103

สถิติมีอยู่ทุกที่ อย่างไรก็ตามการใช้คำศัพท์ทางสถิติทั่วไปมักไม่ชัดเจน

ความน่าจะเป็นของคำศัพท์และอัตราต่อรองนั้นใช้แทนกันได้ในการเขียนภาษาอังกฤษแม้จะมีการแสดงออกทางคณิตศาสตร์ที่ชัดเจนและแตกต่างกัน

การไม่แยกคำที่น่าจะเป็นจากความน่าจะเป็นเป็นประจำทำให้แพทย์สับสนพยายามหาปริมาณความน่าจะเป็นของมะเร็งเต้านมเนื่องจากการตรวจเต้านมด้วยวิธีบวก“ โอ้ช่างเป็นเรื่องไร้สาระ ฉันทำสิ่งนี้ไม่ได้ คุณควรทดสอบลูกสาวของฉัน เธอกำลังศึกษาเรื่องยา”

การแพร่กระจายอย่างเท่าเทียมกันคือการใช้ความสัมพันธ์แทนสมาคม หรือความสัมพันธ์หมายความสาเหตุ

ในสารคดีที่โด่งดังของอัลกอร์An Invenvenient Truthสไลด์แสดงความสัมพันธ์ของแกนน้ำแข็งและอุณหภูมิออกจากงานทางเทคนิคเพื่อพิสูจน์สาเหตุของการอภิปราย: $\small \text{CO}_2$

คำถาม:เงื่อนไขทางสถิติใดที่ทำให้เกิดปัญหาในการตีความเมื่อใช้งานโดยไม่ต้องใช้ความรุนแรงทางคณิตศาสตร์และควรแก้ไขอย่างไร

terminology

— Antoni Parellada
แหล่งที่มา

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

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 . $y = a + bx$ $1$ $-1$ $b \ne 0$ $y = x$ $a =0, b= 1$

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:

ฉันคิดว่านี่เป็นคำถามที่ดีและจริงจัง
แฟชั่นกะ ในศตวรรษที่ยี่สิบดูเหมือนว่าหลายคน (ไม่มีชื่อไม่มีการเจาะแพ็ค แต่คาร์ลเพียร์สันอาจกล่าวถึง) สามารถประดิษฐ์ศัพท์ได้โดยการเข้าถึงพจนานุกรมภาษากรีกและละตินของพวกเขาเท่านั้น (มันจะไม่เป็นธรรมที่จะไม่ให้เครดิตเขาสำหรับพล็อตที่กระจาย .) แต่ชาวประมง RA ได้หลายจี้ที่มีอยู่ก่อนคำภาษาอังกฤษรวมทั้งความแปรปรวน , พอเพียง , ประสิทธิภาพและความน่าจะเป็น เมื่อเร็ว ๆ นี้เจดับบลิวทูกีเป็นหลักในการใช้คำเรียบง่าย แต่ไม่กี่ควรจะรู้สึกทุกข์ที่splomsและbadmandmentsไม่ได้จับ
หนึ่งความคิดเห็นนั้นขึ้นอยู่กับความทรงจำของ "ชีวิตคือ [... ] Multiplicative มากกว่าการเติม: บันทึกการแจกแจงแบบปกตินั้นปกติมากกว่าปกติ" ไม่ช้า 2505 กฎการทำงานของ Bloggins ในดี IJ (เอ็ด) นักวิทยาศาสตร์คาดเดา: กวีนิพนธ์ของความคิดที่อบบางส่วน ลอนดอน: Heinemann, 212-213 (ใบเสนอราคาหน้า 23)

— Nick Cox
แหล่งที่มา

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:

การรักษาระดับนัยสำคัญและความน่าจะเป็นที่ครอบคลุมของ CI นั้นสามารถใช้แทนกันได้เพื่อให้ผู้คนได้ทำสิ่งต่าง ๆ เช่นพูดถึง "ความสำคัญ 95%"

[สิ่งที่แย่กว่าคือเมื่อคนที่ทำผิดพลาดชี้ไปที่บันทึกการบรรยายของพวกเขา - หรือแม้แต่ตำรา - เพื่อสนับสนุนสิ่งนี้; กล่าวอีกนัยหนึ่งคือความผิดพลาดไม่ใช่ของพวกเขา แต่กำลังรวมตัวกันเป็นร้อยเท่าหรือหลายพันเท่าและยิ่งแย่กว่านั้นถึงแม้ว่าพวกเขาจะเข้าใจอย่างถูกต้องพวกเขาอาจต้องทำซ้ำข้อผิดพลาดต่อไปเพื่อส่งเรื่อง]
นอกจากนี้ยังมีแนวโน้มทั่วไปที่จะคิดว่า "ความสำคัญ" มีอยู่นอกสมมติฐาน / คำถามที่เฉพาะเจาะจง (นำไปสู่คำถามเช่น "เป็นข้อมูลของฉันที่สำคัญ" โดยไม่มีความคิดที่ชัดเจนว่าจะต้องตอบคำถามใด) [ปัญหาที่เกี่ยวข้องคือ "ฉันควรใช้การทดสอบแบบไหนกับข้อมูลเหล่านี้" ราวกับว่ามันเป็นข้อมูล - แทนที่จะเป็นคำถามที่ต้องตอบ - นั่นคือตัวขับเคลื่อนของตัวเลือกของการวิเคราะห์ (ในขณะที่ "การออกแบบ" ของการศึกษาสามารถส่งผลกระทบต่อการทดสอบเฉพาะที่ใช้คำถามที่น่าสนใจมีความสำคัญมากขึ้น - ตัวอย่างเช่นถ้าคุณมีสามกลุ่ม แต่คำถามที่คุณสนใจนั้นเกี่ยวข้องกับการเปรียบเทียบสองกลุ่มเท่านั้น ความจริงที่ว่าคุณมีสามคนนั้นไม่ได้บังคับให้คุณทำการวิเคราะห์แบบทางเดียวแทนที่จะเป็นการเปรียบเทียบที่น่าสนใจทั้งสองกลุ่ม ... ตราบใดที่คุณเลือกการวิเคราะห์ไม่ได้มาจากสิ่งที่ข้อมูลแสดง เป็นการดีที่คุณวางแผนคำถามและการวิเคราะห์ของคุณก่อนที่จะมีข้อมูลแทนที่จะโยนการวิเคราะห์ที่ข้อมูลและดูสิ่งที่เกาะติดซึ่งดูเหมือนว่าคำถามการวิเคราะห์โพสต์เฉพาะกิจ - รวมทั้ง "ฉันควรใช้การทดสอบใดสำหรับข้อมูลเหล่านี้" - มีแนวโน้มที่จะนำไปสู่)
แนวโน้มเป็นครั้งคราวเพื่ออ้างถึงส่วนประกอบของ p-value ว่าเป็น "ความเชื่อมั่นใน" หรือ "ความน่าจะเป็นของ" ทางเลือก
"ข้อมูลที่ไม่ใช่พารามิเตอร์"; น่าเสียดายอีกอย่างหนึ่งที่พบในหนังสือสองเล่ม (และน่าเศร้าในบทความที่อ้างว่าแก้ไขข้อผิดพลาดทั่วไป) สิ่งนี้เกิดขึ้นบ่อยครั้งว่ามันอยู่ในรายการสั้น ๆ ของความคิดเห็นที่สร้างขึ้นโดยอัตโนมัติ (ซึ่งเริ่มต้น "ข้อมูลไม่ใช่ตัวแปรหรือ nonparametric; นั่นคือคำคุณศัพท์ที่ใช้กับแบบจำลองหรือเทคนิค ... ") (ขอบคุณ Nick Cox ที่เตือนฉันเกี่ยวกับข้อผิดพลาดนี้โดยเฉพาะ)

โดยทั่วไปสิ่งที่ตั้งใจไว้คือ "ข้อมูลที่ไม่ปกติ" แต่พารามิเตอร์ไม่ได้หมายความว่าปกติและการมีค่าปกติโดยประมาณนั้นไม่ได้หมายความว่าเราต้องการกระบวนงานพารามิเตอร์ ในทำนองเดียวกันการไม่เป็นบรรทัดฐานไม่ได้หมายความว่าเราต้องการกระบวนการที่ไม่ใช้พารามิเตอร์ บางครั้งสิ่งที่ตั้งใจคือ "ข้อมูลอันดับ" หรือ "ข้อมูลเล็กน้อย" แต่ไม่ว่าในกรณีใดก็หมายความว่าแบบจำลองขอบเขต - พารามิเตอร์ไม่เหมาะสม
แนวโน้มทั่วไปที่จะเข้าใจผิดความหมายของ "เส้นตรง" ใน "โมเดลเชิงเส้น" ในลักษณะที่จะไม่สอดคล้องกับการใช้คำว่า "เส้นตรง" ใน "เส้นตรงแบบจำลองทั่วไป" นี่เป็นความผิดส่วนหนึ่งของวิธีที่เราใช้คำศัพท์
การเปรียบเทียบความเบ้แบบเฉลี่ยลบด้วยค่ามัธยฐานกับความเบ้ขณะที่สามและการทำให้ศูนย์เป็นศูนย์ในแบบใดแบบหนึ่ง (หรือทั้งสองแบบ) ด้วยสมมาตร ข้อผิดพลาดทั้งสองมักพบในข้อความพื้นฐานที่ใช้กันอย่างแพร่หลายในบางส่วนของแอปพลิเคชัน [มีข้อผิดพลาดที่เกี่ยวข้องกับการปฏิบัติให้เป็นศูนย์ความเบ้และศูนย์ส่วนเกินที่บ่งบอกถึงความเป็นปกติ]
อันนี้เป็นเรื่องธรรมดามากมันก็ยากที่จะเรียกมันว่าเป็นข้อผิดพลาดอีกต่อไป (เนื่องจากส่วนหนึ่งของความพยายามของโปรแกรมเฉพาะ) - การเรียกความโด่งเกินนั้นเพียงแค่ "ความโด่ง"; ความผิดพลาดค่อนข้างรับประกันได้ว่าจะนำไปสู่ปัญหาการสื่อสาร

— Glen_b
แหล่งที่มา

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")

— ยินดีปรีดา
แหล่งที่มา

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"

— conjugateprior
แหล่งที่มา

ความคิดเห็นไม่ได้มีไว้สำหรับการอภิปรายเพิ่มเติม การสนทนานี้ได้รับการย้ายไปแชท

— Glen_b

13

"การถดถอยไปสู่ค่าเฉลี่ย" ไม่ได้หมายความว่าหากเราสังเกตจำนวนตัวอย่างของไอดอลที่ต่ำกว่าค่าที่คาดไว้ตัวอย่างไอไอถัดไปน่าจะสูงกว่าค่าที่คาดไว้

— Benjamin Lindqvist
แหล่งที่มา

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

— SPhadler
แหล่งที่มา

7

ฉันพบตัวย่อที่ไม่ได้ระบุอย่างชัดเจนว่าเป็นปัญหาจริง ตัวอย่างเช่นฉันเห็นสิ่งต่าง ๆ เช่น GLM และไม่มีการระบุหากนี่หมายถึงโมเดลเชิงเส้นทั่วไปหรือโมเดลเชิงเส้นทั่วไป มักจะสามารถคิดออกว่ามีการอ้างอิงอะไรหลังจากขุดลงในบริบท แต่ฉันคิดว่านี่เป็นปัญหาโดยเฉพาะอย่างยิ่งสำหรับนักเรียนที่เพิ่งเริ่มเรียนรู้เกี่ยวกับแบบจำลองทางสถิติ

อีกตัวอย่างหนึ่งคือ IV นี่หมายถึงตัวแปรเครื่องมือหรือตัวแปรอิสระหรือไม่? บ่อยครั้งที่มันไม่ชัดเจนจนกว่าคุณจะตรวจสอบบริบท

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

— StatsStudent
แหล่งที่มา

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

— rumtscho
แหล่งที่มา

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"

$Z^4$ $|Z|$ $|Z|$

* ลบ 3 หรือไม่; มันไม่ต่างกับจุดนี้

— Peter Westfall
แหล่งที่มา

1

Z

$Z$

Z

$Z$

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:

$y = a + bx$ $y = a + bx + cx^{2}$ $y = ax^{b}$
$y = \frac{e^{a+bx}}{1+e^{a+bx}}$ $y = a + bx +x\max (x-\theta,0)$
เชิงเส้นความหมายตรงข้ามของแบบไดนามิก ในสิ่งที่ตัวแปรตามเป็นฟังก์ชันของมันไม่ได้เป็นหน้าที่ของค่าก่อนหน้าของตัวเอง ในส่วนที่ไม่เกี่ยวข้องนี้หมายถึงสิ่งต่าง ๆ เช่นและ{t-1} $y_{t} = a + by_{t-1} + cx$ $y_{t}-y_{t-1} = a + b(y_{t-1} - x_{t-x}) + c(x_{t}-x_{t-1}) + dx_{t-1}$

โดยที่เป็นตัวแปรที่ขึ้นต่อกันเป็นตัวแปรอิสระและและเป็นพารามิเตอร์ในตัวอย่างข้างต้นทั้งหมด $y$ $x$ $a, b, c, d$ $\theta$

— อเล็กซิส
แหล่งที่มา

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.

— SASmom
แหล่งที่มา

4

มีตัวอย่างที่ดีมากมายที่เกล็นและนิคพูดถึงแล้ว ... เหลือไม่มาก!

บางแง่มุมของการถดถอย

ข้อผิดพลาดและระยะเวลาที่เหลือ (มันค่อนข้างตลกเมื่อคนมีความภาคภูมิใจที่เหลือของพวกเขาจะไม่เกี่ยวข้องกับการถดถอย)
การคาดคะเนและการประมาณค่า (เราควรหยุดทำการแยกแยะเมื่อพวกมันเกี่ยวกับผลกระทบที่คาดการณ์ไว้หรือไม่?)
ช่วงการคาดการณ์ / การคาดการณ์กับช่วงความมั่นใจ ฉันคิดว่ามีความน่าจะเป็น> 0.5 เพื่ออ้างอิงสิ่งที่ผิด
regressor (คอลัมน์ในเมทริกซ์การออกแบบ) กับ covariable และคณะ โดยเฉพาะอย่างยิ่งในสถานการณ์ทางเทคนิคที่มีความแตกต่างสำคัญหลายคน (รวมถึงตัวเอง) มักจะไม่แน่ชัด

— Michael M
แหล่งที่มา

ขอโทษฉันสับสน การทำนายและการประมาณต่างกันหรือไม่? คุณช่วยอธิบายเพิ่มเติมเกี่ยวกับสองจุดสุดท้ายของคุณได้หรือไม่? ขอบคุณ!

— yuqian

3

ในสภาพแวดล้อมการประกันภัยโดยเฉพาะเป็นเรื่องปกติที่จะใช้ความแปรปรวนเพื่ออ้างถึงความแตกต่างใด ๆ แทนที่จะเป็นค่าเฉลี่ยของความแตกต่างกำลังสองระหว่างจุดข้อมูลแต่ละจุดและค่าเฉลี่ยของชุดข้อมูล

— Clarinetist
แหล่งที่มา

6

ฉันได้พบกับความแปรปรวนที่ใช้ในความรู้สึกที่แตกต่างกันนี้ แต่โปรดทราบว่าความแปรปรวนเป็นคำภาษาอังกฤษที่มีอยู่เมื่อ RA Fisher ถูกแย่งชิงเพื่อวัตถุประสงค์นี้ในปี 1918 ดังนั้นนี่จึงเป็นการใช้ที่แตกต่างกัน บุคคลทางสถิติไม่สามารถอ้างสิทธิ์การเป็นเจ้าของความหมายที่แท้จริงได้

— Nick Cox

3

คชกรรม

นักเรียนที่เรียนรู้ว่าอาจไม่มีปัญหาในการบอกคุณว่ามีบางสิ่งที่ "ดู" Bayesian แต่ขอให้พวกเขาแก้ปัญหาด้วยวิธีการแบบประจำและแบบ Bayesian และพวกเขาอาจล้มเหลว

จากประสบการณ์ของฉันนักเรียนได้รับการสอนว่ามันเป็นความแตกต่างทางปรัชญาโดยไม่มีตัวอย่างที่เป็นรูปธรรมที่แสดงให้เห็นปัญหาเดียวกันที่ถูกโจมตีด้วยวิธีการทั้งสอง

ตอนนี้ถามพวกเขาว่าทำไมบางคนอาจใช้วิธีการแบบสม่ำเสมอในตัวอย่างของพวกเขา โอกาสที่คำอธิบายที่ดีที่สุดของพวกเขาน่าจะเป็นอะไรบางอย่างเช่น "เอาละย้อนกลับไปในสมัยก่อนไม่มีคอมพิวเตอร์ ... "

— Mehrdad
แหล่งที่มา

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

— Michael Karnerfors
แหล่งที่มา

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

$P(A)/t$

— Alexis

2

เอฟเฟกต์คงที่และเอฟเฟกต์แบบสุ่มอาจหมายถึงสิ่งต่าง ๆ สำหรับคนอื่น ในเศรษฐมิติเอฟเฟกต์คงที่จะสุ่มจริง ๆ และเมื่อคุณคิดถึงผลกระทบทุกอย่างในสถิติจะเป็นแบบสุ่มดังนั้นการตั้งชื่อสิ่งที่สุ่มไม่ให้ข้อมูลเพิ่มเติมที่มีความหมาย

— mpiktas
แหล่งที่มา

ข้อกำหนดทางสถิติที่ใช้ผิดประเภทใดที่ควรแก้ไข

คชกรรม