ส่วนหนึ่งของวิธีการใช้บ่อยซึ่งขัดแย้งกับหลักการความน่าจะเป็นคือทฤษฎีของการทดสอบทางสถิติ (และการคำนวณค่า p) มันมักจะเน้นด้วยตัวอย่างต่อไปนี้
สมมติว่าสอง frequentist ต้องการที่จะศึกษาเหรียญลำเอียงซึ่งผลัดกัน 'หัว' กับ propability ไม่รู้จักหน้าพวกเขาสงสัยว่ามันจะลำเอียงไปทาง 'หาง' เพื่อให้พวกเขาอ้างโมฆะสมมติฐานเดียวกันP = 1 / 2และเดียวกันทางเลือกสมมติฐานP < 1 / 2pp=1/2p<1/2
นักสถิติคนแรกพลิกเหรียญจนกว่า 'หัว' จะปรากฎขึ้นซึ่งเกิดขึ้นเป็น 6 ครั้ง ที่สองตัดสินใจที่จะพลิกเหรียญ 6 ครั้งและได้รับ 'หัว' เพียงครั้งเดียวในการโยนครั้งสุดท้าย
ตามโมเดลของนักสถิติคนแรก p-value ถูกคำนวณดังนี้:
p(1−p)5+p(1−p)6+...=p(1−p)511−p=p(1−p)4.
ตามโมเดลของสถิติที่สอง p-value จะถูกคำนวณดังนี้:
(61)p(1−p)5+(60)(1−p)6=(5p+1)(1−p)5.
การเปลี่ยนโดย1 / 2ที่พบครั้งแรก p-value เท่ากับ1 / 2 5 = 0.03125ที่พบสอง p-value เท่ากับ7 / 2 × 1 / 2 5 = 0.109375p1/21/25=0.031257/2×1/25=0.109375
ดังนั้นพวกเขาจึงได้ผลลัพธ์ที่แตกต่างกันเพราะพวกเขาทำสิ่งต่าง ๆ ใช่ไหม แต่ตามหลักการความน่าจะเป็นพวกเขาควรได้ข้อสรุปเดียวกัน หลักการความน่าจะเป็นสั้น ๆ กล่าวว่าโอกาสที่จะเกิดขึ้นก็คือสิ่งที่สำคัญสำหรับการอนุมาน ดังนั้นการปะทะกันที่นี่มาจากข้อเท็จจริงที่ว่าการสังเกตทั้งสองมีความเป็นไปได้เหมือนกันสัดส่วนกับ (ความน่าจะเป็นถูกกำหนดเป็นค่าคงที่สัดส่วน)p(1−p)5
เท่าที่ฉันรู้คำตอบสำหรับคำถามที่สองของคุณเป็นความคิดเห็นที่ถกเถียงกันมากขึ้น ฉันพยายามหลีกเลี่ยงการทดสอบและการคำนวณค่า p ด้วยเหตุผลส่วนตัวข้างต้นและสำหรับคนอื่น ๆ ที่อธิบายไว้ในโพสต์บล็อกนี้
แก้ไข:ตอนนี้ฉันคิดเกี่ยวกับมันการประมาณค่าตามช่วงความเชื่อมั่นจะแตกต่างกัน จริง ๆ แล้วถ้าโมเดลนั้นแตกต่างกัน CI จะแตกต่างกันไปตามโครงสร้างp