Czy powinienem zgłaszać wiarygodne przedziały zamiast przedziałów ufności?


9

Po natknięciu się na tę koncepcję w podręczniku statystycznym, próbowałem ją owinąć głową i ostatecznie doszedłem do wniosku, który wydaje się pasować do wszystkich wyjaśnień, które do tej pory widziałem: wiarygodny przedział jest tym, co statystycy uważają za pewną interwał wynosi.


Dygresja dla osób takich jak ja sprzed godziny, które nie znają różnicy

Jeśli zaobserwowaliśmy dane i przewidzieliśmy z nich jakiś parametr, powiedzmy średnią μ, wiarygodny przedział to przedział [μmin, μmax]dla których jesteśmy w 95% pewni, że mu mieści się w środku (lub pewna liczba inna niż 95%, jeśli użyliśmy innego poziomu). Przedział ufności nauczany w klasach statystyki wprowadzającej może pokrywać się z przedziałem wiarygodności, ale nie zawsze będzie się dobrze nakładał. Jeśli chcesz odważnie wyjaśnić, spróbuj przeczytać to i to pytanie w Cross Validated; to, co pomogło mi w końcu zrozumieć, po wielu podrapaniach w głowę, była ta odpowiedź .


Czy to oznacza, że ​​naukowo lepiej byłoby zastosować wiarygodny przedział niż przedział ufności w moich wynikach? Jeśli tak, dlaczego nie widziałem żadnych publikacji, które z niego korzystają?

  • Czy dlatego, że należy zastosować tę koncepcję , ale naukowcy zajmujący się pomiarami jeszcze nie dogonili właściwych metod statystycznych?
  • Czy też znaczenie pierwotnego przedziału ufności lepiej nadaje się do wyjaśnienia wyników badań empirycznych?
  • A może w praktyce tak często się pokrywają, że nie ma to żadnego znaczenia?
  • Czy wybór zależy od rozkładu statystycznego, który zakładamy dla naszych danych? Może z rozkładem Gaussa zawsze pokrywają się liczbowo, więc nikt poza czystą statystyką nie dba o różnicę (wiele badań, które przeczytałem, nawet nie zadaje sobie trudu, aby obliczyć dowolny przedział, a może około 1% kiedykolwiek daje miejsce na myśl że ich dane mogą nie być normalnie dystrybuowane).
  • Czy to zależy od naszej pozycji w teorii naukowej? Na przykład wydaje się, że przedział ufności powinien być stosowany w pracy pozytywistycznej, a wiarygodny przedział w pracy interpretatywistycznej, ale nie jestem pewien, czy to uczucie jest prawidłowe.

Przedziały ufności dotyczą częstych i wiarygodnych przedziałów dla podejścia bayesowskiego. „dlaczego nie widziałem żadnych publikacji, które z niego korzystają?” jest ich dużo (Bayesian)
Theta30

5
Na dzień dzisiejszy jest 154 artykułów na temat PubMed, w których wspomniano o przedziale wiarygodności i 489, w których wspomniano o przedziale wiarygodności . Nie są one tak częste, jak przedział ufności (179811 artykułów i ich liczenie), ale dzieje się tak po prostu dlatego, że dominującym podejściem jest częste podejście. I tak, wiarygodny interwał brzmi niesamowicie, ale jest to prawdą tylko wtedy, gdy poprzednia dystrybucja jest poprawnie określona. Wszystkie diabły są w założeniach.
Penguin_Knight

Być może nadal mam pomieszane terminy, ale w moim podręczniku autor sugeruje użycie wiarygodnego przedziału przy szacowaniu średniej danych dwumianowych przy użyciu oszacowania maksymalnego prawdopodobieństwa na podstawie statystyki testowej pochodzącej od błędów standardowych. I myślę, że jest to częste podejście. Czy może istnieć różnica między przedziałem wiarygodności a przedziałem ufności „rzeczywistego prawdopodobieństwa pokrycia”?
rumtscho

Odpowiedzi:


4

Rodzaj interwału wskazuje, jakiego rodzaju metody użyłeś. Jeśli wiarygodny przedział (lub wariant bayesowski), oznacza to, że zastosowano metodę bayesowską. Jeśli przedział ufności, zastosowano metodę częstokierunkową.

Re: A może w praktyce tak często się pokrywają, że to nie ma żadnego znaczenia? Tak długo jak

  • warunki stosowania metod są racjonalnie spełnione (np. „niezależność obserwacji” jest wymagana dla wielu metod),
  • metoda bayesowska nie używa informacyjnego uprzedniego,
  • próbka, która nie jest bardzo mała, i
  • modele / metody są analogiczne,

wiarygodne i przedziały ufności będą blisko siebie. Powód: prawdopodobieństwo zdominuje przeora Bayesa, a prawdopodobieństwo jest zwykle stosowane w metodach częstych.

Sugerowałbym nie przejmować się tym, którego użyć. Jeśli chcesz uzyskać informacje z wyprzedzeniem, pamiętaj o zastosowaniu metody bayesowskiej. Jeśli nie, wybierz odpowiednią metodę i kontekst (częsty lub bayesowski), sprawdź, czy warunki wymagane do zastosowania metody są odpowiednio spełnione (tak ważne, ale tak rzadko wykonywane!), A następnie przejdź do przodu, jeśli metoda jest odpowiednia dla rodzaj danych.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.