Poniższy fragment pochodzi z wpisu: Jakie są różnice między testami jednostronnymi i dwustronnymi? , na stronie pomocy dotyczącej statystyk UCLA.
... rozważ konsekwencje pominięcia efektu w innym kierunku. Wyobraź sobie, że opracowałeś nowy lek, który Twoim zdaniem stanowi ulepszenie w stosunku do istniejącego leku. Chcesz zmaksymalizować swoją zdolność do wykrycia poprawy, więc zdecyduj się na jednostronny test. W ten sposób nie testujesz możliwości, że nowy lek jest mniej skuteczny niż istniejący lek.
Po zapoznaniu się z absolutnymi podstawami testowania hipotez i przejściu do części o testach jeden na dwóch ogoniastych ... Rozumiem podstawową matematykę i zwiększoną zdolność wykrywania testów jednoetapowych itp. Ale po prostu nie mogę owinąć głowy wokół jednej rzeczy ... Jaki jest sens? Naprawdę nie rozumiem, dlaczego powinieneś podzielić swoją alfa na dwie skrajności, kiedy twój próbka jest wynikiem tylko jednego lub drugiego, albo żadnego.
Weź przykładowy scenariusz z cytowanego powyżej tekstu. Jak możesz „nie przetestować” wyniku w przeciwnym kierunku? Masz na myśli swoją próbkę. Masz na myśli swoją populację. Prosta arytmetyka mówi ci, która jest wyższa. Co jest do przetestowania lub nie do przetestowania w przeciwnym kierunku? Co Cię powstrzymuje, gdy zaczynasz od zera z hipotezą przeciwną, jeśli wyraźnie widzisz, że średnia próbki jest daleko w innym kierunku?
Kolejny cytat z tej samej strony:
Wybór testu jednostronnego po uruchomieniu testu dwustronnego, który nie odrzucił hipotezy zerowej, nie jest właściwy, bez względu na to, jak „zbliżony” do znaczącego był test dwustronny.
Zakładam, że dotyczy to również zmiany polaryzacji testu jednostronnego. Ale w jaki sposób ten „udokumentowany” wynik jest mniej ważny, niż gdybyś po prostu wybrał właściwy test jednostronny?
Najwyraźniej brakuje mi tutaj dużej części zdjęcia. To wszystko wydaje się zbyt arbitralne. Który jest, jak sądzę, w tym sensie, że to, co oznacza „statystycznie znaczące” - 95%, 99%, 99,9%… jest na początku arbitralne.