มีอคติในการเลือกคณะลูกขุน?


14

เพื่อนเป็นตัวแทนของลูกค้าเกี่ยวกับการอุทธรณ์หลังจากการพิจารณาคดีทางอาญาซึ่งปรากฏว่าการคัดเลือกคณะลูกขุนมีความลำเอียงทางเชื้อชาติ

คณะลูกขุนประกอบด้วย 30 คนในกลุ่มเชื้อชาติ 4 กลุ่ม การฟ้องร้องใช้ความท้าทายแบบไม่ต้องลงแรงเพื่อกำจัดคนเหล่านี้ 10 คนออกจากกลุ่ม จำนวนคนและจำนวนความท้าทายที่เกิดขึ้นจริงในแต่ละกลุ่มเชื้อชาติตามลำดับ:

A: 10, 1
B: 10, 4
C:  6, 4
D:  4, 1
total: 30 in pool, 10 challenges

จำเลยก็มาจากเชื้อชาติกลุ่มซีและผู้ที่ตกเป็นเหยื่อจากกลุ่มเชื้อชาติและ D เพื่อความกังวลเบื้องต้นไม่ว่าจะเป็นกลุ่ม C มีมากกว่าที่ท้าทายและกลุ่ม A และ D ภายใต้การท้าทาย ถูกต้องตามกฎหมาย (IIUC; IANAL) การป้องกันไม่จำเป็นต้องพิสูจน์ความลำเอียงทางเชื้อชาติ แต่เพียงเพื่อแสดงให้เห็นว่าข้อมูลดูเหมือนจะบ่งบอกถึงความลำเอียงซึ่งทำให้ภาระในการฟ้องร้องอธิบายความท้าทายที่ไม่ใช่เชื้อชาติ

การวิเคราะห์ต่อไปนี้ถูกต้องในแนวทางของมันหรือไม่? (ฉันคิดว่าการคำนวณนั้นใช้ได้):

มี nCr (30,10) = 30,045,015 ชุดที่แตกต่างกันของสมาชิกพูล 10 คน จากชุดที่แตกต่างเหล่านี้ฉันนับว่าชุด 433,377 รวมทั้ง (รวมกันไม่เกิน 2 สมาชิกของกลุ่ม A และ D รวมกัน) และ (ไม่น้อยกว่า 4 สมาชิกของกลุ่ม C)

ดังนั้นโอกาสที่จะถึงระดับที่สังเกตได้จากอคติกลุ่ม A และ D ที่สังเกตได้ในกลุ่ม C (ซึ่งความนิยมหมายถึงไม่รวมอยู่ในชุดของความท้าทาย 10 ข้อ) จะเป็นอัตราส่วนของสิ่งเหล่านี้ 433/30045 = 1.44%

ดังนั้นสมมติฐานว่าง (ไม่มีอคติดังกล่าว) จึงถูกปฏิเสธในระดับนัยสำคัญ 5%

หากการวิเคราะห์นี้ถูกต้องตามวิธีการสิ่งที่เป็นวิธีที่รวบรัดที่สุดในการอธิบายต่อศาลรวมถึงการอ้างอิงทางวิชาการ / วิชาชีพ (เช่นไม่ใช่ Wikipedia) ในขณะที่ข้อโต้แย้งดูง่าย ๆ เราจะแสดงให้เห็นชัดเจนได้อย่างไรว่าศาลเห็นว่าถูกต้องไม่ใช่ shenanigans?


อัปเดต:คำถามนี้อยู่ระหว่างการพิจารณาว่าเป็นข้อโต้แย้งระดับอุดมศึกษาในช่วงสั้น ๆ คำอุทธรณ์ ด้วยความซับซ้อนทางเทคนิค (จากมุมมองของทนายความ) ของการสนทนาที่นี่และการขาดแบบอย่างทางกฎหมายที่ชัดเจนทนายความได้เลือกที่จะไม่ยกมันดังนั้น ณ จุดนี้คำถามส่วนใหญ่เป็นทฤษฎี / การศึกษา

เพื่อตอบรายละเอียดอย่างใดอย่างหนึ่ง: ฉันเชื่อว่ามีการท้าทายจำนวน 10 รายการล่วงหน้า

หลังจากศึกษาคำตอบและความคิดเห็นที่มีน้ำใจและท้าทาย (ขอบคุณทุกคน!) ดูเหมือนว่ามี 4 ประเด็นที่แยกจากกัน สำหรับฉันอย่างน้อยมันจะมีประโยชน์มากที่สุดในการพิจารณาแยกจากกัน (หรือได้ยินข้อโต้แย้งว่าทำไมพวกเขาถึงแยกกันไม่ออก)

1) การพิจารณาถึงเชื้อชาติของทั้งจำเลยและผู้เสียหายจากปัญหาท้าทายของคณะลูกขุนที่เกี่ยวกับกฎหมายเป็นเรื่องสำคัญหรือไม่? เป้าหมายของการโต้แย้งการอุทธรณ์จะเพียงแค่เพิ่มความกังวลที่สมเหตุสมผลซึ่งอาจนำไปสู่การพิจารณาคดีของศาลว่าโจทก์มีเหตุผลสำหรับความท้าทายของแต่ละบุคคล สิ่งนี้ไม่ปรากฏว่าฉันเป็นคำถามเชิงสถิติ แต่เป็นคำถามทางสังคม / กฎหมายซึ่งขึ้นอยู่กับดุลยพินิจของทนายความในการเพิ่มหรือไม่

2) สมมติว่า (1) เป็นตัวเลือกของฉันของสมมติฐานทางเลือก (ในเชิงคุณภาพ: อคติกับคณะลูกขุนที่ร่วมการแข่งขันของจำเลยในความโปรดปรานของผู้ที่ร่วมกันของเหยื่อแข่ง) เป็นไปได้หรือเป็น impermissibly โพสต์เฉพาะกิจ ? จากมุมมองของฉันนี่เป็นคำถามที่น่างงที่สุด - แน่นอนว่าคนเราจะไม่ยกมันถ้าใครไม่ได้สังเกตมัน! ปัญหาที่ฉันเข้าใจก็คืออคติในการเลือก: การทดสอบหนึ่งอย่างนั้นไม่ควรพิจารณาเพียงแค่สระว่ายน้ำลูกขุน แต่เป็นจักรวาลของสระว่ายน้ำคณะลูกขุนทั้งหมดรวมถึงทุกคนที่การป้องกันไม่ได้สังเกตความคลาดเคลื่อน . ที่อยู่นี้ได้อย่างไร (ตัวอย่างเช่นแอนดี้ทำการทดสอบนี้อย่างไร) ปรากฏว่าแม้ว่าฉันอาจผิดเกี่ยวกับเรื่องนี้ แต่ผู้ตอบแบบสอบถามส่วนใหญ่ไม่ได้มีปัญหากับการโพสต์เฉพาะกิจการทดสอบแบบ 1 ด้านสำหรับความลำเอียงต่อกลุ่มของจำเลยเท่านั้น มันจะมีวิธีการที่แตกต่างกันอย่างไรในการทดสอบอคติพร้อมกันสำหรับกลุ่มผู้ตกเป็นเหยื่อโดยสมมติว่า (1)

3) หากมีเงื่อนไขกำหนดทางเลือกของฉันสำหรับสมมติฐานทางเลือกเชิงคุณภาพตามที่ระบุไว้ใน (2) แล้วสถิติที่เหมาะสมสำหรับการทดสอบคืออะไร? นี่คือที่ฉันงงมากที่สุดโดยการตอบสนองเพราะอัตราส่วนที่ฉันเสนอดูเหมือนจะเป็นแบบอะนาล็อกที่อนุรักษ์นิยมมากขึ้นเล็กน้อยจากการทดสอบของ Andy สำหรับสมมติฐานทางเลือกที่ง่ายกว่า "อคติต่อ C" (อนุรักษ์นิยมมากกว่าเพราะการทดสอบของฉันยังนับทุกกรณี ที่หางไม่ใช่แค่จำนวนที่สังเกตได้)

การทดสอบทั้งสองเป็นการทดสอบการนับอย่างง่ายโดยใช้ตัวหารเดียวกัน (จักรวาลเดียวกันของกลุ่มตัวอย่าง) และมีตัวนับที่สอดคล้องกับความถี่ของตัวอย่างเหล่านั้นซึ่งสอดคล้องกับสมมติฐานทางเลือกที่เกี่ยวข้อง ดังนั้น @whuber ทำไมมันไม่เหมือนกันกับการทดสอบการนับของฉันในฐานะ Andy ว่า "สามารถตั้งอยู่บนสมมติฐานที่เป็นโมฆะ [เดียวกัน] และทางเลือก [ตามที่อธิบาย] และใช้เหตุผลโดยใช้ Neyman-Pearson lemma"?

4) หากมีข้อกำหนด (2) และ (3) มีการอ้างอิงในกรณีที่กฎหมายจะโน้มน้าวใจศาลอุทธรณ์หรือไม่? จากหลักฐานจนถึงปัจจุบันอาจไม่ ในขั้นตอนของการอุทธรณ์นี้ไม่มีโอกาสสำหรับ "พยานผู้เชี่ยวชาญ" ดังนั้นการอ้างอิงจึงเป็นทุกสิ่ง


คำถามได้รับการปรับปรุง (ต่อท้าย) หลังจากศึกษาคำตอบและความคิดเห็น
JD March

ขอบคุณสำหรับการสรุปที่ยอดเยี่ยม! เพื่อตอบสนองต่อข้อ (3) ข้อกังวลของฉันคือการทดสอบของคุณ (ถ้าฉันเข้าใจถูกต้อง) ใช้ข้อสมมุติทางเลือกที่ได้รับแรงบันดาลใจจากข้อมูลเอง ดังนั้นจึงดูเหมือนว่าจะถูกสร้างขึ้นหลังเพื่อให้ผลลัพธ์ที่ดูเหมือนจะแข็งแกร่งที่สุดเท่าที่จะทำได้ การทดสอบนั้นขึ้นอยู่กับความเป็นไปได้ที่กว้างที่สุดที่สามารถคาดการณ์ได้และมีความเกี่ยวข้องกับทางเลือกเบื้องต้นและดำเนินการในภูมิภาคการปฏิเสธของเนย์แมน - เพียร์สันซึ่งมีรากฐานทางตรรกะที่แข็งแกร่งกว่า
whuber

ขอบคุณ @whuber นั่นเป็นคำวิจารณ์ที่น่าเชื่อถือและเป็นประโยชน์มาก - สิ่งที่ฉันถามเกี่ยวกับตั้งแต่เริ่มต้น แต่นั่นจะไม่ทำให้ (2) ล้มเหลวก่อนหน้า (3)? ถ้าเป็นเช่นนั้นแล้ว (3) ของฉันจะดูเหมือนว่ายังไม่ได้รับคำตอบ - นั่นจะเป็นสถิติที่ดีหรือไม่หากมีใครระบุ (2)
JD มีนาคม

คำตอบ:


7

นี่คือวิธีที่ฉันจะตอบคำถามของคุณโดยใช้เครื่องมือทางสถิติมาตรฐาน

ด้านล่างคือผลลัพธ์ของการวิเคราะห์ probitเกี่ยวกับความน่าจะเป็นที่ถูกปฏิเสธเนื่องจากสมาชิกกลุ่มของลูกขุน

ก่อนอื่นนี่คือข้อมูลที่มีลักษณะอย่างไร ฉันมีข้อสังเกตของกลุ่ม 30 และตัวบ่งชี้ที่ถูกปฏิเสธไบนารี:

. tab group rejected 

           |       rejected
     group |         0          1 |     Total
-----------+----------------------+----------
         A |         9          1 |        10 
         B |         6          4 |        10 
         C |         2          4 |         6 
         D |         3          1 |         4 
-----------+----------------------+----------
     Total |        20         10 |        30 

นี่คือผลกระทบส่วนบุคคลเช่นเดียวกับการทดสอบข้อต่อ:

. qui probit rejected ib2.group

. margins rb2.group

Contrasts of adjusted predictions
Model VCE    : OIM

Expression   : Pr(rejected), predict()

------------------------------------------------
             |         df        chi2     P>chi2
-------------+----------------------------------
       group |
   (A vs B)  |          1        2.73     0.0986
   (C vs B)  |          1        1.17     0.2804
   (D vs B)  |          1        0.32     0.5731
      Joint  |          3        8.12     0.0436
------------------------------------------------

--------------------------------------------------------------
             |            Delta-method
             |   Contrast   Std. Err.     [95% Conf. Interval]
-------------+------------------------------------------------
       group |
   (A vs B)  |        -.3    .181659     -.6560451    .0560451
   (C vs B)  |   .2666667   .2470567     -.2175557     .750889
   (D vs B)  |       -.15   .2662236     -.6717886    .3717886
--------------------------------------------------------------

ที่นี่เรากำลังทดสอบสมมติฐานของแต่ละบุคคลว่าความแตกต่างในความน่าจะเป็นที่จะถูกปฏิเสธสำหรับกลุ่ม A, C และ D เมื่อเทียบกับกลุ่ม B เป็นศูนย์ หากทุกคนมีแนวโน้มที่จะถูกปฏิเสธเป็นกลุ่ม B สิ่งเหล่านี้จะเป็นศูนย์ ผลลัพธ์สุดท้ายบอกเราว่าคณะลูกขุนกลุ่ม A และ D มีโอกาสน้อยที่จะถูกปฏิเสธในขณะที่ลูกขุนกลุ่ม C มีแนวโน้มที่จะถูกปฏิเสธ ความแตกต่างเหล่านี้ไม่มีนัยสำคัญทางสถิติเป็นรายบุคคลแม้ว่าสัญญาณจะเห็นด้วยกับการคาดเดาของคุณ

แต่เราสามารถปฏิเสธสมมติฐานร่วมกันว่าทั้งสามความแตกต่างเป็นศูนย์ทั้งหมดใน 0.0436p=0.0436


ภาคผนวก:

ถ้าฉันรวมกลุ่ม A และ D เข้าด้วยกันเพราะพวกเขาแบ่งปันเผ่าพันธุ์ของเหยื่อผลลัพธ์ของ probit จะแข็งแกร่งขึ้นและมีความสมมาตรที่ดี:

Contrasts of adjusted predictions
Model VCE    : OIM

Expression   : Pr(rejected), predict()

------------------------------------------------
             |         df        chi2     P>chi2
-------------+----------------------------------
      group2 |
 (A+D vs B)  |          1        2.02     0.1553
   (C vs B)  |          1        1.17     0.2804
      Joint  |          2        6.79     0.0336
------------------------------------------------

--------------------------------------------------------------
             |            Delta-method
             |   Contrast   Std. Err.     [95% Conf. Interval]
-------------+------------------------------------------------
      group2 |
 (A+D vs B)  |  -.2571429   .1809595      -.611817    .0975313
   (C vs B)  |   .2666667   .2470568     -.2175557     .750889
--------------------------------------------------------------

วิธีนี้ยังช่วยให้ฟิชเชอร์สามารถให้ผลลัพธ์ที่สอดคล้องกัน (แต่ยังไม่ถึง 5%):

 RECODE of |       rejected
     group |         0          1 |     Total
-----------+----------------------+----------
       A+D |        12          2 |        14 
         B |         6          4 |        10 
         C |         2          4 |         6 
-----------+----------------------+----------
     Total |        20         10 |        30 

          Pearson chi2(2) =   5.4857   Pr = 0.064
           Fisher's exact =                 0.060

ขอบคุณมากชื่นชม! คุณช่วยฉันเข้าใจปัญหาเกี่ยวกับระเบียบวิธีได้ไหม โดยเฉพาะอย่างยิ่ง (1) การทดสอบเปรียบเทียบไม่มีทิศทาง (IIUC) แม้จะมีลักษณะเฉพาะของเบื้องต้นกังวลและ (2) เหตุผลที่จะใช้ทดสอบสมมติฐานซึ่งจะทำให้การกระจายมากกว่าแค่การขัดแย้ง combinatorial หรือไม่?
JD March

ฉันไม่แน่ใจว่าฉันเข้าใจ (1) สำหรับ (2) ฉันได้ผลลัพธ์ที่คล้ายกันมากกับตัวแบบ logit ซึ่งสร้างสมมติฐานการกระจายที่แตกต่างกันดังนั้นจึงมีความทนทาน มีข้อมูลไม่เพียงพอที่จะทำสิ่งที่น้อยกว่าพารามิเตอร์แม้ว่าอาจเป็นความไม่รู้ของตัวเองในพื้นที่นี้
Dimitriy V. Masterov

1
Re (1) สิ่งที่ฉันหมายถึงคือ - ดูเหมือนว่าการทดสอบของคุณเป็น 2 หางในขณะที่ข้อกังวลเบื้องต้นจะช่วยให้ 1 หาง
JD March

1
แง่มุมของการวิเคราะห์ที่ทำให้ฉันไม่สบายใจคือความสำคัญที่ชัดเจน (ที่ระดับ 5% ต่อไป) นั้นเกิดจากความท้าทายที่เกิดขึ้นในกลุ่ม C เท่านั้น แต่ยังรวมถึงความขัดสนของความท้าทายในกลุ่มกด้วย จะไม่เกี่ยวข้อง: มันจะถูกสงสัยว่านิรนัย ? บทบาทที่ชื่นชอบของกลุ่ม C นั้นเห็นได้ชัด (ในการจับคู่กลุ่มของจำเลย) แต่เป็นบทบาทที่ได้รับความนิยมสำหรับกลุ่มอื่น ๆ - หรือแม้แต่ของ (สมมุติ) ความไม่เท่าเทียมที่เห็นได้ชัดระหว่างกลุ่มอื่น ๆ -ดูเหมือนจะไม่มีผล การเลือกปฏิบัติต่อพวกเขาขึ้นอยู่กับกลุ่มของตน
whuber

BTW ดูเหมือนว่าคุณทำการวิเคราะห์กลุ่ม B มากกว่ากลุ่ม C
whuber

3

ฉันคิดว่าการแนะนำวิธีการทางสถิติแบบเฉพาะกิจนั้นจะไม่เกิดขึ้นกับศาล มันจะดีกว่าที่จะใช้วิธีการที่เป็น "มาตรฐานการปฏิบัติ" มิฉะนั้นคุณอาจได้รับการพิสูจน์คุณสมบัติของคุณเพื่อพัฒนาวิธีการใหม่

เพื่อให้ชัดเจนยิ่งขึ้นฉันไม่คิดว่าวิธีการของคุณจะตรงตามมาตรฐาน Daubert ฉันยังสงสัยอย่างมากว่าวิธีการของคุณมีการอ้างอิงทางวิชาการในตัวของมันเอง คุณอาจต้องไปตามเส้นทางของการจ้างพยานผู้เชี่ยวชาญทางสถิติเพื่อแนะนำ ฉันจะคิดได้อย่างง่ายดาย

คำถามพื้นฐานที่นี่น่าจะเป็น: "ความท้าทายของคณะลูกขุนเป็นอิสระจากการจัดกลุ่มทางเชื้อชาติหรือไม่"

χ2

> M <- as.table(cbind(c(9, 6, 2, 3), c(1, 4, 4, 1)))
> dimnames(M) <- list(Group=c("A", "B", "C", "D"), Challenged=c("No", "Yes"))
> M
     Challenged
Group No Yes
    A  9   1
    B  6   4
    C  2   4
    D  3   1

> chisq.test(M)

        Pearson's Chi-squared test

data:  M
X-squared = 5.775, df = 3, p-value = 0.1231

Warning message:
In chisq.test(M) : Chi-squared approximation may be incorrect

การใช้การทดสอบแบบฟิชเชอร์จะให้ผลลัพธ์ที่คล้ายกัน:

> fisher.test(M)

        Fisher's Exact Test for Count Data

data:  M
p-value = 0.1167
alternative hypothesis: two.sided

2×2ตาราง

การตีความของฉันคือไม่มีหลักฐานมากพอที่จะโต้แย้งอคติทางเชื้อชาติ


1
χ2

ขอบคุณ @jvbraun จุดของคุณเกี่ยวกับวิธีการเฉพาะกิจแบบไม่มีการโต้ตอบดูเหมือนจะโน้มน้าวใจ แม้ว่าการนับและการหารดูเหมือนจะไม่ผิดกับฉันเป็นพิเศษ แต่คนอื่น ๆ ไม่คิดว่ามันโน้มน้าวใจ!
JD March

นี่เป็นหนึ่งในกรณีที่ระยะขอบคงที่ดังนั้นการทดสอบแบบฟิชเชอร์จึงน่าจะเหมาะกับหลาย ๆ คน ในการสนทนาของคุณกับ Daubert คุณจะต้องย้อนกลับไปเล็กน้อยเมื่อคุณโทรหาผู้เชี่ยวชาญแล้วพวกเขาจะต้องเคลื่อนไหว Daubert (กระแทกแดกดันบางคนแย้งฆราวาสนำเสนอสถิติไม่อยู่ภายใต้การประเมินดังกล่าวกำหนดโดยกฎ 702. ) IMO ข้อโต้แย้งทั้งหมดที่นำเสนอที่นี่มีการพูดชัดแจ้งอย่างดีและจะไม่น่าจะปกครองไม่ยอมรับ ฉันสงสัยว่าเทคนิคทางสถิติใด ๆ เหล่านี้มีนิติศาสตร์ในสถานการณ์เฉพาะเหล่านี้
Andy W

χ2

χ22/24/6

3

ฉันถามคำถามที่คล้ายกันก่อนหน้านี้ (สำหรับการอ้างอิงที่นี่เป็นกรณีเฉพาะที่ฉันพูดคุย) ความต้องการการป้องกันที่จะเพียงแค่แสดงพยานป้ายหน้าร้านกรณีของการเลือกปฏิบัติในความท้าทาย Batson (สมมติว่ากฎหมายอาญาสหรัฐอเมริกา) - เพื่อให้การทดสอบสมมติฐานอาจจะเป็นภาระที่มีขนาดใหญ่กว่าเป็นสิ่งจำเป็น

ดังนั้นสำหรับ:

  • n=30
  • p=6
  • k=4
  • d=10

คำตอบก่อนหน้าของ Whuber นั้นให้ความน่าจะเป็นของผลลัพธ์นี้โดยการกระจายไฮเพอร์เมตริกซ์ :

(pk)(npdk)(nd)

ซึ่งWolfram-Alphaพูดว่าเท่ากับในกรณีนี้:

(64)(306104)(3010)=7611310.07

น่าเสียดายที่ฉันไม่มีการอ้างอิงนอกเหนือจากลิงก์ที่ฉันให้ไว้ - ฉันคิดว่าคุณสามารถขุดการอ้างอิงที่เหมาะสมสำหรับการกระจายไฮเพอโรเมตริกจากหน้า Wikipedia

สิ่งนี้จะไม่สนใจคำถามเกี่ยวกับกลุ่มเชื้อชาติ A และ D ว่า "ถูกท้าทาย" ฉันสงสัยว่าคุณสามารถโต้แย้งทางกฎหมายในเรื่องนี้ได้ - มันจะเป็นเรื่องแปลกสำหรับประโยคการคุ้มครองที่เท่าเทียมกันกลุ่มนี้ได้รับการคุ้มครองมากเกินไป ! ที่ฉันไม่คิดว่าจะบิน (ฉันไม่ใช่ทนายความ - ดังนั้นให้เอาเม็ดเกลือมาด้วย)

(3010)χ2


ผมได้ปรับปรุงบางส่วนของความคิดของฉันในบล็อกโพสต์ โพสต์ของฉันมีความเฉพาะเจาะจงสำหรับ Batson Challenges ดังนั้นจึงไม่ชัดเจนหากคุณค้นหาสถานการณ์อื่น (การอัปเดต 1 และ 2 ของคุณไม่สมเหตุสมผลในบริบทของ Batson Challenges)

ฉันสามารถค้นหาบทความที่เกี่ยวข้องหนึ่งบทความ (มีให้ที่ลิงก์):

Gastwirth, JL (2005) ความคิดเห็นจากผู้ใช้งาน: การทดสอบทางสถิติสำหรับการวิเคราะห์ข้อมูลเกี่ยวกับความท้าทายที่ไม่ได้ตั้งใจ: การชี้แจงมาตรฐานการพิสูจน์ที่จำเป็นในการสร้างกรณีการเลือกปฏิบัติเบื้องต้นใน Johnson v. California กฎหมายความน่าจะเป็นและความเสี่ยง 4 (3), 179-185

นั่นให้คำแนะนำเดียวกันกับการใช้การแจกแจงแบบ hypergeometric ในการโพสต์บล็อกของฉันฉันแสดงว่าถ้าคุณยุบหมวดหมู่ออกเป็นสองกลุ่มจะเท่ากับการทดสอบที่แน่นอนของฟิชเชอร์

kk=5k=6nnd

หากใครบางคนรู้ตัวว่าเป็นเรื่องของกฎหมายที่ใช้สิ่งนี้ (หรืออะไรก็ตามนอกจากเศษส่วน) ฉันก็จะสนใจ


1
ขอบคุณแอนดี้ (1) เพื่อนทนายความของฉันคิดว่าเป็นที่ยอมรับได้อย่างสมบูรณ์ / มีประโยชน์ในการยืนยันว่า C ถูกท้าทายมากเกินไปและ A ถูกท้าทาย (2) คุณพูดว่า "สถิติทดสอบอะไร" ฉันพบว่ามีความสับสน - คุณใช้สถิติการทดสอบอะไรเมื่อคุณคำนวณ 0.07 โดยใช้ไฮเพอร์เมตริกซ์ สิ่งที่คำนวณความน่าจะเป็นเป็นอัตราส่วนของกรณีสงสัยต่อกรณีทั้งหมด ในทำนองเดียวกันนั่นคือสิ่งที่การวิเคราะห์ของฉันทำยกเว้นการกำหนดผู้ต้องสงสัยกรณีที่แคบกว่าที่คุณทำ
JD March

@JonathanMarch - ฉันไม่ได้ใช้สถิติทดสอบ นี่คือความน่าจะเป็นที่ 4 จาก 6 คลาส C ที่ถูกเลือก (ตามเงื่อนไขอื่น ๆ ) สุ่มตามการแจกแจงแบบไฮเพอร์เมตริกซ์ ฉันเข้าใจแรงจูงใจในการทดสอบตามทิศทาง แต่นี่ไม่ใช่กรณีทดสอบแบบปกติ ในกรณีนี้คุณมีการแจกแจงโมฆะอย่างต่อเนื่องดังนั้นเพื่อให้ค่า p คุณจำเป็นต้องกำหนดทางเลือกเป็นพื้นที่ ไม่จำเป็นต้องทำเช่นนั้นกับการกระจาย PMF ดังที่แสดงไว้ที่นี่
Andy W

1
k=5k=6 ไปที่ 0.07ด้านบน แต่แน่นอนว่าจะเพิ่มขึ้นเท่านั้นความน่าจะเป็นที่ระบุไว้ข้างต้นเท่านั้น การคำนวณดั้งเดิมของคุณสมมติว่าการเรียงสับเปลี่ยนที่เป็นไปได้ทั้งหมดมีโอกาสเท่ากัน ซึ่งฉันคิดว่าสามารถป้องกันได้ แต่ฉันเชื่อว่าการระบุกระบวนการสร้างข้อมูลเนื่องจาก hypergeometric สมจริงยิ่งขึ้น การแบ่งพาร์ติชันในคำถามของคุณฉันพบว่าใช้งานง่าย แต่เฉพาะกิจฉันไม่เห็นเหตุผลที่จะตีความว่ามันน่าจะเป็นในแง่ใด
Andy W

1
(+1) สถิติการทดสอบคือจำนวนความท้าทายของกลุ่ม C ซึ่งถูกต้องและเกี่ยวข้องเนื่องจาก C สามารถระบุได้ว่าเป็นนิพจน์การแข่งขันของจำเลย การวิเคราะห์ของ Andy นั้นเหมาะสม (และมีประสิทธิภาพพอสมควร) โดยสมมติว่ามีการแก้ไขความท้าทาย 10 ครั้งที่ได้รับการแก้ไขล่วงหน้า ฉันเชื่อว่า (แต่จะต้องตรวจสอบ) ว่ามันเป็นการประมาณที่ดีโดยสมมติว่าจำนวนความท้าทายที่ต้องทำแบบนั้นเป็นแบบสุ่ม ตรรกะนั้นเรียบง่ายและน่ารัก: หากความท้าทายได้รับการสุ่มให้กับคน 30 คนโอกาสที่จะได้รับความท้าทาย 4 อย่างหรือมากกว่านั้นในกลุ่ม C คืออะไร? คำตอบคือ86/11317.6%.
whuber

1
โจนาธานเพื่อประโยชน์ของคุณฉันจะให้เวลากับคุณอย่างหนัก ฉันเชื่อว่าวิธีการของคุณไม่ถูกต้องเนื่องจากคุณใช้สถิติแบบเฉพาะกิจโดยไม่มีเหตุผลทางทฤษฎี ดูเหมือนว่าสร้างเพียงเพื่อผลิต p-value เพียงเล็กน้อย สถิติของแอนดี้สามารถตั้งอยู่บนสมมติฐานที่เป็นโมฆะและทางเลือกและได้รับการพิสูจน์โดยใช้บทสรุปของ Neyman-Pearson สถิติของคุณดูเหมือนว่าจะขึ้นอยู่กับการตรวจสอบผลการโพสต์เฉพาะกิจและไม่ปรากฏว่าสอดคล้องกับสมมติฐานทางเลือกใด ๆ ที่จะได้รับการยืนยันก่อนที่จะ (หรือที่เป็นอิสระ) ของvoir น่ากลัวไอนี่แหละน่ากลัว
whuber

0

อย่าลืมปัญหาการทดสอบหลายครั้ง ลองนึกภาพนักกฎหมายป้องกันตัว 100 คนแต่ละคนกำลังมองหาเหตุผลที่จะอุทธรณ์ คณะลูกขุนปฏิเสธทั้งหมดได้ดำเนินการโดยการพลิกเหรียญหรือลูกเต๋ากลิ้งสำหรับลูกขุนในอนาคตแต่ละคน ดังนั้นจึงไม่มีการปฏิเสธที่ลำเอียงทางเชื้อชาติ

ทนาย 100 คนทุกคนทำการทดสอบทางสถิติตามที่ทุกคนเห็นด้วย ประมาณห้าใน 100 ที่จะปฏิเสธสมมติฐานว่างของ "เป็นกลาง" และมีพื้นที่สำหรับการอุทธรณ์


IIUC พวกเขาจะมองหาเหตุผลที่ผู้พิพากษาจะสั่งการตรวจสอบเหตุผลในการปฏิเสธแต่ละครั้ง จริง ๆ แล้วมันจะมีปัญหาไหมหากการตรวจสอบดังกล่าวเกิดขึ้นใน 5 ใน 100 กรณีเหล่านั้น?
JD March
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.