্ষেত্রে গবেষকরা বলছেন যে পি-ভ্যালু তাত্পর্য স্তরের চেয়ে কম না হলে কোনও প্রভাব নেই is শুরুতে, আমি প্রায়শই উত্তর দিয়েছিলাম যে এটি অনুমানের পরীক্ষার কাজ করে না not এই প্রশ্নটি কতবার উত্থাপিত হয় তা প্রদত্ত, আমি আরও অভিজ্ঞ পরিসংখ্যানবিদদের সাথে এই বিষয়টি নিয়ে আলোচনা করতে চাই।

আসুন আমরা "সেরা প্রকাশনা গোষ্ঠী" প্রকৃতি যোগাযোগ জীববিজ্ঞান থেকে বৈজ্ঞানিক জার্নালে সাম্প্রতিক একটি কাগজ বিবেচনা করি (এর একাধিক উদাহরণ রয়েছে, তবে আসুন আমরা একটিতে মনোযোগ দিন)

গবেষকরা একটি পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ নয় নিম্নলিখিত ফলাফলটি ব্যাখ্যা করেছেন:

সুতরাং দীর্ঘস্থায়ী মধ্যপন্থী ক্যালোরিয়িক বিধিনিষেধ জীবনকাল বাড়াতে পারে এবং প্রাইমেটের স্বাস্থ্য বাড়িয়ে তুলতে পারে তবে এটি মস্তিষ্কের ধূসর পদার্থের অখণ্ডতার উপর জ্ঞানীয় পারফরম্যান্সকে প্রভাবিত না করে প্রভাবিত করে ।

প্রমাণ:

তবে নিয়ন্ত্রণ এবং ক্যালোরি-বিধিনিষেধযুক্ত প্রাণীদের (এলএমই: এফ = 0.05, পি = 0.82; চিত্র 2 এ) এর মধ্যে বার্নস ম্যাজ টাস্কে পারফরম্যান্সগুলি আলাদা ছিল না। একইভাবে, স্বতঃস্ফূর্ত অল্টারনেশন টাস্ক নিয়ন্ত্রণ এবং ক্যালোরি-বিধিনিষেধযুক্ত প্রাণীগুলির মধ্যে কোনও পার্থক্য প্রকাশ করেনি (এলএমই: এফ = 1.63, পি = 0.22; চিত্র 2 বি)।

লেখকরা এফেক্টের অনুপস্থিতির ব্যাখ্যাও ব্যাখ্যা করেন - তবে মূল বক্তব্যটি ব্যাখ্যা নয়, দাবিটি নিজেই। প্রদত্ত প্লটগুলি আমার জন্য "চোখ দ্বারা" উল্লেখযোগ্যভাবে পৃথক দেখাচ্ছে (চিত্র 2)।

তদ্ব্যতীত, লেখকগণ পূর্ববর্তী জ্ঞানটিকে উপেক্ষা করেন:

জ্ঞানীয় পারফরম্যান্সে ক্যালোরিয়িক বিধিনিষেধের ক্ষতিকারক প্রভাবগুলি ইঁদুরগুলির জন্য এবং মানুষের মধ্যে মস্তিষ্ক এবং সংবেদনশীল কার্যকারিতার জন্য রিপোর্ট করা হয়েছে

আমি বিশাল নমুনা আকারগুলির জন্য একই দাবিটি বুঝতে পারি (কোনও প্রভাব নেই = কোনও ব্যবহারিকভাবে সেখানে উল্লেখযোগ্য প্রভাব নেই), তবে বিশেষ পরিস্থিতিতে জটিল পরীক্ষাগুলি ব্যবহার করা হয়েছিল এবং কীভাবে পাওয়ার গণনা করা যায় তা আমার পক্ষে স্পষ্ট নয়।

প্রশ্নাবলী:

1. তাদের সিদ্ধান্তগুলি বৈধ করার জন্য আমি কি কোনও বিবরণ উপেক্ষা করেছি?

2. বিজ্ঞানের নেতিবাচক ফলাফলের প্রতিবেদন করার প্রয়োজনীয়তার বিষয়টি বিবেচনা করে , কীভাবে প্রমাণ করতে হয় যে এটি "ফলাফলের অনুপস্থিতি" নয় (যা আমাদের ), তবে "নেতিবাচক ফলাফল (যেমন গ্রুপগুলির মধ্যে কোনও পার্থক্য নেই)" পরিসংখ্যান ব্যবহার করছেন? আমি বুঝতে পারি যে বিশাল নমুনা আকারের জন্য এমনকি নাল কারণ প্রত্যাখ্যান থেকে ছোট ছোট বিচ্যুতি, তবে ধরে নেওয়া যাক যে আমাদের কাছে আদর্শ ডেটা রয়েছে এবং এখনও প্রমাণ করতে হবে যে নালটি কার্যত সত্য is$p > \alpha$

3. পরিসংখ্যানবিদরা কি সবসময় গাণিতিকভাবে সঠিক সিদ্ধান্তে জোর দিয়ে "এই শক্তি থাকাতে আমরা উল্লেখযোগ্য আকারের প্রভাব সনাক্ত করতে সক্ষম হইনি"? অন্যান্য ক্ষেত্রের গবেষকরা নেতিবাচক ফলাফলের এই সূত্রগুলি দৃ strongly়ভাবে অপছন্দ করেন।

সমস্যার বিষয়ে কোনও চিন্তা শুনে আমি আনন্দিত হব এবং এই ওয়েব সাইটে সম্পর্কিত প্রশ্নগুলি পড়েছি এবং বুঝতে পেরেছি। পরিসংখ্যানের দৃষ্টিকোণ থেকে 2) -3) প্রশ্নের স্পষ্ট উত্তর রয়েছে তবে আমি বুঝতে চাই যে এই প্রশ্নগুলির উত্তর কীভাবে আন্তঃবিষয়িক সংলাপের ক্ষেত্রে দেওয়া উচিত।

ইউপিডি: আমি মনে করি নেতিবাচক ফলাফলের একটি ভাল উদাহরণ হ'ল মেডিকেল ট্রায়ালগুলির প্রথম ধাপ, সুরক্ষা। বিজ্ঞানীরা কখন সিদ্ধান্ত নিতে পারবেন যে ওষুধটি নিরাপদ? আমার ধারণা তারা দুটি গ্রুপের তুলনা করে এবং এই ডেটাতে পরিসংখ্যান করে। এই ড্রাগ নিরাপদ আছে কি বলার উপায় আছে? কোচরান সঠিক "কোনও পার্শ্ব প্রতিক্রিয়া পাওয়া যায় নি" ব্যবহার করে তবে চিকিত্সকরা বলেছেন যে এই ড্রাগটি নিরাপদ। যখন বর্ণনা মেটকের নির্ভুলতা এবং সরলতার মধ্যে ভারসাম্য রইল এবং আমরা বলতে পারি "স্বাস্থ্যের কোনও পরিণতি নেই"?

Comments

আপনি ফলাফলগুলি কল করেন যা পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ নয় এটি একটি "নেতিবাচক" অধ্যয়ন। এটি হ্রাসকারী ভাষা est আমি এটিকে এটি হিসাবে কল করার জন্য এটি সংশোধন করেছি: অ-পরিসংখ্যানগতভাবে উল্লেখযোগ্য উদাহরণস্বরূপ । আমি যদি ভুল হয় তবে দয়া করে আমাকে বলুন। অন্যথায়, অধ্যয়ন বর্ণনার জন্য এটি আপনার এবং আপনার সহযোগীদের পক্ষে দরকারী ভাষা। অর্থ কেবল । যদি এটি কিছু ক্ষেত্রে খুব "ইতিবাচক" সন্ধান করতে পারে; কোনও রাসায়নিক এক্সপোজার এবং মানব স্বাস্থ্যের সম্পর্কের পরিদর্শন করার জন্য সম্ভবত এটি প্রথম বৃহত আকারের এপিডেমিওলজিক অধ্যয়ন যা দেখতে পেয়েছে যে এটি বাস্তবে নিরাপদ। পি > α পি > α এন = 500 , $p > \alpha$$p > \alpha$$p > \alpha$$n = 500,000$

— অ্যাডমো

পার্শ্ব দ্রষ্টব্য: আমি কীভাবে পরিসংখ্যানকে সঠিকভাবে ব্যবহার করতে পারি তার গাইডলাইন হিসাবে প্রকৃতি ব্যবহার করার পরামর্শ দেব না ।

— ক্লিফ এবি

@ অ্যাডামো আমার কাছে কমবেশি একই সময়ে প্রকাশিত দুটি কাগজপত্রের একটি উদাহরণ রয়েছে, একটি গবেষণাপত্রে লেখকরা দৃ strongly় নেতিবাচক ফলাফলের দাবি করেছিলেন (এটি তাদের মূল উপসংহার ছিল), দ্বিতীয়, আরও শক্তিশালী গবেষণায়, তারা খুঁজে পেয়েছে এবং কার্যকর হয়েছে। তবে, যদি প্রথম লেখক লিখতেন "1% এর প্রভাব আকারের সাথে 80% শক্তি থাকা আমরা একটি উল্লেখযোগ্য প্রভাব খুঁজে পাই না" - এমনকি তিনি নেতিবাচক ফলাফলের জার্নালে প্রকাশিত হবেন না।

— জার্মান ডেমিডভ 16

তবে অ-পরিসংখ্যানবিদরা আমাকে জিজ্ঞাসা করছেন "আপনি কীভাবে নেতিবাচক ফলাফল প্রমাণ করবেন?" - এবং আমি উত্তর দিতে জানি না। সমতুল্য পরীক্ষায় প্রায়শই ব্যবহৃত অনুমান সম্পর্কে কী বলা যায় ? এর মধ্যে "সমতুল্যের মার্জিন" হিসাবে একটি অতিরিক্ত শব্দও অন্তর্ভুক্ত এবং গড় পার্থক্যটিকে বিবেচনায় নিতে পারে।

— পেঙ্গুইন_কিট

এটি একটি সাধারণ ভুল যে নেচার পাবলিশিং গ্রুপ শোষণ করছে তবে জার্নালের মধ্যে প্রতিপত্তির পার্থক্য প্রচুর। এটি বলেছিল, অবশ্যই প্রকৃতিতে কাগজপত্রগুলিতেও ঝাপটা পরিসংখ্যান থাকতে পারে।

— অ্যামিবা

Answer 1

আমি "নাল হাইপোথিসিস গ্রহণ করুন" এর চেতনায় অ-পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ ফলাফলগুলি ব্যাখ্যা করা কখনও কখনও উপযুক্ত বলে মনে করি। আসলে, আমি পরিসংখ্যানগতভাবে উল্লেখযোগ্য অধ্যয়নগুলিকে এ জাতীয় ফ্যাশনে ব্যাখ্যা করতে দেখেছি ; অধ্যয়নটি খুব সুনির্দিষ্ট ছিল এবং ফলাফলগুলি নন-নাল কিন্তু ক্লিনিক্যালি তুচ্ছ প্রভাবগুলির সংকীর্ণ সীমার সাথে সামঞ্জস্যপূর্ণ ছিল। চকোলেট / রেড ওয়াইন সেবন এবং ডায়াবেটিসে এর "সালুব্রিয়াস" প্রভাবের মধ্যে সম্পর্ক সম্পর্কে একটি গবেষণার (বা তার প্রেসের আরও কিছুটা) ঝাপটানো সমালোচনা এখানে রয়েছে । উচ্চ / কম গ্রহণের দ্বারা ইনসুলিন প্রতিরোধের বিতরণগুলির সম্ভাব্যতা বক্ররেখাগুলি হিস্টিরিয়াল।

গবেষণার বৈধতা, শক্তি, অনুমানের অনিশ্চয়তা এবং পূর্ববর্তী প্রমাণগুলির উপর নির্ভর করে যে কেউ "এইচটিআর কনফার্মিং" হিসাবে অনুসন্ধানের ব্যাখ্যা দিতে পারে তা নির্ভর করে a পি-ভ্যালুর পরিবর্তে আত্মবিশ্বাসের ব্যবধান (সিআই) প্রতিবেদন করা সম্ভবত আপনি পরিসংখ্যানবিদ হিসাবে যে সবচেয়ে কার্যকর অবদান রাখতে পারেন। আমি গবেষক এবং সহসংখ্যক পরিসংখ্যানবিদদের মনে করিয়ে দিচ্ছি যে পরিসংখ্যান সিদ্ধান্ত নেয় না, লোকেরা করে; পি-মানগুলি বাদ দেওয়া প্রকৃতপক্ষে ফলাফলগুলির আরও চিন্তাশীল আলোচনার জন্য উত্সাহ দেয়।

সিআই-এর প্রস্থ বিস্তৃত প্রভাবগুলির বর্ণনা দেয় যা শূন্যটি অন্তর্ভুক্ত করতে পারে বা নাও পারে এবং জীবন রক্ষার সম্ভাবনার মতো চিকিত্সাগতভাবে গুরুত্বপূর্ণ মানগুলিও অন্তর্ভুক্ত করতে পারে বা নাও করতে পারে। তবে, একটি সংকীর্ণ সিআই এক ধরণের প্রভাব নিশ্চিত করে; হয় পরেরটি যা সত্য অর্থে "তাৎপর্যপূর্ণ", বা পূর্ববর্তী যা নাল বা শূন্যের খুব কাছাকাছি কিছু হতে পারে।

সম্ভবত "নাল রেজাল্ট" (এবং নাল ইফেক্ট) কী কী তার একটি বিস্তৃত জ্ঞানের দরকার সম্ভবত। আমি কি গবেষণা সহযোগিতায় হতাশ খুঁজে যখন তদন্তকারীরা পারেন না অবরোহমার্গী রাষ্ট্র কি প্রভাব তারা লক্ষ্য করে এর বিন্যাস: একটি হস্তক্ষেপের রক্তচাপ, কত mmHg কম বোঝানো হয় তাহলে কি হবে? যদি কোনও ড্রাগ ক্যান্সার নিরাময়ে বোঝানো হয়, তবে রোগীর কত মাস বেঁচে থাকবে? যে কেউ গবেষণায় আগ্রহী এবং তাদের ক্ষেত্র এবং বিজ্ঞানের সাথে "প্লাগ-ইন" ​​রয়েছে সে পূর্বের গবেষণার এবং কী করা হয়েছে সে সম্পর্কে সবচেয়ে আশ্চর্যজনক তথ্যগুলি ছড়িয়ে দিতে পারে।

আপনার উদাহরণে, আমি সাহায্য করতে পারছি না তবে লক্ষ্য করুন যে 0.82 এর পি-মানটি শূন্যতার খুব কাছাকাছি রয়েছে। সেখান থেকে, আমি কেবল এতটাই বলতে পারি যে সিআই নাল মানকে কেন্দ্র করে। যা আমি জানি না তা হ'ল এটি চিকিত্সাগতভাবে উল্লেখযোগ্য প্রভাবগুলিকে অন্তর্ভুক্ত করে। যদি সিআই খুব সংকীর্ণ হয় তবে তাদের দেওয়া ব্যাখ্যাটি আমার মতে সঠিক, তবে ডেটা এটি সমর্থন করে না: এটি একটি সামান্য সম্পাদনা হবে। বিপরীতে, ২.২২ এর দ্বিতীয় পি-মানটি এর তাত্পর্য প্রান্তরের তুলনামূলকভাবে কাছাকাছি (এটি যাই হোক না কেন)। লেখকরা যথাযথভাবে এটিকে "পার্থক্যের কোনও প্রমাণ না দেওয়ার" হিসাবে ব্যাখ্যা করেন যা "এইচটি 00 টি প্রত্যাখ্যান করবেন না" - টাইপ ব্যাখ্যার সাথে সামঞ্জস্যপূর্ণ। নিবন্ধটির প্রাসঙ্গিকতা হিসাবে আমি খুব সামান্যই বলতে পারি। আমি আশা করি আপনি অধ্যয়নের ফলাফলের আরও আলোচিত আলোচনার সন্ধান করে সাহিত্যের সন্ধান করেছেন! যতদূর বিশ্লেষণ করা যায়,

Comments

Adamo নয়, এফ পরিসংখ্যাত নাল নিকটস্থ করার সমান গড় এর ফাঃ স্বাধীনতার একটি প্রদত্ত লব ও হর ডিগ্রী বিতরণের? যদি কিছু হয় তবে আমি মনে করি 0 টির কাছাকাছি একটি F পরিসংখ্যান সমতার প্রমাণ বহনকারী প্রমাণকে বোঝায়। প্রকৃতপক্ষে, 2010 এর সমতা এবং অবিচ্ছিন্নতার পরিসংখ্যান অনুমানের টেস্টিং পরিসংখ্যানগুলিতে ওয়েলেক স্পষ্টতই অনুপ্রাণিত করে , সাধারণ বিতরণগুলির সমতুল্যতার জন্য বিভাগ 7.2 -est , পৃষ্ঠা 221-2225। $F$$k$

— অ্যালেক্সিস

@ অ্যালেক্সিস এফ-পরীক্ষার বৈশিষ্ট্যগুলি দেখানোর জন্য ধন্যবাদ। স্বাধীনতার ডিগ্রি না জেনে, পরীক্ষা সম্পর্কে বুদ্ধিমানের সাথে মন্তব্য করা আমার পক্ষে কঠিন hard সম্ভবত আমার উত্তরটি সংশোধন করা উচিত কেবলমাত্র মূল্যগুলির দিকে নির্দেশ করুন । , আমার উত্তরের মূল হ'ল আমরা দুটি অনুমান এবং equal সমান ষড়যন্ত্রের সাথে ধরে রাখতে পারি না : এর মধ্যে একটি সর্বদা সত্য, সুতরাং পরীক্ষার কোনও অর্থ হয় না। আমাদের বর্ণনামূলক পদ্ধতি ব্যবহার করতে হবে তবে তাদের আত্মবিশ্বাসের ব্যবধানের সাথে কঠোর করা যায়। μ = μ 0 μ ≠ μ $p$$\mu=\mu_0$$\mu \ne \mu_0$

— অ্যাডমো

অবশ্যই! (এবং +1 যদি এটি স্পষ্ট ছিল না) তবে গুরুতরভাবে, আপনার সমতুল্য পরীক্ষার প্রতি উপলব্ধি করা উচিত: এটি ক্লিনিকাল এপিডেমিওলজি এবং বায়োস্টাটিক্সের মধ্যে উদ্ভূত হয়েছিল (ক্ষেত্রের জন্য একটি সম্মানিত heritageতিহ্য!) তবে ঘন ঘনবাদী অনুমানের ক্ষেত্রে এটি সাধারণ আমদানি। :)

— অ্যালেক্সিস

@ জার্মানিডেমিডভ আমি এই বিষয়গুলির বিষয়ে কঠোর অবস্থান নিয়েছি: আমি মনে করি জটিল বিশ্লেষণগুলি তাদের প্রভাবগুলির ব্যাখ্যা করতে না পারলে বিবেচনা করা উচিত নয়। তারা কি একটি ব্যাখ্যা আছে। লেমশো, হোসমার দ্বারা বেঁচে থাকা বিশ্লেষণের দ্বিতীয় তৃতীয় সংস্করণ মে এর পুরো অধ্যায় (4) কক্স মডেল আউটপুট ব্যাখ্যা করতে উত্সর্গীকৃত হয়েছে। শাপিরোর মতো পরীক্ষার ঘাটতি প্লটগুলি ব্যবহার করে সবচেয়ে ভাল সমাধান করা হয় (এটি প্রায়শই পরীক্ষা নিজেই শেষ করে দেয়)। পুনরায় মডেলিং পরিসংখ্যানগুলি বিভিন্ন ধরণের মডেলিং শর্তগুলির অধীনে সিআইএস গণনা করার একটি শক্তিশালী উপায় সরবরাহ করে তবে তাদের জন্য সাউন্ড তত্ত্বটি সঠিকভাবে ব্যবহার করা প্রয়োজন।

— আদমো

অনমনীয় অনুমান কাঠামোতে "0.82 নালটির কাছে" বলে কোনও জিনিস নেই কারণ পি-মান একটি এলোমেলো সংখ্যা, এর নির্দিষ্ট স্তরটি অপ্রাসঙ্গিক। পি-মানটি পরম মানের ক্ষেত্রে বড় বা ছোট হতে পারে না। এর স্তরটি কেবল পূর্ব-প্রতিষ্ঠিত প্রান্তিকের সাথে সম্পর্কিত, একটি তাত্পর্য । । আপনি একটি প্রান্তিকের সাথে তুলনা করুন, এবং তুলনার ফলাফলের ভিত্তিতে এটিকে প্রত্যাখ্যান করুন বা কে প্রত্যাখ্যান করতে ব্যর্থ হন । এইচ $\alpha$$H_0$

— আকসকল

Answer 2

আপনার প্রশ্নের শিরোনামের সাথে কথা বলছেন: আমরা কখনোই নাল হাইপোথিসিস গ্রহণ, কারণ পরীক্ষার শুধুমাত্র বিরুদ্ধে প্রমাণ প্রদান করে (অর্থাত সিদ্ধান্তে বিকল্প হাইপোথিসিস থেকে সম্মান সঙ্গে সবসময়, হয় আপনার জন্য প্রমাণ পাওয়া অথবা আপনার for এর পক্ষে প্রমাণ পেতে ব্যর্থ হয়েছে )। এইচ 0 এইচ একটি এইচ $H_{0}$$H_{0}$$H_{A}$$H_{A}$

যাইহোক, আমরা করতে পারেন চিনতে আছে বিভিন্ন ধরণের নাল হাইপোথিসিস এর:

• আপনি সম্ভবত এবং form ফর্মের একতরফা নাল অনুমানের সম্পর্কে শিখেছেন এইচ 0 : θ ≤ θ $H_{0}: \theta \ge \theta_{0}$$H_{0}: \theta \le \theta_{0}$

• আপনি সম্ভবত , বা সমার্থকভাবে form ফর্মের দ্বি-পক্ষীয় নাল হাইপোথেসিগুলি (ওরফে দ্বি-পুচ্ছ নাল হাইপোথেসিস) সম্পর্কে এক নমুনা ক্ষেত্রে, এবং , অথবা সমার্থক দুই -নমুনা কেস। আমি সন্দেহ করি যে নাল অনুমানের এই নির্দিষ্ট ফর্মটি আপনার প্রশ্নটি সম্পর্কে। Reagle এবং বিনোদ, এই ফর্ম আমি শব্দ নাল অনুমানের অনুসরণ প্রত্যক্ষবাদী নাল অনুমানের , এবং এই স্বরলিপি সঙ্গে স্পষ্ট করতে । প্রত্যক্ষবাদী নাল অনুমানের প্রদান বা প্রদান করতে ব্যর্থ পার্থক্য প্রমাণ বা$H_{0}: \theta = \theta_{0}$$H_{0}: \theta - \theta_{0} = 0$$H_{0}: \theta_{1} = \theta_{2}$$H_{0}: \theta_{1} - \theta_{2} = 0$$H^{+}_{0}$একটি প্রভাব প্রমাণ । ধনাত্মকবাদী নাল হাইপোথিসেসের গ্রুপগুলির জন্য সর্বজনীন ফর্ম রয়েছে :সকলের জন্য ।$k$$H_{0}^{+}: \theta_{i} = \theta_{j};$$i,j \in \{1, 2, \dots k\};$ $\text{ and }i\ne j$

• আপনি এখনই যৌথ একতরফা নাল হাইপোথেসিস সম্পর্কে শিখছেন , যা এই ফর্মের নাল অনুমানগুলি এক-নমুনা ক্ষেত্রে এবং দ্বি-নমুনা ক্ষেত্রে , যেখানে হ'ল ন্যূনতম প্রাসঙ্গিক পার্থক্য যা আপনি একটি প্রাইমারি সম্পর্কে যত্নবান হন (অর্থাত্ আপনি সামনের দিকে বলেছেন যে পার্থক্যগুলি ছোট এর চেয়ে কিছু যায় আসে না)। আবার, Reagle এবং বিনোদ, এই ফর্ম আমি শব্দ নাল অনুমানের নিম্নলিখিত negativist নাল অনুমানের , এবং এই স্বরলিপি সঙ্গে স্পষ্ট করতে । নেতিবাবাদী নাল অনুমানগুলি সমতার প্রমাণ দেয় ($H_{0}: |\theta - \theta_{0}|\ge \Delta$$H_{0}: |\theta_{1} - \theta_{2}|\ge \Delta$$\Delta$$H^{-}_{0}$$\pm\Delta$), বা কোনও অভাবের প্রমাণ ( চেয়ে বড় )। নেগোটিভিস্ট নাল হাইপোথিসেসের গ্রুপগুলির জন্য একটি সর্বজনীন ফর্ম রয়েছে :সকলের জন্য (ওয়েলেক, অধ্যায় 7)$|\Delta|$$k$$H_{0}^{-}: |\theta_{i} = \theta_{j}|\ge \Delta;$$i,j \in \{1, 2, \dots k\};$ $\text{ and }i\ne j$

খুব করতে শীতল জিনিস একত্রিত সমানতা জন্য পরীক্ষার সঙ্গে পার্থক্য জন্য পরীক্ষা। এটিকে প্রাসঙ্গিকতা পরীক্ষা বলা হয় এবং এটি টেস্টের বর্ণনায় বিশদ হিসাবে পরিসংখ্যানগত শক্তি এবং প্রভাব আকার উভয়কেই পরীক্ষা থেকে প্রাপ্ত সিদ্ধান্তের মধ্যে স্পষ্টভাবে রাখে [tost]। বিবেচনা করুন: আপনি যদি reject reject প্রত্যাখ্যান করেন তবে এটি যেহেতু আপনাকে প্রাসঙ্গিক বলে মনে হচ্ছে এমন কোনও আকারের সত্যিকারের প্রভাব রয়েছে? বা এটি কি কারণ আপনার নমুনার আকারটি এতটাই বড় ছিল যে আপনার পরীক্ষাটি বেশি শক্তি চালিত হয়েছিল? এবং যদি আপনি reject প্রত্যাখ্যান করতে ব্যর্থ হন তবে এটি কোনও সত্য প্রভাব নেই বলে বা আপনার নমুনার আকার খুব ছোট ছিল এবং আপনার পরীক্ষাটি বিদ্যুৎ দ্বারা চালিত? প্রাসঙ্গিক পরীক্ষাগুলি এই বিষয়গুলিকে শিরোনাম address এইচ + $H_{0}^{+}$$H_{0}^{+}$

সমতার জন্য পরীক্ষা করার কয়েকটি উপায় রয়েছে (পার্থক্যের জন্য পরীক্ষার সাথে কেউ মিলিত হচ্ছে কি না):

• দুটি একতরফা পরীক্ষা (টোস্ট) উপরের মত প্রকাশিত সাধারণ নেতিবাচক নাল অনুমানকে দুটি নির্দিষ্ট একতরফা নাল হাইপোথিসিতে অনুবাদ করে:
  • এইচ - 01 : θ 1 - θ 2 ≥ $H^{-}_{01}: \theta - \theta_{0} \ge \Delta$ (এক-নমুনা) বা (দ্বি-নমুনা)$H^{-}_{01}: \theta_{1} - \theta_{2} \ge \Delta$
  • এইচ - 01 : θ 1 - θ 2 ≤ - $H^{-}_{02}: \theta - \theta_{0} \le -\Delta$ (এক-নমুনা) বা (দ্বি-নমুনা)$H^{-}_{01}: \theta_{1} - \theta_{2} \le -\Delta$
• সমতার জন্য অভিন্নভাবে সবচেয়ে শক্তিশালী পরীক্ষা, যা টোস্টের চেয়ে গাণিতিকভাবে পরিশীলিত হতে থাকে। ওয়েল্লেক এগুলির জন্য সুনির্দিষ্ট রেফারেন্স।
• একটি আত্মবিশ্বাসের ব্যবধানের ব্যবস্থায় আমি বিশ্বাস করি যে প্রথমে শিউরমন দ্বারা অনুপ্রাণিত হয়েছিল এবং ট্রাইনের মতো অন্যরা পরিমার্জন করেছেন।

রেফারেন্স রিগেল, ডিপি এবং বিনোদ, এইচডি (2003)। সংখ্যাগতভাবে গণনা করা প্রত্যাখ্যান অঞ্চলগুলি ব্যবহার করে নেতিবাবাদী তত্ত্বের জন্য অনুক্রম । গণনা সংক্রান্ত পরিসংখ্যান এবং ডেটা বিশ্লেষণ , 42 (3): 491–512।

শিউরমান, ডিএ (1987)। দুটি একতরফা পরীক্ষা পদ্ধতি এবং গড় জৈব উপলব্ধতার সমতুল্যতা মূল্যায়নের জন্য পাওয়ার পদ্ধতির একটি তুলনা । ফার্মাকোকাইনেটিক্স এবং বায়োফার্মাটিকস জার্নাল , 15 (6): 657–680।

ট্রিওন, ডাব্লুডাব্লু এবং লুইস, সি। (২০০৮)। ট্র্যাওনের (2001) হ্রাসের কারণকে সংশোধন করে এমন পরিসংখ্যানগত সমতুল্যতা প্রতিষ্ঠার একটি অনন্য আত্মবিশ্বাসের অন্তর্বর্তী পদ্ধতি । মানসিক পদ্ধতি , 13 (3): 272-2277।

ট্রিওন, ডাব্লুডাব্লু এবং লুইস, সি। (২০০৯)। অনন্য আত্মবিশ্বাসের অন্তরগুলি ব্যবহার করে পরিসংখ্যানগত পার্থক্য, সমতা, অনিশ্চিততা এবং তুচ্ছ পার্থক্যের জন্য স্বতন্ত্র অনুপাতের মূল্যায়ন । শিক্ষাগত ও আচরণগত পরিসংখ্যান জার্নাল , 34 (2): 171–189।

ওয়েলেক, এস। (2010) সাম্য এবং অহীনতার পরিসংখ্যান অনুমানের পরীক্ষা করা । চ্যাপম্যান এবং হল / সিআরসি প্রেস, দ্বিতীয় সংস্করণ।

Comments

যে আমাকে নীচে ভোট দিয়েছে তাকে কেন এই সম্পর্কে কিছু প্রতিক্রিয়া জানানো উচিত: এটি স্পষ্ট হওয়া উচিত যে আমি বিস্তারিত উত্তর সরবরাহ করেছি এবং ইনপুটটিতে প্রতিক্রিয়াশীল।

— অ্যালেক্সিস

Answer 3

আপনি পরিসংখ্যান কোর্সে শেখানো স্ট্যান্ডার্ড ইনফারেন্স অনুশীলন উল্লেখ করছেন:

1. গঠন$H_0,H_a$
2. তাত্পর্য স্তর সেট করুন$\alpha$
3. পি-মানটি সাথে তুলনা করুন$\alpha$
4. হয় " প্রত্যাখ্যান করুন, গ্রহণ " বা " প্রত্যাখ্যান করতে ব্যর্থ "এইচ একটি এইচ $H_0$$H_a$$H_0$

এটি ভাল, এবং এটি ব্যবহারে ব্যবহার করা হয়। আমি এমনকি অনুমান করতে চাই যে এই পদ্ধতিটি কিছু নিয়ন্ত্রিত শিল্প যেমন ওষুধগুলিতে বাধ্যতামূলক হতে পারে।

যাইহোক, গবেষণা এবং অনুশীলনে এই একমাত্র উপায় পরিসংখ্যান এবং অনুমান প্রয়োগ করা হয় না। উদাহরণস্বরূপ, এই কাগজটি একবার দেখুন : "এলএইচসি-তে আটলাস সনাক্তকারীর সাথে স্ট্যান্ডার্ড মডেল হিগস বোসনের সন্ধানে একটি নতুন কণার পর্যবেক্ষণ"। এই কাগজটি হিগস বোসনের অস্তিত্বের প্রমাণ উপস্থাপিত হয়েছিল, তথাকথিত আটলাস পরীক্ষায়। এটি সেই সমস্ত কাগজপত্রগুলির মধ্যে একটিও ছিল যেখানে লেখকের তালিকাগুলি তার আসল সামগ্রী হিসাবে দীর্ঘ)

• কাগজে বা কোনও উল্লেখ নেই । "হাইপোথিসিস" শব্দটি ব্যবহৃত হয়েছে এবং আপনি অনুমান করতে পারেন যে তাদের পড়ছিল।এইচ একটি এইচ $H_0$$H_a$$H_0$
• তারা "তাত্পর্য" শব্দটি ব্যবহার করে তবে "স্ট্যান্ডার্ড" অনুসারে pha -গুরুত্বের প্রান্তিক হিসাবে নয় । তারা স্ট্যান্ডার্ড বিচ্যুতির মধ্যে কেবল দূরত্বটি প্রকাশ করে, যেমন "এমএইচ = 125 জিভের জন্য পর্যবেক্ষণ করা স্থানীয় তাত্পর্যগুলি 2.7 "$\alpha$$\sigma$
• তারা "কাঁচা" পি-মানগুলি উপস্থাপন করে এবং তা "প্রত্যাখ্যান / প্রত্যাখ্যান করতে ব্যর্থ" তাত্পর্যপূর্ণ স্তরের সাথে তুলনা করে না , যেমনটি আমি আগে লিখেছি তারা এমনকি পরে ব্যবহার করে না$\alpha$
• তারা স্বাভাবিক আত্মবিশ্বাসের স্তরে যেমন আত্মবিশ্বাসের ব্যবধানগুলি উপস্থাপন করে যেমন 95%

উপসংহারটি কীভাবে প্রণীত হয় তা এখানে: "এই ফলাফলগুলি 126.0 ± 0.4 (স্ট্যাট) ± 0.4 (সিএস) জিভিভ সহ একটি নতুন কণা আবিষ্কারের জন্য চূড়ান্ত প্রমাণ সরবরাহ করে।" "স্ট্যাট" শব্দের অর্থ পরিসংখ্যানগত এবং "সিস্ট" নিয়মতান্ত্রিক অনিশ্চয়তার প্রতি বোঝায়।

সুতরাং, আপনি যেমনটি দেখেন না যে এই উত্তরটির শুরুতে আমি উল্লিখিত চারটি পদক্ষেপের প্রক্রিয়াটি করে। এখানে, গবেষকরা পরিসংখ্যান শ্রেণিতে যা শেখানো হয় তার বিপরীতে প্রান্তিক স্থাপন না করেই পি-মান দেখায়- দ্বিতীয়ত, তারা "প্রত্যাখ্যান / প্রত্যাখ্যান করতে ব্যর্থ" নাচ না করে, অন্তত আনুষ্ঠানিকভাবে। তারা তাড়া করে কাটায়, এবং বলে যে "এখানে পি-মান রয়েছে, এবং সে কারণেই আমরা বলি যে আমরা 126 জিভিভ ভর সহ একটি নতুন কণা পেয়েছি।"

গুরুত্বপূর্ণ তথ্য

হিগস পত্রিকার লেখকরা এখনও হিগস বোসন ঘোষণা করেন নি। তারা কেবলমাত্র দৃserted়ভাবে জানিয়েছিল যে নতুন কণা পাওয়া গেছে এবং এর কিছু বৈশিষ্ট্য যেমন ভর যেমন হিগস বোসনের সাথে সামঞ্জস্যপূর্ণ।

কণাটি হিগস বোসন হ'ল এটি প্রতিষ্ঠিত হওয়ার আগে অতিরিক্ত প্রমাণ সংগ্রহ করতে কয়েক বছর সময় লেগেছিল। ফলাফলগুলির প্রাথমিক আলোচনার সাথে এই ব্লগ পোস্টটি দেখুন । পদার্থবিদরা শূন্য স্পিনের মতো বিভিন্ন বৈশিষ্ট্য পরীক্ষা করতে গিয়েছিলেন। এবং যখন প্রমাণগুলি এক পর্যায়ে সংগ্রহ করা হয়েছিল তখন সিইআরএন ঘোষণা করেছিল যে কণা হিগস বোসন।

এটা কেন গুরুত্বপূর্ণ? কারণ কিছু কঠোর পরিসংখ্যান সূচনার পদ্ধতিতে বৈজ্ঞানিক আবিষ্কারের প্রক্রিয়াটিকে তুচ্ছ করা অসম্ভব। পরিসংখ্যানগত অনুমান শুধুমাত্র একটি সরঞ্জাম ব্যবহৃত হয়।

যখন সিইআরএন এই কণাটির সন্ধান করছিল তখন প্রথমে এটি সন্ধান করার দিকে ফোকাস ছিল। এটি ছিল চূড়ান্ত লক্ষ্য। পদার্থবিজ্ঞানের ধারণা ছিল কোথায় তাকান। তারা যখন কোনও প্রার্থী খুঁজে পেয়েছিল, তারা এটিই প্রমাণ করার দিকে মনোনিবেশ করেছিল। অবশেষে, পি-মান এবং তাত্পর্য সহ একক পরীক্ষা নয়, প্রমাণের সামগ্রিকতা সকলকে নিশ্চিত করেছিল যে আমরা কণাটি পেয়েছি। এখানে পূর্বের সমস্ত জ্ঞান এবং মানক মডেল অন্তর্ভুক্ত করুন । এটি কেবল একটি পরিসংখ্যানগত অনুমান নয়, বৈজ্ঞানিক পদ্ধতিটি এর চেয়েও বিস্তৃত।

Comments

বাহ, আপনার উত্তর দুর্দান্ত! এটি সত্যিই একটি ভাল উদাহরণ। আমি আশা করি যে সর্বোচ্চ 10 বছরে জীবন বিজ্ঞানীরাও এই প্রতিবেদনের স্টাইলে আসবেন!

— জার্মান ডেমিডভ

Answer 4

এটির কাছে যাওয়ার উপায় রয়েছে যা পাওয়ার গণনাগুলির উপর নির্ভর করে না (দেখুন ওয়েলেক, ২০১০)। বিশেষত, আপনি পরীক্ষাটি পরীক্ষা করতে পারেন যে আপনি নালটিকে প্রত্যাখ্যান করছেন কিনা যে প্রভাবটি একটি অগ্রণী অর্থপূর্ণ মাত্রার।

ড্যানিয়েল লাকেন্স সমতুল্য পরীক্ষার জন্য এই পরিস্থিতিতে আইনজীবী। বিশেষ ব্যবহারসমূহ "এ Lakens TOST গড় তুলনা জন্য" (দুই একতরফা পরীক্ষা), কিন্তু সেখানে অন্য কোন উপায়ে একই ধারণা এ পেতে চলেছেন।

টোস্টে আপনি একটি যৌগিক নাল পরীক্ষা করেন: একতরফা নাল অনুমান যে আপনার প্রভাব স্বল্পতম নেতিবাচক পার্থক্যের চেয়ে বেশি নেতিবাচক এবং নাল যে আপনার প্রভাব আগ্রহের ক্ষুদ্রতম ইতিবাচক পার্থক্যের চেয়ে বেশি ইতিবাচক। যদি আপনি উভয়ই প্রত্যাখ্যান করেন তবে আপনি দাবি করতে পারেন যে কোনও অর্থবহ পার্থক্য নেই। মনে রাখবেন যে প্রভাবটি শূন্যের থেকে উল্লেখযোগ্যভাবে আলাদা হলেও এটি ঘটতে পারে তবে কোনও ক্ষেত্রেই এটি নালকে সমর্থন করার প্রয়োজন হয় না।

লাকেন্স, ডি (2017)। ইক্যুভ্যালেন্স পরীক্ষা: টি টেস্ট, পারস্পরিক সম্পর্ক এবং মেটা-বিশ্লেষণের জন্য একটি ব্যবহারিক প্রাইমার । সামাজিক মনস্তাত্ত্বিক এবং ব্যক্তিত্ব বিজ্ঞান , 8 (4), 355-362।

ওয়েলেক, এস। (2010) সাম্য এবং অহীনতার পরিসংখ্যান অনুমানের পরীক্ষা করা । চ্যাপম্যান এবং হল / সিআরসি প্রেস, দ্বিতীয় সংস্করণ।