P-değerlerinin Eleştirisi – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
P-değerlerinin Eleştirisi ve Hipotez Testleri
“Küçük” bir p-değeri, H0’ın doğru olduğu varsayımı altında, gözlemlenen kadar veya daha uç bir sonucun olası olmadığı anlamına gelir. Böyle bir bulguyu H0 aleyhine kanıt olarak yorumluyoruz, ancak bu, H1 lehine kanıt bulunduğunu söylemekle aynı şey değil.
Bu ayrımı yapmanın nedeni, p-değerinin yalnızca H0 açısından tanımlanması ve dolayısıyla H0 ile H1 arasında açık bir kontrast oluşturmamasıdır. Sezgisel olarak, bir sonucun olası mı yoksa olası olarak mı görülmesi gerektiğine ilişkin bir kararın, diğer olası sonuçlarla doğrudan bir karşılaştırmaya bağlı olması gerektiği görülmektedir. Bu karşılaştırmalı özellik, p değerinde eksiktir.
Bu nedenle ve diğerleri için, p değeri bazı yazarlar tarafından zayıf bir “kanıt” ölçütü olarak kabul edilir (Goodman ve Royall, 1988; Goodman, 1993; Schervish, 1996). Bu sorunu ortadan kaldıran bir yaklaşım, çıkarımsal prosedürleri olasılık oranına dayandırmaktır.
Bu miktar, H0’ın doğru olduğu varsayımı altında gözlemlenen verilerin olasılığının H1’in doğru olduğu varsayımı altında karşılık gelen olasılığa bölünmesiyle elde edilen bölüm olarak tanımlanır.
Olasılık oranı yöntemleri, bu kitabın kapsamı dışındaki hususları içerir ve bu nedenle, olasılık oranı testleri dışında, istatistiksel çıkarıma yönelik bu yaklaşım daha fazla dikkate alınmayacaktır.
Epidemiyolojik perspektiften, p-değerlerinin klasik kullanımıyla ilgili bir başka sorun da, bunların geleneksel olarak ya hep ya hiç kararlarına yönelik olmalarıdır: p değerinin büyüklüğüne ve üzerinde mutabık kalınan α’ya dayanarak, H0 ya reddedilir.
Epidemiyolojide, veri analizine yönelik bu yaklaşım genellikle gereksizdir çünkü tek bir epidemiyolojik çalışmadan elde edilen bulgular nadiren, hiç değilse kesin değildir. Daha ziyade, epidemiyolojik araştırmaya dayalı bilginin ilerlemesi birikimli olma eğilimindedir ve her ek çalışma, anlayışımıza adım adım katkıda bulunur.
Epidemiyolojik çalışmalar sık olmamakla birlikte çelişkili sonuçlar üretir ve araştırma bulgularının değerlendirilmesini çok daha zor hale getirir. Bu belirsizlikler göz önüne alındığında, epidemiyolojide genellikle sadece bir parametrenin gerçek değerinin varsayılmış bir değere eşit olup olmadığı ile değil, daha da önemlisi, parametre için makul değer aralığının ne olduğu ile ilgileniyoruz.
Güven aralıkları bu tür bilgileri sağlar. Son yıllarda epidemiyolojik literatür, p-değerlerinin eleştirisi haline geldi ve güven aralıklarının kullanımına giderek daha fazla vurgu yaptı. Bu endişelere rağmen, hipotez testleri ve p değerleri epidemiyolojik verilerin analizinde ortak kullanımdadır ve bu nedenle bu çalışmada gerekli dikkate alınmıştır.
P değeri 0.05 eşitse
P değeri hesaplama
Ki-kare p değeri
Hipotez testi p değeri
İstatistik sonuçlarının yorumu p değeri ve güven aralığı nedir
spss – p değeri hesaplama
P-value
Normal dağılımda p değeri
Güven Aralığı
Α bir tip I hatanın olasılığı olsun ve H0: π = π0 boş hipotezini test etmek için verilen bir yöntemi düşünün. A (1 – α) × π için% 100 güven aralığı, H0 reddedilmeyecek şekilde tüm π0 parametre değerlerinin kümesi olarak tanımlanır. Başka bir deyişle, güven aralığı, çalışma verileriyle tutarlı olan tüm π0 kümesidir (belirli bir α seçimi için).
Bu tanıma göre, tam ve asimptotik yöntemler gibi sıfır hipotezini test etmenin farklı yöntemlerinin genellikle biraz farklı güven aralıklarına yol açacağını unutmayın. Bu şekilde bir güven aralığı elde etme süreci, hipotez testini tersine çevirmek olarak adlandırılır. Örnek 3.1’de “veri” a = 2 ve r = 10’dan oluşur. İkiye katlama yöntemine dayalı olarak, H0: π0 = .4’ün kesin testi, iki taraflı bir .334 p değeri ile sonuçlandı. Tanım gereği .4, sıfır hipotezi H0: π = .4 reddedilmediğinde π için tam (1 – α) ×% 100 güven aralığı içindedir ve bu, p değeri α’dan büyük olduğunda meydana gelir – yani , ne zaman α ≤ .334.
A (1 – α) × π için% 100 güven aralığı [π ile gösterilecektir, güven aralığının alt ve üst sınırları olarak sırasıyla π ve.. Yerleşik matematiksel gösterime uygun olarak, köşeli parantezler, güven aralığının π’dan büyük veya ona eşit ve π’den küçük veya eşit olan tüm olası parametre değerlerini içerdiğini göstermek için kullanılır.
Bazen söylenir ki 1 – α’nın π’nin içinde olma olasılığı olduğunu [π, güven aralığının sabit olduğunu ve belirli bir çalışma için π’nin güven aralığında olan ya da olmayan bir rasgele nicelik olduğunu gösterir. Aslında, tam olarak bu göz önünde bulundurulur. Bu ters konuşma şekli doğrudur. Hem π hem de π rastgele değişkenlerdir ve bu nedenle [π Bu, neden bir güven aralığına bazen aslında bir aralık tahmini olarak atıfta bulunulduğunu açıklar. Elbette, çalışmanın birçok tekrarının uygun bir yorumu, (1 – α) × güven aralığının “gerçekleşmelerinin”% 100’ü π içerecektir.
Denklemler çözülerek π için tam (1 – α) ×% 100 güven aralığı elde edilir.
π ve π için. Her denklemde yalnızca bir bilinmeyen olduğundan, çözümler deneme yanılma yoluyla bulunabilir. Bazen hastalık olasılığı düşük olduğunda meydana gelen a = 0 ise, π = 0 ve π = 1 − α1 / r olarak tanımlarız.
Kesin hesaplamaları gerçekleştirmek için tasarlanmış bir istatistiksel paket olan StatXact (1998, §12.3) ‘de üst sınır π = 1− (α / 2) 1 / r olarak tanımlanmıştır. Kesin bir güven aralığı, kesin bir testin ters çevrilmesiyle elde edildiğinden, dağılım ayrık olduğunda, ortaya çıkan kesin güven aralığı ihtiyatlı olacaktır – yani, α nominal değeriyle belirtilenden daha geniş olacaktır.
Örnek 3.2 Leta = 2andr = 10’dan
= (1 − π) 10 + 10π (1 − π) 9 + 45π2 (1 − π) 8 π için% 95 güven aralığı [.025, .556] ‘dır. Güven aralığının, Örnek 3.1’deki sonuçlarla tutarlı bir bulgu olan π0 = .4’ü içerdiğine dikkat edin.
SEMPTOTİK YÖNTEMLER
R büyük olduğunda, kesin yöntemlerin gerektirdiği hesaplamalar engelleyici olabilir. Bu koşullar altında, normal bir yaklaşıma dayalı asimptotik bir yaklaşım, pratik bir alternatif sağlar. Bazen, rastgele bir değişkeni dönüştürerek normal yaklaşım geliştirilebilir. İlk önce hiçbir dönüşümün söz konusu olmadığı yöntemleri tartışıyoruz ve ardından olasılık ve log-olasılık dönüşümlerini ele alıyoruz.
Hipotez testi p değeri İstatistik sonuçlarının yorumu p değeri ve güven aralığı nedir Ki-kare p değeri Normal dağılımda p değeri P değeri 0.05 eşitse P değeri hesaplama P-value spss - p değeri hesaplama