Cześć,
strona na której znalazłeś się, została gruntownie zmieniona. Jeśli Twoje zainteresowanie nadal koncentruje się na testowaniu hipotez, to zapraszam Cię do przeczytania całej serii postów na temat klasycznego testowania hipotez. Zacznij od podsumowującego posta o mechanice testów statystycznych.
Elementami tego testowania są: statystyka testowa, p-wartość i błędu obu rodzajów. Ostatnio modna zrobiła analiza mocy. Nie zapomnij przeczytać, czym jest istotność statystyczna, aby nie wpaść w pułapkę scalenia istotności rzeczywistej z tą statystyczną. W tym celu coraz częściej sięga się wykorzystuje się wielkość efektu.
Więcej pojęć statystycznych znajdziesz w spisie treści.
Rozgość się i delektuj wiedzą statystyczną :-)
2 komentarze:
Warto zaznaczyć, że - pomimo znacznej krytyki NHST, sprawdza się ona w przypadku badań, do których została "stworzona"- randomizowanych (gdy to zasadne), kontrolowanych (pod kątem confounderów i przestrzegania protokołu oraz reprezentatywności próbkowania), replikowalnych, projektowanych (trial design: moc i trial-wise błąd 1 rodzaju), zdefiniowanych a priori (hipotezy, metody statystyczne, procedury alternatywne) badań eksperymentalnych, szczególnie dla których zdefiniowano " istotność praktyczną", tj. Najmniejszy dziedzinowo znaczący efekt (smallest meaningful effect), np. MCID (minimal clinically important difference). Pytanie - a gdzie to się stosuje? W badaniach klinicznych typu RCT. Podejście częstościowe jest tutaj absolutnie wiodące i uznawane za standard, pomimo "listów 500 naukowców wzywających do jego porzucenia, itd). Owszem, podejście Bayesowskie jest tu stosowane (np. Szczepionka Pfizera), ale rzadko, raczej na etapie planowania badania (analizowanego potem i tak częstościowo). I tutaj p-value, w ujęciu NHST, działa OK, zwłaszcza w połączeniu z wymogami FDA odnośnie 2 stat. istotnych badań. I tylko tutaj - w badaniach obserwacyjnych staje się ono najwyżej użyteczne jako ciągła miara zgodności danych z H0. Tu powinna być stosowana estymacja przedziałowa (choć przecież zawiera też istotność w sobie) i miary efektu (też bardzo niedoskonałe). Pamiętajmy także o genetyce - metody badania nadekspresji genów, takie jak GSEA, wykorzystują szereg (skorygowanych) t-statystyk, których całkową transformacją jest właśnie p.
Bardzo dziękuję za bardzo wartościowy komentarz :-) pozdrowienia LiliJK
Prześlij komentarz