To jest moja osobista opinia, więc nie jestem pewien, czy właściwie kwalifikuje się jako odpowiedź.
Dlaczego powinniśmy uczyć testowania hipotez?
Krótko mówiąc, jednym z bardzo ważnych powodów jest to, że najprawdopodobniej w czasie, gdy zajmie Ci to przeczytanie tego zdania, setki, jeśli nie tysiące (lub miliony) testów hipotez przeprowadzono w promieniu 10 stóp od miejsca, w którym siedzisz.
Twój telefon komórkowy zdecydowanie używa testu współczynnika prawdopodobieństwa, aby zdecydować, czy znajduje się w zasięgu stacji bazowej. Sprzęt WiFi twojego laptopa robi to samo w komunikacji z routerem.
Kuchenka mikrofalowa, której użyłeś do automatycznego podgrzania tego dwudniowego kawałka pizzy, posłużyła się testem hipotez, aby ustalić, kiedy pizza jest wystarczająco gorąca.
System kontroli trakcji samochodu uruchomił się, gdy dałeś mu zbyt dużo gazu na oblodzonej drodze, lub system ostrzegania o ciśnieniu w oponach informuje Cię, że twoja tylna opona po stronie pasażera była nienormalnie niska, a reflektory włączały się automatycznie około 5: 19.00 zapadał zmierzch.
Twój iPad wyświetla tę stronę w formacie poziomym na podstawie (głośnych) odczytów akcelerometru.
Twoja firma wydająca karty kredytowe wyłączyła kartę, gdy „kupiłeś” telewizor z płaskim ekranem w Best Buy w Teksasie i pierścionek z brylantem o wartości 2000 USD w Zales w centrum handlowym w stanie Waszyngton w ciągu kilku godzin od zakupu lunchu, gazu i filmu blisko twojego domu na przedmieściach Pittsburgha.
Setki tysięcy bitów wysłanych w celu renderowania tej strony w przeglądarce osobno przeszły test hipotez, aby ustalić, czy najprawdopodobniej były to 0, czy 1 (oprócz niesamowitej korekcji błędów).
Spójrz trochę w prawo na te „powiązane” tematy.
Wszystkie te rzeczy „wydarzyły się” dzięki testom hipotez . Dla wielu z tych rzeczy można obliczyć oszacowanie interwału jakiegoś parametru. Ale, szczególnie w przypadku zautomatyzowanych procesów przemysłowych, zastosowanie i zrozumienie testowania hipotez ma kluczowe znaczenie.
Na bardziej teoretycznym poziomie statystycznym ważna koncepcja władzy statystycznej wynika raczej naturalnie z ram teoretycznych / testujących hipotezę. Ponadto uważam, że „nawet” czysty matematyk może docenić piękno i prostotę lematu Neymana-Pearsona i jego dowód.
Nie oznacza to, że testowanie hipotez jest dobrze nauczane lub rozumiane. Zasadniczo tak nie jest. I chociaż zgodziłbym się, że - szczególnie w naukach medycznych - raportowanie szacunków interwałowych wraz z wielkościami efektów i pojęciami istotności praktycznej vs. statystycznej są prawie ogólnie lepsze niż jakiekolwiek formalne testy hipotez, nie oznacza to, że testowanie hipotez i powiązane koncepcje same w sobie nie są ważne i interesujące.