Pytania otagowane jako type-i-and-ii-errors

Typ I: odrzucanie hipotezy zerowej, gdy jest prawdziwa. Typ II: nie odrzucanie hipotezy zerowej, gdy alternatywa jest prawdziwa.

30
Czy istnieje sposób na zapamiętanie definicji błędów typu I i typu II?
Z wykształcenia nie jestem statystykiem, jestem inżynierem oprogramowania. Jednak statystyki pojawiają się bardzo często. W rzeczywistości pytania dotyczące błędu typu I i typu II pojawiają się bardzo często w trakcie moich studiów do certyfikowanego stowarzyszenia Software Development Associate (matematyka i statystyka to 10% egzaminu). Zawsze mam problem z prawidłowymi definicjami …


6
Czy „hybryda” między podejściem Fishera i Neymana-Pearsona do testów statystycznych jest rzeczywiście „niespójnym miszmaszem”?
Istnieje pewna szkoła myślenia, zgodnie z którą najbardziej rozpowszechnionym podejściem do testowania statystycznego jest „hybryda” między dwoma podejściami: podejściem Fishera i podejściem Neymana-Pearsona; te dwa podejścia, jak głosi twierdzenie, są „niezgodne”, a zatem wynikowa „hybryda” jest „niespójnym miszmaszem”. Podam poniżej bibliografię i kilka cytatów, ale na razie wystarczy powiedzieć, że …


3
Jak i kiedy korzystać z dopasowania Bonferroni
Mam dwa pytania dotyczące tego, kiedy użyć korekty Bonferroni: Czy właściwe jest zastosowanie korekty Bonferroni we wszystkich przypadkach wielokrotnego testowania? Jeśli ktoś przeprowadza test na zestawie danych, dzieli go na dokładniejsze poziomy (np. Dzieli dane według płci) i wykonuje te same testy, jak to może wpłynąć na liczbę postrzeganych testów …

2
FPR (współczynnik fałszywie dodatnich wyników) vs FDR (odsetek fałszywych wyników wyszukiwania)
Poniższy cytat pochodzi ze słynnego artykułu badawczego Znaczenie statystyczne dla badań całego genomu Storey i Tibshirani (2003): Na przykład fałszywie dodatni wskaźnik wynoszący 5% oznacza, że ​​średnio 5% prawdziwie zerowych cech w badaniu zostanie nazwanych znaczącymi. FDR (wskaźnik fałszywych odkryć) wynoszący 5% oznacza, że ​​spośród wszystkich funkcji nazywanych znaczącymi, 5% …

4
Jakie są prawidłowe wartości precyzji i przywołania w przypadkach krawędzi?
Precyzja jest zdefiniowana jako: p = true positives / (true positives + false positives) Czy jest to prawidłowe, że, jak true positivesi false positivespodejście 0, precyzja zbliża 1? To samo pytanie do przypomnienia: r = true positives / (true positives + false negatives) Obecnie wdrażam test statystyczny, w którym muszę …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

3
Negatywno-dwumianowy GLM vs. transformacja logów dla danych zliczania: zwiększony poziom błędu typu I.
Niektórzy z was mogli przeczytać ten miły artykuł: O'Hara RB, Kotze DJ (2010) Nie log-transform danych zliczania. Metody w ekologii i ewolucji 1: 118–122. klick . W mojej dziedzinie badań (ekotoksykologia) mamy do czynienia ze słabo powielonymi eksperymentami, a GLM nie są szeroko stosowane. Zrobiłem więc podobną symulację jak O'Hara …

3
Opcjonalne reguły zatrzymywania, których nie ma w podręcznikach
Reguły zatrzymania wpływają na związek między wartościami P a wskaźnikami błędów związanymi z decyzjami. Niedawny artykuł Simmonsa i in. W 2011 r . Termin „ stopnie swobody badacza” opisuje zbiór zachowań, które uważają za odpowiedzialne za wiele raportów w literaturze psychologicznej, które okazały się nie do odtworzenia. Spośród tych zachowań …

2
Jak rygorystycznie uzasadnić wybrane fałszywie dodatnie / fałszywie ujemne poziomy błędu i leżący u ich podstaw stosunek kosztów?
Kontekst Grupa naukowców i statystów ( Benjamin i in., 2017 ) niedawno zasugerowała, że ​​typowy współczynnik fałszywie dodatnich ( = 0,05) stosowany jako próg dla określenia „istotności statystycznej” musi zostać dostosowany do bardziej konserwatywnego progu ( = .005). Konkurencyjna grupa naukowców i statystyk ( Lakens i in., 2018 ) odpowiedziała, …

1
Ogólny błąd typu I podczas wielokrotnego testowania gromadzących dane
Mam pytanie dotyczące grupowych metod sekwencyjnych . Według Wikipedii: W randomizowanym badaniu z dwiema grupami leczenia stosuje się klasyczne sekwencyjne badanie grupowe w następujący sposób: Jeśli dostępnych jest n osobników w każdej grupie, przeprowadzana jest analiza tymczasowa na 2 osobach. Analizę statystyczną przeprowadza się w celu porównania dwóch grup, a …


2
Zrozumienie Gelman & Carlin „Beyond Power Calculations:…” (2014)
Czytam Gelman & Carlin „Beyond Power Calculations: Assessment Type S (Sign) and Type M (Magnitude) Errors” (2014). Próbuję zrozumieć główną ideę, główne podejście, ale jestem zdezorientowany. Czy ktoś mógłby pomóc mi wydestylować esencję? Papier wygląda mniej więcej tak (jeśli dobrze to zrozumiałem). Badania statystyczne w psychologii są często nękane przez …

3
Czy prawdopodobieństwo błędów typu I i II jest ujemnie skorelowane?
W klasie statystycznej elementarnej, dla której byłem TA, profesor stwierdził, że wraz ze wzrostem prawdopodobieństwa błędu typu I maleje prawdopodobieństwo błędu typu II , a odwrotność jest prawdziwa. To sugeruje mi, że .αα\alphaββ\betaρα,β&lt;0ρα,β&lt;0\rho_{\alpha, \beta} < 0 Ale jak to udowodnić w ramach ogólnego testu hipotez? Czy to stwierdzenie jest w …


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.