ข้อกำหนดทางสถิติที่ใช้ผิดประเภทใดที่ควรแก้ไข


103

สถิติมีอยู่ทุกที่ อย่างไรก็ตามการใช้คำศัพท์ทางสถิติทั่วไปมักไม่ชัดเจน

ความน่าจะเป็นของคำศัพท์และอัตราต่อรองนั้นใช้แทนกันได้ในการเขียนภาษาอังกฤษแม้จะมีการแสดงออกทางคณิตศาสตร์ที่ชัดเจนและแตกต่างกัน

การไม่แยกคำที่น่าจะเป็นจากความน่าจะเป็นเป็นประจำทำให้แพทย์สับสนพยายามหาปริมาณความน่าจะเป็นของมะเร็งเต้านมเนื่องจากการตรวจเต้านมด้วยวิธีบวก“ โอ้ช่างเป็นเรื่องไร้สาระ ฉันทำสิ่งนี้ไม่ได้ คุณควรทดสอบลูกสาวของฉัน เธอกำลังศึกษาเรื่องยา”

การแพร่กระจายอย่างเท่าเทียมกันคือการใช้ความสัมพันธ์แทนสมาคม หรือความสัมพันธ์หมายความสาเหตุ

ในสารคดีที่โด่งดังของอัลกอร์An Invenvenient Truthสไลด์แสดงความสัมพันธ์ของแกนน้ำแข็งและอุณหภูมิออกจากงานทางเทคนิคเพื่อพิสูจน์สาเหตุของการอภิปราย:CO2

ป้อนคำอธิบายรูปภาพที่นี่

คำถาม:เงื่อนไขทางสถิติใดที่ทำให้เกิดปัญหาในการตีความเมื่อใช้งานโดยไม่ต้องใช้ความรุนแรงทางคณิตศาสตร์และควรแก้ไขอย่างไร


4
ความน่าจะเป็นเทียบกับความเป็นไปได้ในหมู่คนธรรมดาไม่ได้เป็นปัญหาสำหรับฉันเพราะคนธรรมดาจะไม่คำนวณพวกเขาต่อไปพวกเขาจะบอกว่าค่าต่ำหรือสูงและทั้งสองมีความสัมพันธ์โดยตรง
Mehrdad

@ Mehrdad ฉันเห็นด้วย ที่จริงแล้วนี่คือประเด็น ... มีสถานการณ์ใดบ้างที่การใช้คำเหล่านี้ในทางที่ผิดซึ่งได้รับการรับรองและแก้ไขภายในขอบเขตของสถิติส่งผลให้เกิดปัญหา ยกตัวอย่างเช่นเป็นที่ชัดเจนว่ามีร่างการวิจัยที่สำคัญที่อยู่เบื้องหลังการเปลี่ยนแปลงสภาพภูมิอากาศ แต่ในหลาย ๆ กรณีอาจมีการเรียกร้องที่ผิด ๆ ได้โดยการแนะนำว่าความสัมพันธ์นั้นเท่ากับสาเหตุ ในกรณีของอัตราต่อรองและความน่าจะเป็นสามารถแปลงเป็นอื่นได้ดังนั้นความเสี่ยงเพียงอย่างเดียวคือการเข้าใจผิดเดิมพันของคุณ
Antoni Parellada

3
@ Mehrdad จุดเกี่ยวกับอัตราต่อรองเป็นหนึ่งที่น่าสนใจ แต่ฉันคิดว่ามันซับซ้อนกว่าตรงตา เมื่อคนธรรมดาพูดถึงอัตราต่อรองพวกเขามักจะหมายถึงอัตราต่อรองการพนันและสิ่งเหล่านี้มักแสดงในรูปแบบ "อัตราต่อเทียบกับ" ดังนั้นในระบบที่คนส่วนใหญ่คุ้นเคยค่าความเป็นไปได้สูงที่สัมพันธ์กับความน่าจะเป็นต่ำแม้ว่าสำหรับอัตราต่อรองที่สูงทางสถิติจะเกี่ยวข้องกับความน่าจะเป็นสูง ดังนั้นนี่จึงค่อนข้างสุกงอมสำหรับความสับสน: ดูโพสต์ของเราเกี่ยวกับOdds Made Simple
Silverfish

5
อาจเป็นสิ่งที่ควรคำนึงถึงว่าเงื่อนไขเหล่านี้บางส่วนมีอยู่แล้วในภาษาอังกฤษ (ที่มีความหมายหลวม) ก่อนที่จะมีการจัดสรรสถิติและให้คำจำกัดความทางเทคนิคที่เข้มงวด การย่อคำเปลี่ยนความหมายจากนั้นก็ค่อย ๆ โทษผู้อื่นเพราะใช้ผิดเมื่อพวกเขาใช้มันกับคำจำกัดความเก่าที่ไม่ใช่ด้านเทคนิค
RM

ฉันไม่ชอบเรียกการทดสอบ "post hoc" แม้ว่าจะมีการวางแผนล่วงหน้า ฉันคิดว่าสิ่งนี้เริ่มต้นด้วยแพคเกจสถิติบางอย่าง แต่ตอนนี้มันแพร่หลายไปทั่ว
David Lane

คำตอบ:


101

มันไร้ประโยชน์ที่จะต่อสู้กับการเปลี่ยนแปลงทางภาษา แต่

พารามิเตอร์ไม่ได้หมายถึงตัวแปร

ในสถิติแบบดั้งเดิมซึ่งในกรณีนี้เริ่มต้นอย่างแม่นยำกับ RA Fisher ที่ใช้คำแรกด้วยความหมายนี้พารามิเตอร์เป็นค่าคงที่ที่ไม่รู้จักที่จะประมาณค่าพูดถึงค่าเฉลี่ยหรือความสัมพันธ์ของประชากร ในวิชาคณิตศาสตร์มีความหมายที่เกี่ยวข้อง แต่ไม่เหมือนกันเหมือนเมื่อมีการโค้ง ในหลาย ๆ วิทยาศาสตร์พารามิเตอร์เป็นเพียงคำอีกคำหนึ่งสำหรับการวัด (ตัวเองเป็นคำที่หนาแน่นด้วยความหมายทางคณิตศาสตร์) คุณสมบัติหรือตัวแปรความยาวหรือการนำไฟฟ้าหรือความพรุนหรือความมีคุณธรรมหรือแล้วแต่กรณี ตามธรรมชาติแล้วความยาวหรือคุณธรรมของบุคคลนั้นไม่เป็นที่รู้จักก่อนที่จะทำการวัด แต่คนที่มีความคิดทางสถิติสามารถถูกทำให้สับสนด้วยการใช้ชุดของการวัดดังกล่าว ในการพูดจาสามัญหรือหยาบคายพารามิเตอร์(เกือบเสมอพหูพจน์) มักจะหมายถึงข้อ จำกัด ของบางสิ่งบางอย่างที่บอกว่ามีความสัมพันธ์ส่วนตัวหรือนโยบายทางการเมืองที่อาจจะเกิดจากความสับสนเดิมบางอย่างกับปริมณฑล ด้วยความเป็นไปได้สูงก่อนหน้านี้มันจะถูกสันนิษฐานว่าเป็น Bayesians จะพูดเพื่อตัวเองในประเพณีของตัวเอง (พยักหน้าขอบคุณ @conjugateprior)

เบ้ไม่ได้หมายความว่าลำเอียง

เป็นเวลาหนึ่งศตวรรษหรือมากกว่านั้นความเบ้มีความหมายทางสถิติที่เฉพาะเจาะจงในการอ้างถึงความไม่สมดุลของการแจกแจงไม่ว่าจะเป็นการประเมินแบบกราฟิกวัดตัวเลขหรือสันนิษฐานว่าเป็นความเชื่อหรือความหวังในทางทฤษฎี นานกว่านั้นหรืออาจจะเดาได้ว่าอคติหมายความว่าผิดโดยเฉลี่ยซึ่งตราบใดที่เรารู้ความจริงซึ่งหมายถึงมูลค่าที่แท้จริงหรือถูกต้องสามารถนับเป็นข้อผิดพลาดอย่างเป็นระบบได้ การเอียงในภาษาสามัญมีความรู้สึกสามัญของการบิดงอหรือบิดเบี้ยวและทำให้ถูกผิดผิดและลำเอียงเช่นกัน ความรู้สึกนั้น (เท่าที่ฉันสังเกตเห็นเพียงไม่นานมานี้) ได้เริ่มกรองกลับสู่การอภิปรายเชิงสถิติเพื่อที่ความหมายดั้งเดิมของความเบ้อาจตกอยู่ในอันตรายจากการเบลอหรือจมอยู่ใต้น้ำ

ความสัมพันธ์ไม่ได้หมายความว่าข้อตกลง

ความสัมพันธ์ได้ดึงดูดความรู้สึกที่แม่นยำหลายประการในสถิติซึ่งมีความคิดร่วมกันเกี่ยวกับความสัมพันธ์แบบ bivariate ที่สมบูรณ์แบบในบางแง่: กรณีที่สำคัญคือความสัมพันธ์แบบเส้นตรงและแบบโมโนโทน บ่อยครั้งที่ถูกทำให้เจือจางแม้ในการสนทนาทางสถิติหมายถึงความสัมพันธ์หรือความสัมพันธ์เกือบทุกประเภท สิ่งที่ความสัมพันธ์ไม่ได้หมายความว่าจำเป็นคือข้อตกลงดังนั้นหมายถึงเพียร์สันความสัมพันธ์ของ หรือตราบเท่าที่แต่ข้อตกลงต้องการเงื่อนไขที่เข้มงวดมาก .y=a+bx11b0y=xa=0,b=1

ไม่ซ้ำกันไม่ได้หมายความว่าชัดเจน

เป็นเรื่องปกติที่จะพูดคุยเกี่ยวกับค่าที่แตกต่างของข้อมูลว่าไม่เหมือนใครแต่ความเป็นเอกลักษณ์ยังคงรักษาไว้ได้ดีกว่าเนื่องจากความหมายที่เกิดขึ้นเพียงครั้งเดียวเท่านั้น ฉันเดาเองว่าโทษบางอย่างเกิดจากยูทิลิตี้ Unix [sic] uniqและตัวเลียนแบบซึ่งลดค่าซ้ำ ๆ ลงไปในเซตที่แต่ละค่ามีความเป็นเอกลักษณ์ การใช้งานในการเดานี้ทำให้อินพุทและเอาท์พุทของโปรแกรมเป็นตัวสับสน (ตรงกันข้ามถ้าเราพูดของรายการที่ซ้ำกันในข้อมูลที่เราไม่ค่อยได้ จำกัด ตัวเองเพื่อ doubletons ที่เกิดขึ้นได้อย่างแม่นยำสองครั้ง. คำซ้ำจะทำให้มีความรู้สึกมากกว่าภาษา แต่ถูกจองล่วงหน้าสำหรับการจำลองแบบของการควบคุมในการทดลอง; ค่าการตอบสนองที่ได้นั้นมักจะไม่เหมือนกันทุกประการซึ่งเป็นประเด็นสำคัญมาก)

ตัวอย่างซ้ำแล้วซ้ำอีก

ในสถิติตัวอย่างมีค่าหลายค่าและการสุ่มตัวอย่างซ้ำเป็นคุณธรรมที่สูง แต่ไม่ค่อยได้รับการฝึกฝนยกเว้นการจำลองซึ่งเป็นคำศัพท์ตามธรรมเนียมของเราสำหรับการแกล้งทำในซิลิโก ในวิทยาศาสตร์หลาย ๆ ตัวอย่างเป็นวัตถุชิ้นเดียวประกอบด้วยก้อนก้อนหรือ dollop ของน้ำดินตะกอนหินเลือดเนื้อเยื่อหรือสารอื่น ๆ ที่แตกต่างจากที่น่าสนใจผ่านความเมตตากรุณาน่าขยะแขยง; ห่างไกลจากความพิเศษการมีตัวอย่างจำนวนมากอาจเป็นสิ่งจำเป็นสำหรับการวิเคราะห์ที่จริงจัง ที่นี่ทุกคำศัพท์ของฟิลด์ทำให้รู้สึกถึงคนที่สมบูรณ์แบบ แต่บางครั้งจำเป็นต้องมีการแปล

ข้อผิดพลาดไม่ได้หมายถึงความผิดพลาด ดังที่แฮโรลด์เจฟฟรีย์ชี้ให้เห็นความรู้สึกหลักคือเอาแน่เอานอนไม่ผิด

อย่างไรก็ตามเราควรระวังความผิดบาปหรือคำศัพท์เฉพาะของเรา:

การถดถอยจะไม่ย้อนกลับ

เครื่องเขียนไม่ได้หมายถึงการเคลื่อนที่หรือคงที่

ความมั่นใจไม่ได้เกี่ยวข้องกับสภาพจิตใจหรือจิตใจของใคร

ความสำคัญมีเพียงบางครั้งความหมายในชีวิตประจำวันของมัน

ถูกต้องมักจะเป็นคำที่ให้เกียรติหมายถึงวิธีการแก้ปัญหาที่สะดวกในการเวไนยหรือการคำนวณมากกว่าหนึ่งที่เหมาะสมกับปัญหา

การแจกแจงแบบเบ้ไปทางขวาสำหรับหลาย ๆ คนดูเบ้ไปทางซ้ายและในทางกลับกัน

lognormalถูกเรียกเช่นนี้เพราะมันเป็น exponentiated ปกติ

แต่ lognormal มากกว่าปกติมากกว่าปกติ

เกาส์ถูกค้นพบโดย De Moivre

ปัวซองไม่ได้ค้นพบปัวซงการถดถอยปัวซองอย่างเดียว

บูตจะไม่ช่วยให้คุณกับรองเท้าของคุณ

พับไม่ได้ตัด

kurtosisไม่ใช่เงื่อนไขทางการแพทย์

แปลงต้นกำเนิดและใบไม่ได้อ้างถึงพืช

ตัวแปรดัมมี่จะเป็นประโยชน์ไม่ได้ไม่มีจุดหมายหรือโง่

ที่บนโลก (หรือที่อื่น ๆ ) คิดว่าheteroscedasticityมันเป็นคำที่นิยมมากกว่า แปรปรวนไม่เท่ากัน ?

ที่แข็งแกร่งในขณะนี้มีอย่างน้อยสองความหมายทางเทคนิคที่สำคัญสำหรับกลุ่มที่แตกต่างกันทั้งที่ยับยั้งการใช้งานบ่อยแม้ในการอภิปรายทางเทคนิคหมายถึงบางสิ่งบางอย่างเพียงเช่น "ยืนยันที่จะประพฤติดี"

IVมีความหมายอย่างน้อยสองอย่างสำหรับกลุ่มที่แตกต่างกัน

ปัจจัยตอนนี้มีความหมายสำคัญอย่างน้อยสองประการสำหรับกลุ่มที่แตกต่างกัน

ทำให้เป็นมาตรฐานและมาตรฐานมีความหมายมากมายนับไม่ถ้วน (เราจำเป็นต้องสร้างมาตรฐานที่นั่นจริงๆ)

เมื่อเทียบกับการอธิบายกราฟหมายความว่าตัวแปรแนวตั้งเมื่อเทียบกับตัวแปรแนวนอนนอกจากจะหมายถึงตรงข้าม

และ (สุดท้าย แต่ไม่ท้ายสุดเพื่อเก็บวลี) สถิติมีความหมายอย่างน้อยสามประการ

หมายเหตุ:

  1. ฉันคิดว่านี่เป็นคำถามที่ดีและจริงจัง

  2. แฟชั่นกะ ในศตวรรษที่ยี่สิบดูเหมือนว่าหลายคน (ไม่มีชื่อไม่มีการเจาะแพ็ค แต่คาร์ลเพียร์สันอาจกล่าวถึง) สามารถประดิษฐ์ศัพท์ได้โดยการเข้าถึงพจนานุกรมภาษากรีกและละตินของพวกเขาเท่านั้น (มันจะไม่เป็นธรรมที่จะไม่ให้เครดิตเขาสำหรับพล็อตที่กระจาย .) แต่ชาวประมง RA ได้หลายจี้ที่มีอยู่ก่อนคำภาษาอังกฤษรวมทั้งความแปรปรวน , พอเพียง , ประสิทธิภาพและความน่าจะเป็น เมื่อเร็ว ๆ นี้เจดับบลิวทูกีเป็นหลักในการใช้คำเรียบง่าย แต่ไม่กี่ควรจะรู้สึกทุกข์ที่splomsและbadmandmentsไม่ได้จับ

  3. หนึ่งความคิดเห็นนั้นขึ้นอยู่กับความทรงจำของ "ชีวิตคือ [... ] Multiplicative มากกว่าการเติม: บันทึกการแจกแจงแบบปกตินั้นปกติมากกว่าปกติ" ไม่ช้า 2505 กฎการทำงานของ Bloggins ในดี IJ (เอ็ด) นักวิทยาศาสตร์คาดเดา: กวีนิพนธ์ของความคิดที่อบบางส่วน ลอนดอน: Heinemann, 212-213 (ใบเสนอราคาหน้า 23)


ความคิดเห็นไม่ได้มีไว้สำหรับการอภิปรายเพิ่มเติม การสนทนานี้ได้รับการย้ายไปแชท
whuber

heteroscedasticity ทั้งหมดหินกล่องแมว! "ความแปรปรวนไม่เท่ากัน?" [Phuagh!]) (+1 ดีมาก;)
อเล็กซิส

1
อาจเป็นการเพิ่มมูลค่าที่การทดสอบการถดถอยมักถูกนำมาใช้ในบริบทของการพัฒนาซอฟต์แวร์ซึ่งหากพูดในวงกว้างจะหมายถึงการย้อนกลับ
Konrad

@ Konrad น่าสนใจ แต่แล้ว (แก้ไขให้ฉันถ้าฉันผิด) (a) ที่จะไม่ใช้คำผิดและ (b) คำที่ไม่มีความรู้สึกทางสถิติ
Nick Cox

@NickCox ถูกต้อง
Konrad

33

บางสิ่งที่ฉันพบ:

  1. การรักษาระดับนัยสำคัญและความน่าจะเป็นที่ครอบคลุมของ CI นั้นสามารถใช้แทนกันได้เพื่อให้ผู้คนได้ทำสิ่งต่าง ๆ เช่นพูดถึง "ความสำคัญ 95%"

    [สิ่งที่แย่กว่าคือเมื่อคนที่ทำผิดพลาดชี้ไปที่บันทึกการบรรยายของพวกเขา - หรือแม้แต่ตำรา - เพื่อสนับสนุนสิ่งนี้; กล่าวอีกนัยหนึ่งคือความผิดพลาดไม่ใช่ของพวกเขา แต่กำลังรวมตัวกันเป็นร้อยเท่าหรือหลายพันเท่าและยิ่งแย่กว่านั้นถึงแม้ว่าพวกเขาจะเข้าใจอย่างถูกต้องพวกเขาอาจต้องทำซ้ำข้อผิดพลาดต่อไปเพื่อส่งเรื่อง]

  2. นอกจากนี้ยังมีแนวโน้มทั่วไปที่จะคิดว่า "ความสำคัญ" มีอยู่นอกสมมติฐาน / คำถามที่เฉพาะเจาะจง (นำไปสู่คำถามเช่น "เป็นข้อมูลของฉันที่สำคัญ" โดยไม่มีความคิดที่ชัดเจนว่าจะต้องตอบคำถามใด) [ปัญหาที่เกี่ยวข้องคือ "ฉันควรใช้การทดสอบแบบไหนกับข้อมูลเหล่านี้" ราวกับว่ามันเป็นข้อมูล - แทนที่จะเป็นคำถามที่ต้องตอบ - นั่นคือตัวขับเคลื่อนของตัวเลือกของการวิเคราะห์ (ในขณะที่ "การออกแบบ" ของการศึกษาสามารถส่งผลกระทบต่อการทดสอบเฉพาะที่ใช้คำถามที่น่าสนใจมีความสำคัญมากขึ้น - ตัวอย่างเช่นถ้าคุณมีสามกลุ่ม แต่คำถามที่คุณสนใจนั้นเกี่ยวข้องกับการเปรียบเทียบสองกลุ่มเท่านั้น ความจริงที่ว่าคุณมีสามคนนั้นไม่ได้บังคับให้คุณทำการวิเคราะห์แบบทางเดียวแทนที่จะเป็นการเปรียบเทียบที่น่าสนใจทั้งสองกลุ่ม ... ตราบใดที่คุณเลือกการวิเคราะห์ไม่ได้มาจากสิ่งที่ข้อมูลแสดง เป็นการดีที่คุณวางแผนคำถามและการวิเคราะห์ของคุณก่อนที่จะมีข้อมูลแทนที่จะโยนการวิเคราะห์ที่ข้อมูลและดูสิ่งที่เกาะติดซึ่งดูเหมือนว่าคำถามการวิเคราะห์โพสต์เฉพาะกิจ - รวมทั้ง "ฉันควรใช้การทดสอบใดสำหรับข้อมูลเหล่านี้" - มีแนวโน้มที่จะนำไปสู่)

  3. แนวโน้มเป็นครั้งคราวเพื่ออ้างถึงส่วนประกอบของ p-value ว่าเป็น "ความเชื่อมั่นใน" หรือ "ความน่าจะเป็นของ" ทางเลือก

  4. "ข้อมูลที่ไม่ใช่พารามิเตอร์"; น่าเสียดายอีกอย่างหนึ่งที่พบในหนังสือสองเล่ม (และน่าเศร้าในบทความที่อ้างว่าแก้ไขข้อผิดพลาดทั่วไป) สิ่งนี้เกิดขึ้นบ่อยครั้งว่ามันอยู่ในรายการสั้น ๆ ของความคิดเห็นที่สร้างขึ้นโดยอัตโนมัติ (ซึ่งเริ่มต้น "ข้อมูลไม่ใช่ตัวแปรหรือ nonparametric; นั่นคือคำคุณศัพท์ที่ใช้กับแบบจำลองหรือเทคนิค ... ") (ขอบคุณ Nick Cox ที่เตือนฉันเกี่ยวกับข้อผิดพลาดนี้โดยเฉพาะ)

    โดยทั่วไปสิ่งที่ตั้งใจไว้คือ "ข้อมูลที่ไม่ปกติ" แต่พารามิเตอร์ไม่ได้หมายความว่าปกติและการมีค่าปกติโดยประมาณนั้นไม่ได้หมายความว่าเราต้องการกระบวนงานพารามิเตอร์ ในทำนองเดียวกันการไม่เป็นบรรทัดฐานไม่ได้หมายความว่าเราต้องการกระบวนการที่ไม่ใช้พารามิเตอร์ บางครั้งสิ่งที่ตั้งใจคือ "ข้อมูลอันดับ" หรือ "ข้อมูลเล็กน้อย" แต่ไม่ว่าในกรณีใดก็หมายความว่าแบบจำลองขอบเขต - พารามิเตอร์ไม่เหมาะสม

  5. แนวโน้มทั่วไปที่จะเข้าใจผิดความหมายของ "เส้นตรง" ใน "โมเดลเชิงเส้น" ในลักษณะที่จะไม่สอดคล้องกับการใช้คำว่า "เส้นตรง" ใน "เส้นตรงแบบจำลองทั่วไป" นี่เป็นความผิดส่วนหนึ่งของวิธีที่เราใช้คำศัพท์

  6. การเปรียบเทียบความเบ้แบบเฉลี่ยลบด้วยค่ามัธยฐานกับความเบ้ขณะที่สามและการทำให้ศูนย์เป็นศูนย์ในแบบใดแบบหนึ่ง (หรือทั้งสองแบบ) ด้วยสมมาตร ข้อผิดพลาดทั้งสองมักพบในข้อความพื้นฐานที่ใช้กันอย่างแพร่หลายในบางส่วนของแอปพลิเคชัน [มีข้อผิดพลาดที่เกี่ยวข้องกับการปฏิบัติให้เป็นศูนย์ความเบ้และศูนย์ส่วนเกินที่บ่งบอกถึงความเป็นปกติ]

  7. อันนี้เป็นเรื่องธรรมดามากมันก็ยากที่จะเรียกมันว่าเป็นข้อผิดพลาดอีกต่อไป (เนื่องจากส่วนหนึ่งของความพยายามของโปรแกรมเฉพาะ) - การเรียกความโด่งเกินนั้นเพียงแค่ "ความโด่ง"; ความผิดพลาดค่อนข้างรับประกันได้ว่าจะนำไปสู่ปัญหาการสื่อสาร


2
+1 ฉันต้องการเตือนคุณเกี่ยวกับ "ข้อมูลที่ไม่ใช่พารามิเตอร์" พิสดารซึ่งเป็นสมาชิกที่ดีกว่าในรายการนี้ Kurtosis ที่มากเกินไปเป็นพี่น้องที่น่าเกลียดของ Kurtosis ดิบ
Nick Cox

@Nick ขอบคุณฉันได้นั่งที่นี่จ้องมองที่รายการของฉันพูดว่า "มีบางอย่างที่ทำให้ฉันรำคาญจริงๆที่ฉันรู้ว่าเป็นของที่นี่" นั่นคือหนึ่ง
Glen_b

3
อีกข้อหนึ่งคือ "การทดสอบทางสถิติ" ขยายอย่างกว้างขวางจนกลายเป็นคำถามเปิด: ฉันควรใช้การทดสอบแบบใดกับข้อมูลของฉัน บ่อยครั้งในความเชื่อที่ว่าจะมีคำตอบเดียวของแบบฟอร์ม "Student's t", "Mann-Whitney" หรือ "Chi-square" คำตอบของฉันมักจะมากไปกว่านั้นบางทีอาจจะไม่มีเลยหรือเราต้องพิจารณาข้อมูลของคุณอย่างถี่ถ้วนและอภิปรายว่าคำถามที่แท้จริงของคุณคืออะไรก่อนที่เราจะคิดถึงเรื่องนั้น
Nick Cox

@nick นั่นเกี่ยวข้องกับรายการของฉันอย่างใกล้ชิด 2 ฉันสงสัยว่ามีวิธีที่ดีในการขยายรายการนั้นหรือไม่
Glen_b

1
ฉันกลัวว่าตำราทางสถิติจำนวนมาก (ดูเหมือน) สนับสนุนการคิดเช่นนั้น
Nick Cox

31

" ข้อมูล " เป็นพหูพจน์ (เอกพจน์คือ "datum")


2
คุณพูดถึงตัวเลขจริงหรือไม่? โดยปกติแล้วจุดนั้น ... ค่านั้น ... การสังเกตนั้น ... อย่างน้อยก็ประมาณนี้
Nick Cox

5
ข้อมูลยังเป็นหุ่นยนต์เอกพจน์ที่รวบรวมข้อมูลเกี่ยวกับมนุษย์ที่เขาสังเกตเห็นว่ามาจากการสรุปข้อมูลที่ขับเคลื่อนด้วยข้อมูล
Matthew Drury

2
คุณต้องเดินทางไกลเพื่อฟังสิ่งนั้น
Nick Cox

5
ข้อมูลพหูพจน์ไม่เพียง แต่ต้องมีข้อตกลงของคำกริยา - "data คือ" มากกว่า "data is" แต่ของ quantifiers - "data หลายอย่าง" มากกว่า "data มาก", "data น้อยลง" มากกว่า "data น้อยลง" มีเพียงไม่กี่คนที่จัดการให้สอดคล้องกันซึ่งดูเหมือนว่าจะเป็นสาเหตุที่หายไป
Scortchi

5
แม้จะมีปี (ไม่นานหลายทศวรรษ) ในการต่อสู้ (ครูสอนภาษาลาตินของฉันยินดี) แต่ฉันก็มีมุมมองคล้ายกับ @ Scortchi แต่ฉันพยายามที่จะใช้ชุดข้อมูลคำที่เป็นไปได้อิทธิพลโดยเฉพาะอย่างยิ่งการปฏิบัติ StataCorp ที่แก้ปัญหาบางอย่าง
Nick Cox

14

ในขณะที่ไม่เคร่งครัดระยะทางสถิติที่ผมลงคะแนนที่จะเกษียณอายุendogeneity มันถูกใช้เพื่ออ้างถึงทุกสิ่งตั้งแต่การย้อนกลับของสาเหตุจนถึงการเลือกที่สับสนและการลำเอียงคอลลิเดอร์เมื่อทุกคนต้องการทำจริง ๆ จะพูดว่า: "ผลกระทบนั้นไม่ได้รับการระบุ"


ความคิดเห็นไม่ได้มีไว้สำหรับการอภิปรายเพิ่มเติม การสนทนานี้ได้รับการย้ายไปแชท
Glen_b

13

"การถดถอยไปสู่ค่าเฉลี่ย" ไม่ได้หมายความว่าหากเราสังเกตจำนวนตัวอย่างของไอดอลที่ต่ำกว่าค่าที่คาดไว้ตัวอย่างไอไอถัดไปน่าจะสูงกว่าค่าที่คาดไว้


3
+1 สิ่งนี้สำคัญ คนที่มีชื่อเสียงต่างสับสนกับเรื่องนี้เป็นพิเศษ ยกตัวอย่างเช่นหนังสือยอดนิยมปีเตอร์สเตนในการวิเคราะห์ความเสี่ยงกับพระเจ้า ลักษณะการถดถอยของค่าเฉลี่ยในหลาย ๆ วิธี - ไม่ใช่วิธีที่ถูกต้อง
whuber

10

เปอร์เซ็นต์เทียบกับคะแนนร้อยละ : หากบางสิ่งบางอย่างเพิ่มขึ้นจาก 1% เป็น 2% จะเพิ่มขึ้น 100% หรือ: คุณสามารถพูดได้ว่ามันเพิ่มขึ้น 1 คะแนนร้อยละ

การระบุว่าการเพิ่มขึ้น 1% นั้นทำให้เข้าใจผิดมาก


7

ฉันพบตัวย่อที่ไม่ได้ระบุอย่างชัดเจนว่าเป็นปัญหาจริง ตัวอย่างเช่นฉันเห็นสิ่งต่าง ๆ เช่น GLM และไม่มีการระบุหากนี่หมายถึงโมเดลเชิงเส้นทั่วไปหรือโมเดลเชิงเส้นทั่วไป มักจะสามารถคิดออกว่ามีการอ้างอิงอะไรหลังจากขุดลงในบริบท แต่ฉันคิดว่านี่เป็นปัญหาโดยเฉพาะอย่างยิ่งสำหรับนักเรียนที่เพิ่งเริ่มเรียนรู้เกี่ยวกับแบบจำลองทางสถิติ

อีกตัวอย่างหนึ่งคือ IV นี่หมายถึงตัวแปรเครื่องมือหรือตัวแปรอิสระหรือไม่? บ่อยครั้งที่มันไม่ชัดเจนจนกว่าคุณจะตรวจสอบบริบท

สิ่งอื่นที่ฉันเห็นว่าสับสนคือ "ผู้ดำเนินรายการ" และ "การโต้ตอบ" นอกจากนี้ประชากร (เช่นเดียวกับประชากรโดยทั่วไป) และประชากรที่น่าสนใจดูเหมือนจะสร้างความสับสนให้กับนักเรียนใหม่เว้นแต่ว่าจะมีความชัดเจนมาก


5
ฉันเคยเห็น GLM เคยใช้หมายถึง "Global Linear Models" โดยบางคนในฝูงชนการเรียนรู้เครื่อง เพียงเพื่อเพิ่มความสับสนในคำที่มีอยู่มากเกินไป
Glen_b

1
ฉันสนับสนุนคำตอบ / การสังเกตนี้บางส่วน ฉันคิดว่า "Generalized" (ไม่ว่ามันจะเป็นอะไร) ควรเป็นตัวย่อที่ดีกว่าสำหรับ Gz ไม่ใช่ G เช่น GzLM (โมเดลเชิงเส้นตรงทั่วไป)
ttnphns

2
@ttnphns: พวกเราบางคนเขียนgeneralizedกับs
Henry

ฉันอยากรู้ @ttnphns ส่วนไหนของคำตอบนี้ที่คุณไม่สนับสนุนและเพราะอะไร เป็นไปได้มากที่ฉันมีความเข้าใจผิดเกี่ยวกับบางสิ่งดังนั้นฉันอยากรู้มากกว่านี้ถ้าคุณมีอะไรที่จะเสนอเพิ่มเติม ขอบคุณ!
StatsStudent

1
ฉันคิดว่า IV มีความหมายในหลอดทดลอง = P
Mehrdad

7

ภาษาที่ใช้กันทั่วไปในชีวิตประจำวัน:

เฉลี่ย

สำหรับคนทั่วไปที่อยู่ที่นั่น (ตั้งใจประชดอย่างขมขื่น) ค่าเฉลี่ยมัธยฐานโหมดและค่าที่คาดหวังของทุกสิ่งดูเหมือนจะเหมือนกัน พวกเขามีแนวโน้มตามธรรมชาติที่จะทำการประเมินจุดด้วยสมมติฐานที่หมดสติและไม่สามารถใช้งานได้ว่ามีการแจกแจงแบบปกติพื้นฐาน และสมมุติฐานที่ไร้สติอย่างเท่าเทียมกันของความแปรปรวนที่น้อยมาก ความเชื่อที่ว่าการประเมิน 1) มีอยู่และ 2) จะมีประโยชน์มากสำหรับพวกเขาเพราะพวกเขาสามารถใช้มันเป็นตัวทำนายบางอย่างที่ฝังแน่นดังนั้นมันเป็นไปไม่ได้ที่จะโน้มน้าวพวกเขาเป็นอย่างอื่น

สำหรับตัวอย่างในโลกแห่งความจริงลองพูดคุยกับพ่อครัวที่ถามว่า "อะไรคือขนาดเฉลี่ยของมันฝรั่ง" แน่นอนว่าถ้าคุณบอกหมายเลขเขาจะสามารถใช้สูตรนี้สำหรับสูตรใดก็ได้ที่ระบุตัวเลข ของมันฝรั่งและทำให้มันสมบูรณ์แบบทุกครั้ง และโกรธคุณที่พยายามบอกเขาว่า "ไม่มีเบอร์" น่าเศร้าที่มันเกิดขึ้นในสถานการณ์ที่มีเงินเดิมพันสูงกว่าการทำซุป


3
ฉันคิดว่านี่มันพูดเกินจริงไปเล็กน้อย ตัวอย่างเช่นผู้คนนับล้านหากไม่ใช่คนหลายพันล้านคนดูเหมือนจะมีปัญหาเล็กน้อยเกี่ยวกับค่าเฉลี่ยของกีฬา
Nick Cox

1
@NickCox มันขึ้นอยู่กับบริบทอย่างแน่นอน โดยเฉพาะอย่างยิ่งการคำนวณค่าเฉลี่ยเลขคณิตสำหรับข้อมูลที่ให้นั้นไม่เป็นอันตราย ฉันได้เห็นปัญหาโดยเฉพาะในกรณีที่ฉันอธิบายซึ่งพวกเขาต้องการการประมาณจุดและสมมติว่า "ค่าเฉลี่ย" นั้นแม่นยำมาก นอกจากนี้พวกเขายังถือว่า "ค่าเฉลี่ย" นี้เพื่อคำนวณเป็นค่าเฉลี่ย แต่ถ้าคุณขอให้พวกเขาอธิบายความหมายของค่าเฉลี่ยพวกเขาจะอธิบายโหมดคร่าวๆ
rumtscho

@rumtscho คุณพูดถูก Joe Average อาจมีแนวโน้มที่จะคิดว่าค่าเฉลี่ยเป็นโหมดหรือโดยทั่วไป
Mark L. Stone

เมื่อผู้คนพูดถึงราคาบ้าน "เฉลี่ย" ในสหราชอาณาจักรพวกเขาไม่สามารถบอกประเภทของค่าเฉลี่ยที่พวกเขาใช้หรือบอกว่าไม่รวมค่าใช้จ่าย
Ian Ringrose

1
ไม่มีสิ่งใดที่บอกว่าหมายความว่าไม่สามารถคำนวณได้สำหรับการแจกแจงแบบหลายรูปแบบบ่อยครั้งที่มันไม่ใช่มาตรการที่ยิ่งใหญ่ที่สุดสำหรับการอธิบายการกระจายตัว นอกจากนี้ฉันไม่แน่ใจว่ามันจะทำสิ่งที่ดีสำหรับภาพของนักสถิติที่จะบอกทุกคนว่า "คุณไม่รู้ความหมายของคำว่าเฉลี่ย!" และเมื่อพวกเขาชี้ไปที่คำจำกัดความของพจนานุกรมเราจะตอบว่า "ก็ไม่ได้แปลพจนานุกรม!"
หน้าผา AB

7

Kurtosis ไม่ได้วัด "ความแหลม"

Z4|Z||Z|

* ลบ 3 หรือไม่; มันไม่ต่างกับจุดนี้


1
ZZ

1
ฉันมีศาสตราจารย์สถิติกรีก - ไซปรัสที่สอนเราว่า leptokurtic ในภาษากรีกแปลว่า "ไหล่แคบ" หรือ "หลังค่อม" ดังนั้น leptokurtic distribution (เช่น Laplace หรือ exponential สองเท่า) มีมวลน้อยกว่า Gaussian (มีความแปรปรวนเท่ากัน) ในบริเวณ "ไหล่" ของมัน - และมีมวลมากขึ้นตามบริเวณศีรษะและหาง ในทางกลับกันการแบ่งตัวของ platykurtic (เช่นเครื่องแบบ) มีมวลมากกว่าในไหล่และมีมวลน้อยกว่าในบริเวณศีรษะและหางมากกว่าปกติ
Mico

2
คำอธิบายที่ดีของคำ แต่ในความเป็นจริงพวกเขาไม่มีอะไรเกี่ยวข้องกับสถิติของเคิร์ตซีสที่เพียร์สันพัฒนาขึ้น เพียร์สันคิดผิด แต่ด้วยการใช้คำภาษากรีกที่ฟังดูไพเราะเขาทำให้คนอื่นคิดว่าเขากำลังทำสิ่งที่ลึกซึ้ง ข้อผิดพลาดของเขาได้ทำร้ายสถิติการศึกษาและการรู้หนังสือมานานกว่า 100 ปีน่าเศร้า ดูกระดาษของฉันสำหรับการแจกแจงแหลม ("lepto") ที่ kurtosis มีขนาดเล็กและการกระจายที่ราบ ("platy") ที่ kurtosis อยู่ใกล้ไม่มีที่สิ้นสุด ความเชี่ยวชาญของเพียร์สันไม่ได้บอกอะไรคุณเกี่ยวกับ "lepto" หรือ "platy" ncbi.nlm.nih.gov/pmc/articles/PMC4321753
Peter Westfall

5

วิธีการเชิงเส้น:

  • y=a+bxy=a+bx+cx2y=axb

  • y=ea+bx1+ea+bxy=a+bx+xmax(xθ,0)

  • เชิงเส้นความหมายตรงข้ามของแบบไดนามิก ในสิ่งที่ตัวแปรตามเป็นฟังก์ชันของมันไม่ได้เป็นหน้าที่ของค่าก่อนหน้าของตัวเอง ในส่วนที่ไม่เกี่ยวข้องนี้หมายถึงสิ่งต่าง ๆ เช่นและ{t-1}y t - y t - 1 = a + b ( y t - 1 - x t - x ) + c ( x t - x t - 1 ) + d x t - 1yt=a+byt1+cxytyt1=a+b(yt1xtx)+c(xtxt1)+dxt1

โดยที่เป็นตัวแปรที่ขึ้นต่อกันเป็นตัวแปรอิสระและและเป็นพารามิเตอร์ในตัวอย่างข้างต้นทั้งหมดx a , b , c , d θyxa,b,c,dθ


5

คำถามนี้เกี่ยวกับการใช้คำศัพท์ทางสถิติที่เราควรดูแลให้ถูกต้อง ฉันแก้ไขการใช้คำว่า 'สุ่ม' ของเด็ก ๆ พันปีในการแปลสิ่งที่ตรงกันข้ามกับการสุ่มมาเป็นเวลา 10 ปีแล้ว เมื่อพิจารณาจากจำนวนผู้ฝึกอบรมของฉันพยายามสร้างตัวอย่างข้อมูลสุ่มที่สุ่มจริงซึ่งเกิดขึ้นก่อนการใช้คำนี้การทำให้งงงวยของคำนี้ในศัพท์แสลงประจำวันเป็นวิกฤต

จาก OnlineSlangDictionary:

Definition of random


random

adjective
  • ไม่คาดฝันและน่าแปลกใจ
    All of the sudden this guy jumped out from behind the bushes, it was so random!
    The street cleaner never comes down our street. How random.
    
  • ยอดเยี่ยมอย่างไม่คาดคิด
    The party was totally random.
    

4

มีตัวอย่างที่ดีมากมายที่เกล็นและนิคพูดถึงแล้ว ... เหลือไม่มาก!

บางแง่มุมของการถดถอย

  • ข้อผิดพลาดและระยะเวลาที่เหลือ (มันค่อนข้างตลกเมื่อคนมีความภาคภูมิใจที่เหลือของพวกเขาจะไม่เกี่ยวข้องกับการถดถอย)

  • การคาดคะเนและการประมาณค่า (เราควรหยุดทำการแยกแยะเมื่อพวกมันเกี่ยวกับผลกระทบที่คาดการณ์ไว้หรือไม่?)

  • ช่วงการคาดการณ์ / การคาดการณ์กับช่วงความมั่นใจ ฉันคิดว่ามีความน่าจะเป็น> 0.5 เพื่ออ้างอิงสิ่งที่ผิด

  • regressor (คอลัมน์ในเมทริกซ์การออกแบบ) กับ covariable และคณะ โดยเฉพาะอย่างยิ่งในสถานการณ์ทางเทคนิคที่มีความแตกต่างสำคัญหลายคน (รวมถึงตัวเอง) มักจะไม่แน่ชัด


ขอโทษฉันสับสน การทำนายและการประมาณต่างกันหรือไม่? คุณช่วยอธิบายเพิ่มเติมเกี่ยวกับสองจุดสุดท้ายของคุณได้หรือไม่? ขอบคุณ!
yuqian

3

ในสภาพแวดล้อมการประกันภัยโดยเฉพาะเป็นเรื่องปกติที่จะใช้ความแปรปรวนเพื่ออ้างถึงความแตกต่างใด ๆ แทนที่จะเป็นค่าเฉลี่ยของความแตกต่างกำลังสองระหว่างจุดข้อมูลแต่ละจุดและค่าเฉลี่ยของชุดข้อมูล


6
ฉันได้พบกับความแปรปรวนที่ใช้ในความรู้สึกที่แตกต่างกันนี้ แต่โปรดทราบว่าความแปรปรวนเป็นคำภาษาอังกฤษที่มีอยู่เมื่อ RA Fisher ถูกแย่งชิงเพื่อวัตถุประสงค์นี้ในปี 1918 ดังนั้นนี่จึงเป็นการใช้ที่แตกต่างกัน บุคคลทางสถิติไม่สามารถอ้างสิทธิ์การเป็นเจ้าของความหมายที่แท้จริงได้
Nick Cox

3

คชกรรม

นักเรียนที่เรียนรู้ว่าอาจไม่มีปัญหาในการบอกคุณว่ามีบางสิ่งที่ "ดู" Bayesian แต่ขอให้พวกเขาแก้ปัญหาด้วยวิธีการแบบประจำและแบบ Bayesian และพวกเขาอาจล้มเหลว

จากประสบการณ์ของฉันนักเรียนได้รับการสอนว่ามันเป็นความแตกต่างทางปรัชญาโดยไม่มีตัวอย่างที่เป็นรูปธรรมที่แสดงให้เห็นปัญหาเดียวกันที่ถูกโจมตีด้วยวิธีการทั้งสอง

ตอนนี้ถามพวกเขาว่าทำไมบางคนอาจใช้วิธีการแบบสม่ำเสมอในตัวอย่างของพวกเขา โอกาสที่คำอธิบายที่ดีที่สุดของพวกเขาน่าจะเป็นอะไรบางอย่างเช่น "เอาละย้อนกลับไปในสมัยก่อนไม่มีคอมพิวเตอร์ ... "


คุณช่วยแบ่งปันคำอธิบายของคุณได้ไหมว่าทำไมบางคนอาจใช้วิธีการแบบบ่อยๆ? ขอบคุณ!
yuqian

4
@yuqian: ใช่ สำหรับฉันส่วนที่สำคัญคือคุณต้องทำเมื่อคุณต้องการให้คนเห็นด้วยกับคุณ วิธีการแบบเบย์นั้นจำเป็นต้องมีการแจกแจงก่อนซึ่งเป็นอัตวิสัยและในปัญหาโลกแห่งความจริงนั้นไม่มีการแก้ไขอย่างถูกต้องเชิงวัตถุมาก่อน ... ซึ่งหมายความว่าคนสองคนสามารถคำนวณคำตอบที่ต่างกันสำหรับปัญหาเดียวกัน ด้วยวิธีการที่ใช้บ่อยทำให้ไม่มีความคลุมเครือเช่นนั้นและทำให้คุณสามารถเปรียบเทียบผลลัพธ์ของคุณกับของผู้อื่นในแบบที่มีวัตถุประสงค์
Mehrdad

2

อันตราย

ความเสี่ยงไม่ได้หมายถึงความน่าจะเป็น

ความเสี่ยงคือผลรวมของต้นทุนของผลลัพธ์ทั้งหมดค่าใช้จ่ายแต่ละรายการคูณด้วยความน่าจะเป็นที่เกิดขึ้น

ความเสี่ยงมักจะถูกถ่วงเทียบกับรางวัลซึ่งเป็นกำไรที่เราพยายามทำ

นี่คือตัวอย่างหนึ่ง: Kilowatt ของคุณเป็นอย่างไร ที่นี่ความเสี่ยง - จำนวนคนตายสำหรับแหล่งพลังงานที่แตกต่างกัน - ถูกชั่งน้ำหนักเทียบกับรางวัล - เทราวัตต์ชั่วโมงของพลังงานที่ผลิตโดยแหล่งพลังงานเหล่านี้

ตัวอย่างเช่น: ความเสี่ยงของพลังงานนิวเคลียร์ไม่ใช่ความน่าจะเป็นที่การล่มสลายจะเกิดขึ้น มันเป็นความน่าจะเป็นที่การล่มสลายจะเกิดขึ้นคูณด้วยจำนวนคนที่ตายจากมันบวกกับจำนวนผู้ที่เสียชีวิตจากการปฏิบัติงานปกติคูณด้วยความน่าจะเป็นที่การดำเนินงานยังคงเป็นปกติ


4
"ความเสี่ยง" ไม่มีคำจำกัดความมาตรฐานที่เป็นที่ยอมรับในระดับสากล แต่ "ผลรวมของต้นทุน [การสูญเสีย] ของผลลัพธ์ทั้งหมดแต่ละค่าเหล่านี้ [การสูญเสีย] คูณด้วยความน่าจะเป็นของพวกเขาที่เกิดขึ้น" คือคำจำกัดความของต้นทุนที่คาดหวัง [การสูญเสีย] ความเสี่ยงในทางกลับกันโดยทั่วไปหมายถึงการเบี่ยงเบน (ไม่พึงประสงค์) จากการสูญเสียที่คาดหวัง ดังนั้นคำจำกัดความของคุณคือความคาดหวังในขณะที่ฉันคิดว่าคำจำกัดความทั่วไปเกี่ยวกับการกระจายความเสี่ยง
A. เวบบ์

ตัวอย่างเช่นเมื่อเราซื้อประกันมีวัตถุประสงค์เพื่อลดความเสี่ยง (ลดผลกระทบของเหตุการณ์ที่ไม่น่าจะเกิดขึ้น) แต่ค่าใช้จ่ายจริงที่คาดหวังจะสูงกว่าสำหรับผู้ประกันตนความแตกต่างคือค่าใช้จ่ายและผลกำไรของผู้ประกันตน การสูญเสียที่มากที่สุดในหางได้ทำการแลกเปลี่ยนเพื่อค่าใช้จ่ายที่สูงขึ้นอย่างต่อเนื่องของพรีเมี่ยม
A. เวบบ์

3
@ A.Webb FWIW สมาคมเพื่อการวิเคราะห์ความเสี่ยง (ระหว่างประเทศ) กำหนดความเสี่ยงว่า "ศักยภาพสำหรับการตระหนักถึงผลกระทบที่ไม่พึงประสงค์ต่อชีวิตมนุษย์สุขภาพทรัพย์สินหรือสิ่งแวดล้อมการประเมินความเสี่ยงมักขึ้นอยู่กับมูลค่าที่คาดหวังของ ความน่าจะเป็นแบบมีเงื่อนไขของเหตุการณ์ที่เกิดขึ้นคูณด้วยผลลัพธ์ของเหตุการณ์ที่เกิดขึ้น ดังนั้นความเสี่ยงจึงดูเหมือนว่าจะมีคำจำกัดความมาตรฐาน - และแสดงว่าคุณมีสิทธิ์ที่จะแยกแยะความเสี่ยงจากวิธีการประมาณหรือวัดผล
whuber

1
ความเสี่ยงที่ใช้โดยนักระบาดวิทยายังหมายถึงอัตราที่น่าจะเป็นของเหตุการณ์ที่เกิดขึ้นหรือ T P(A)/t
Alexis

2

เอฟเฟกต์คงที่และเอฟเฟกต์แบบสุ่มอาจหมายถึงสิ่งต่าง ๆ สำหรับคนอื่น ในเศรษฐมิติเอฟเฟกต์คงที่จะสุ่มจริง ๆ และเมื่อคุณคิดถึงผลกระทบทุกอย่างในสถิติจะเป็นแบบสุ่มดังนั้นการตั้งชื่อสิ่งที่สุ่มไม่ให้ข้อมูลเพิ่มเติมที่มีความหมาย

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.