คำทั่วไปที่มีความหมายทางสถิติโดยเฉพาะ

ฉันไม่ใช่นักสถิติ แต่งานวิจัยของฉันเกี่ยวข้องกับสถิติ (การวิเคราะห์ข้อมูลการอ่านวรรณกรรม ฯลฯ ) ฉันได้รับการเตือนอีกครั้งจากความคิดเห็นเกี่ยวกับหนึ่งในคำถามของฉันที่โพสต์ที่นี่ว่ามีคำทั่วไปที่มีความหมายเฉพาะหรือความหมายเฉพาะสำหรับผู้ที่ฝึกฝนอย่างดีในด้านสถิติ

การมีรายการคำศัพท์ดังกล่าวและอาจเป็นวลีพร้อมความคิดเห็น

" สำคัญ " - นี่คือการใช้ภาษาทั่วไปของคำว่าหมายถึงบางสิ่งเช่น 'สำคัญ' หรือ 'มีความหมาย' ความหมายทางสถิติใกล้เคียงอย่างไม่เป็นทางการกับ "สามารถมองเห็นได้จากการเปลี่ยนแปลงแบบสุ่มเกี่ยวกับโมฆะ"; ไม่ได้หมายความว่าความแตกต่างนั้นใหญ่พอที่จะสำคัญ

นี่คือตัวอย่างบางส่วนที่ความแตกต่างนี้อาจเป็นสาเหตุของความสับสน: 1 2

" พารามิเตอร์ " - มักจะเกิดขึ้นโดยเฉพาะในการทดลองทางวิทยาศาสตร์ - คำว่า 'พารามิเตอร์' ถูกใช้ในลักษณะที่นักสถิติจะใช้คำว่า 'ตัวแปร' วิกิพีเดียกล่าวไว้ดังนี้:

พารามิเตอร์สถิติคือพารามิเตอร์ที่ทำดัชนีตระกูลของการแจกแจงความน่าจะเป็น มันสามารถถือได้ว่าเป็นลักษณะตัวเลขของประชากรหรือรูปแบบ

ตัวอย่างที่สิ่งนี้อาจมีปัญหา: 1 - สันนิษฐานว่าโพสต์ที่นำไปสู่คำถามนี้ (ฉันเห็นอีกไม่นานมานี้ แต่ไม่สามารถหาได้ในขณะนี้)

"ผิดพลาด" - ในสถิติมักหมายถึงการเบี่ยงเบนใด ๆ ระหว่างค่าที่สังเกตและคาดการณ์ ในชีวิตจริงมันหมายถึงความผิดพลาด

ฉันพบกระดาษอ้างอิงจากปี 2010 ที่ดูคำถามนี้

CM Anderson ศัพท์แสงที่ซ่อนอยู่: คำศัพท์ทุกวันที่มีความหมายเฉพาะสำหรับสถิติ ICOTS8 การประชุมนานาชาติเกี่ยวกับสถิติการสอนลูบลิยานาสโลวีเนียระหว่างวันที่ 11-17 กรกฎาคม 2553

กระดาษนี้ให้บริการออนไลน์ฟรีดังนั้นฉันจึงให้เฉพาะรายการบางส่วนของข้อกำหนดที่ผู้เขียนกล่าวถึง:

 confounding, control, factor, independent, random, uniform

ฉันเจอปัญหาในการใช้ "การปลอมแปลง" เหมือนใน "การปลอมแปลงสมมติฐาน" ในขณะที่คนอื่นคิดว่าฉันหมายถึง "การทำข้อมูล" นอกจากนี้ " ลำเอียง " ก็แทบจะเป็นไปไม่ได้ที่จะพูดถึงโดยไม่ทำให้เกิดความสับสน

"ปกติ" - ในการพูดทั่วไปหมายถึงปกติตามที่คาดหวังไม่ใช่จากสามัญ ในสถิติหากมีการแจกจ่ายตัวแปรโดยปกติมันหมายถึงการแจกแจงแบบเกาส์ ฉันไม่เชื่อว่าเป็นมาตรฐานในการใช้ประโยชน์จากคำว่า "ปกติ" เพื่อแยกความแตกต่างจากความหมายคำพูดทั่วไป

"normalization / standaridization" - ในสถิติเพื่อทำให้ค่าเฉลี่ยของตัวแปรหมายถึงการลบค่าเฉลี่ยและหารด้วยค่าเบี่ยงเบนมาตรฐาน

"ค่าเบี่ยงเบนมาตรฐานกับข้อผิดพลาดมาตรฐาน" - ค่าเบี่ยงเบนมาตรฐานมักจะคำนวณโดยใช้ประชากรทั้งหมดในขณะที่ข้อผิดพลาดมาตรฐานจะถูกคำนวณโดยใช้ตัวอย่าง

"Parametric" กับ "Non-Parametric": หมวดหมู่ของการทดสอบที่ต้องการข้อมูล "ปกติ" หรือ "ไม่ปกติ" การทดสอบแบบพาราเมตริกนั้นต้องการการทดสอบแบบไม่มีพารามิเตอร์

การทดสอบทั่วไป: T-test (จับคู่), Mann-Whitney U, ANOVA, Anderson-Darling, ฯลฯ

ข้อกำหนดอื่น ๆ ได้แก่ "สำคัญ" นี่เป็นการวัดว่าข้อมูลบ่งชี้ว่าสมมติฐานของคุณถูกต้องหรือไม่ เมื่อคุณทดสอบสมมติฐานของคุณในระดับหนึ่งโอกาส (ปกติ 95%) "p-value" น้อยกว่า 0.05 จะบ่งบอกว่าคุณจะปฏิเสธ "สมมติฐานว่าง" ของคุณ (เช่นชุดข้อมูลไม่แตกต่างกัน) และยอมรับ " สมมติฐานทางเลือก "(เช่นชุดข้อมูลแตกต่างกัน)

สถิติที่เบ้บ่งบอกถึงความไม่สมดุลในการแจกแจง

ในภาษาทั่วไปและแม้แต่ในวิทยาศาสตร์ก็มักใช้การเบ้ (และมากขึ้นเรื่อย ๆ ) ในการหมายถึงสิ่งที่คนทางสถิติมักจะเรียกว่าลำเอียงใน "ผลลัพธ์สำหรับค่าเฉลี่ยความสูงนั้นเบ้โดยรวมถึงผู้เล่นบาสเกตบอลจำนวนมาก"

ประมาณการ - ในสถิติมันเป็นผลลัพธ์ของการคำนวณ ตัวอย่างเช่นค่าเฉลี่ยตัวอย่างคือค่าประมาณของค่าเฉลี่ยประชากรและช่วงความเชื่อมั่นของค่าเฉลี่ยคือค่าประมาณช่วงเวลาของค่าเฉลี่ยประชากร สิ่งเหล่านี้เป็นผลลัพธ์ของการคำนวณที่แน่นอน "การประมาณค่า" เป็นวิธีการทั่วไปที่แม่นยำในการพยายามอนุมานเกี่ยวกับประชากรจากข้อมูลในตัวอย่าง

ในการใช้งานทั่วไปการประมาณการคำหมายถึงการคาดเดาหรือลางสังหรณ์ที่มีข้อมูลหรือผลลัพธ์ของการคำนวณโดยประมาณ

$\theta$$X$$\mathcal{L}(\theta|X)=\Pr(X|\theta)$

ตัวแทน - มีความหมายบางครั้งขัดแย้งกันทั้งในชีวิตประจำวันและวิทยาศาสตร์ อ้างถึง Kruskal & Mosteller 1979a , 1979b , 1979Cและ1980 นักสถิติส่วนใหญ่ที่ฉันรู้จักจะพิจารณาตัวแทนตัวอย่างถ้ามีการสุ่มตัวอย่างด้วยความน่าจะเป็นที่รู้จัก คนธรรมดาส่วนใหญ่ที่ฉันรู้จักจะพิจารณาว่ามันเป็นตัวแทนถ้าการกระจายเล็กน้อยนั้นคล้ายกับประชากร

• ตัวอย่าง : ในขณะที่สถิตินี้หมายถึงชุดของกรณีในสาขาวิชาอื่น ๆ อีกมากมายตัวอย่างเป็นหนึ่งในตัวอย่างทางกายภาพ แน่นอนขนาดของกลุ่มตัวอย่างนั้นยังคลุมเครือโดยอ้างถึงจำนวนผู้ป่วยในตัวอย่างทางสถิติหรือขนาดทางกายภาพ (มวลปริมาตร ... ) ของตัวอย่าง

• ความไว : สำหรับการวินิจฉัยทางการแพทย์ส่วนของกรณีที่เป็นโรคที่ได้รับการยอมรับจากการทดสอบ ในการวิเคราะห์ทางเคมี: ความชันของเส้นโค้งการปรับเทียบ (ดูด้านล่าง)

• ความจำเพาะ : ในการวินิจฉัยทางการแพทย์ส่วนของกรณีที่ไม่ใช่โรคนี้ได้รับการยอมรับอย่างถูกต้องจากการทดสอบ ในเคมีวิเคราะห์วิธีการเฉพาะถ้าไม่มีความไวต่อความรู้สึกข้าม

• การสอบเทียบ : จริงแล้วมีการแสดงความหมายสองรายการสำหรับสถิติในบทความ Wiki แล้ว ในเคมีและฟิสิกส์ความหมายการถดถอยแบบย้อนกลับเป็นความหมายปกติ ความสับสนเกิดขึ้นแม้ว่า:

  • ใน Chemometrics (ไปข้างหน้า) รุ่นที่สอบเทียบสัญญาณวัดขึ้นอยู่กับความเข้มข้นของ :(c) ทำนายแล้วแก้เข้มข้น :(I) การสอบเทียบผกผันรุ่น(I) ดังนั้นรูปแบบไปข้างหน้าเห็นด้วยกับสาเหตุ (ความเข้มข้นของ analyte ทำให้เกิดสัญญาณไม่ใช่วิธีรอบอื่น ๆ ) แต่แบบจำลองผกผันทิศทางที่ใช้สำหรับการคาดการณ์ (ในทางปฏิบัติมันมักจะเป็นไปได้ที่จะบอกว่าข้อผิดพลาดในหรือข้อผิดพลาดในมีขนาดใหญ่กว่าอื่น ๆ และทิศทางการสร้างแบบจำลองที่เหมาะสมคือ / ควรเลือกจากที่)c ฉัน= f ( c ) c c = f - 1 ( I ) c = f ( I ) c $I$$c$$I = f (c)$$c$$c = f^{-1} (I)$$c = f (I)$
    $c$$I$
  • ฉันเคยเห็นความน่าจะเป็นที่คาดการณ์ไว้มากกว่าความน่าจะเป็นจริงที่เรียกว่า "แผนการสอบเทียบ" (สถิติคน) ในการวิเคราะห์ทางเคมีพล็อตการสอบเทียบที่สอดคล้องกันจะถูกทำนายความน่าจะเป็นเหนือสัญญาณที่วัดได้ (โดยปกติจะเป็นหน่วยอื่น ๆ ) พล็อตที่คาดการณ์ตัวแปรตามจริงมากกว่ามักจะถูกเรียกว่าเส้นโค้งการกู้คืน

• ชุดการตรวจสอบ : ที่นี่ฉันต้องการดึงความสนใจไปที่การใช้คำที่สับสนซึ่งฉันคิดว่าเกิดขึ้นแล้วในเขตข้อมูลที่เกี่ยวข้องกับสถิติที่แตกต่างกันถึงแม้ว่าฉันจะเปรียบเทียบกันอีกครั้ง ในบริบทของการตรวจสอบความถูกต้อง / ซ้อนหรือการเพิ่มประสิทธิภาพเทียบกับการตรวจสอบ / การทดสอบหนึ่งบรรทัดของคำศัพท์แยกการฝึกอบรม - การตรวจสอบ - การทดสอบและใช้ชุด "การตรวจสอบ" เพื่อเพิ่มประสิทธิภาพของพารามิเตอร์
  เช่นในองค์ประกอบของการเรียนรู้ทางสถิติ, หน้า 222 ในฉบับที่ 2 :

  ... แบ่งชุดข้อมูลออกเป็นสามส่วน: ชุดฝึกอบรมชุดตรวจสอบและชุดทดสอบ ชุดฝึกอบรมถูกใช้เพื่อให้พอดีกับรุ่น ชุดการตรวจสอบความถูกต้องใช้เพื่อประเมินข้อผิดพลาดในการทำนายสำหรับการเลือกแบบจำลอง ชุดทดสอบใช้สำหรับการประเมินข้อผิดพลาดการวางนัยทั่วไปของรุ่นที่เลือกขั้นสุดท้าย

  ในทางตรงกันข้ามเช่นในการตรวจสอบการวิเคราะห์ทางเคมีที่เป็นขั้นตอนที่แสดงให้เห็นว่ารูปแบบ (ที่จริงการประเมินผลของรุ่นสุดท้ายเป็นเพียงส่วนหนึ่งของการตรวจสอบของวิธีการวิเคราะห์) ทำงานได้ดีสำหรับการประยุกต์ใช้และมาตรการประสิทธิภาพการทำงานให้ดูเช่นจอห์น เคเทย์เลอร์: การตรวจสอบวิธีการวิเคราะห์เคมีวิเคราะห์ 1983 55 (6), 600A-608A หรือแนวทางโดยสถาบันเช่น FDA นี่จะเป็น "การทดสอบ" ในบรรทัดคำศัพท์อื่นซึ่ง "การตรวจสอบความถูกต้อง" นั้นใช้สำหรับการปรับให้เหมาะสมที่สุด
  ความแตกต่างที่สำคัญคือผลลัพธ์ "การตรวจสอบการเพิ่มประสิทธิภาพ" จะต้องใช้ในการเปลี่ยนแปลง (เลือก) โมเดลในขณะที่การเปลี่ยนแปลงในวิธีการตรวจสอบความถูกต้องที่ตรวจสอบแล้ว (รวมถึงโมเดลการวิเคราะห์ข้อมูล) หมายความว่าคุณต้องทำการตรวจสอบใหม่ (เช่นพิสูจน์ว่าวิธียังใช้งานได้ตามที่ควรจะเป็น)

หากคุณต้องพูดคุยกับนักเคมีการอ้างอิงศัพท์ทางเคมีวิเคราะห์ที่ดีคือDanzer: เคมีเชิงวิเคราะห์ - ความรู้พื้นฐานเชิงทฤษฎีและเชิงมาตรวิทยา, DOI 10.1007 / b103950