คำถามติดแท็ก hypothesis-testing

ที่นี่ฉันถามเกี่ยวกับสิ่งที่คนอื่นทำกันโดยทั่วไปเพื่อใช้การทดสอบไคสแควร์สำหรับการเลือกคุณสมบัติ WRT ในการเรียนรู้แบบมีผู้สอน หากฉันเข้าใจอย่างถูกต้องพวกเขาจะทดสอบความเป็นอิสระระหว่างแต่ละคุณลักษณะและผลลัพธ์และเปรียบเทียบค่า p ระหว่างการทดสอบสำหรับแต่ละคุณลักษณะหรือไม่ ในhttp://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test , การทดสอบไคสแควร์ของเพียร์สันเป็นการทดสอบทางสถิติที่ใช้กับชุดของข้อมูลที่เป็นหมวดหมู่เพื่อประเมินว่ามีความเป็นไปได้ที่ความแตกต่างที่สังเกตได้ระหว่างเซตเกิดขึ้นโดยบังเอิญ ... การทดสอบความเป็นอิสระประเมินว่าการสังเกตแบบจับคู่กับตัวแปรสองตัวที่แสดงในตารางฉุกเฉินหรือไม่นั้นเป็นอิสระจากกัน (เช่นการตอบแบบสำรวจจากคนต่างชาติเพื่อดูว่าสัญชาติของคนนั้นเกี่ยวข้องกับการตอบสนองหรือไม่) ดังนั้นตัวแปรทั้งสองที่ต้องทดสอบความเป็นอิสระโดยการทดสอบจะต้องจัดหมวดหมู่หรือไม่ต่อเนื่อง (อนุญาตให้สั่งนอกเหนือจากหมวดหมู่) แต่ไม่ต่อเนื่องกัน? จากhttp://scikit-learn.org/stable/modules/feature_selection.htmlพวกเขา ดำเนินการทดสอบχ2χ2\chi^2กับชุดข้อมูล irisเพื่อดึงเฉพาะคุณสมบัติที่ดีที่สุดสองอย่าง ในชุดข้อมูล irisคุณลักษณะทั้งหมดเป็นตัวเลขและต่อเนื่องมูลค่าและผลลัพธ์คือเลเบลคลาส (หมวดหมู่) การทดสอบความเป็นอิสระของไคสแควร์นำไปใช้กับคุณลักษณะต่อเนื่องได้อย่างไร ในการใช้การทดสอบความเป็นอิสระของไคสแควร์กับชุดข้อมูลเราต้องแปลงฟีเจอร์ต่อเนื่องเป็นฟีเจอร์ที่แยกออกจากกันโดยเริ่มจากการทำ binning (เช่นการแยกโดเมนแรกต่อเนื่องของฟีเจอร์ออกเป็นถังขยะแล้วเปลี่ยนฟีเจอร์นั้น ๆ )? เหตุการณ์ที่เกิดขึ้นในถังขยะหลายรูปแบบนั้นมีคุณลักษณะหลายอย่าง (เกิดขึ้นหรือไม่เกิดขึ้นในแต่ละถังขยะ) ดังนั้นการทดสอบความเป็นอิสระของไคสแควร์จึงสามารถใช้ได้กับพวกมันใช่ไหม? โดยวิธีการที่ฉันเดาเราสามารถใช้การทดสอบความเป็นอิสระของไคสแควร์กับคุณสมบัติและผลลัพธ์ของชนิดใด ๆถูกต้อง? สำหรับส่วนผลลัพธ์เราสามารถเลือกฟีเจอร์สำหรับการจัดหมวดหมู่ไม่เพียง แต่สำหรับการถดถอยโดยการทดสอบความเป็นอิสระของไคสแควร์โดยการสรุปผลลัพธ์อย่างต่อเนื่องใช่มั้ย เว็บไซต์เรียนรู้ scikitยังกล่าวว่า คำนวณสถิติไคสแควร์ระหว่างคุณลักษณะที่ไม่เป็นลบและคลาส คะแนนนี้สามารถใช้เพื่อเลือกคุณสมบัติ n_features ที่มีค่าสูงสุดสำหรับสถิติทดสอบไคสแควร์จาก X ซึ่งต้องมีเฉพาะคุณสมบัติที่ไม่เป็นลบเช่น booleans หรือความถี่ (เช่นจำนวนคำในการจำแนกเอกสาร) เทียบกับ ชั้นเรียน ทำไมการทดสอบจึงต้องการคุณสมบัติที่ไม่จำเป็น หากคุณสมบัติไม่มีสัญญาณ แต่มีการจัดหมวดหมู่หรือไม่ต่อเนื่องการทดสอบยังสามารถใช้กับมันได้หรือไม่? …

11 hypothesis-testing  chi-squared  feature-selection  independence  scikit-learn 

การทดสอบ Sharipo-Wilk อ้างอิงจากวิกิพีเดียทดสอบสมมติฐานว่าง ( ) "ประชากรจะกระจายตามปกติ"H0H0H_0 ฉันกำลังมองหาการทดสอบคล้ายกันกับ "ประชากรไม่ได้กระจายตามปกติ"H0H0H_0 หลังจากมีการทดสอบฉันต้องการคำนวณเพื่อปฏิเสธที่ระดับนัยสำคัญ iff ; พิสูจน์ให้เห็นว่าประชากรของฉันกระจายตามปกติH 0 α p &lt; αpppH0H0H_0αα\alphap&lt;αp&lt;αp < \alpha โปรดทราบว่าการใช้การทดสอบ Sharipo-Wilk และการยอมรับ iffเป็นวิธีที่ไม่ถูกต้องเนื่องจากมันหมายถึง "เรามีหลักฐานไม่เพียงพอที่จะพิสูจน์ว่า H0 ไม่ได้ถือ" p &gt; αH0H0H_0p&gt;αp&gt;αp > \alpha หัวข้อที่เกี่ยวข้อง - ความหมายของ -valueppp , เป็นปกติทดสอบไร้ประโยชน์? แต่ฉันไม่เห็นวิธีแก้ไขปัญหาของฉัน คำถาม:ฉันควรใช้แบบทดสอบใด? มันนำมาใช้ใน R หรือไม่?

11 hypothesis-testing  goodness-of-fit  normality-assumption  equivalence 

พื้นหลัง เพื่อวิเคราะห์ความแตกต่างในตัวแปรต่อเนื่องระหว่างกลุ่มต่าง ๆ (ที่กำหนดโดยตัวแปรเด็ดขาด) เราสามารถทำการวิเคราะห์ความแปรปรวนแบบทางเดียวได้ หากมีตัวแปรอธิบาย (หมวดหมู่) หลายตัวแปรหนึ่งสามารถดำเนินการ ANOVA แบบแฟคทอเรียล หากต้องการวิเคราะห์ความแตกต่างระหว่างกลุ่มในตัวแปรต่อเนื่องหลายตัว (เช่นตัวแปรตอบสนองหลายตัว) กลุ่มหนึ่งจะต้องทำการวิเคราะห์ความแปรปรวนหลายตัวแปร (MANOVA) คำถาม ฉันแทบจะไม่เข้าใจว่าคน ๆ หนึ่งสามารถทำการทดสอบแบบ ANOVA ได้อย่างไรในตัวแปรตอบสนองหลายอย่างและที่สำคัญกว่านั้นฉันไม่เข้าใจว่าสมมติฐานว่างอาจเป็นเช่นไร เป็นสมมติฐานว่าง: "สำหรับตัวแปรตอบกลับแต่ละค่าหมายความว่าทุกกลุ่มมีค่าเท่ากัน", หรือมันคือ "สำหรับตัวแปรตอบกลับอย่างน้อยหนึ่งค่าหมายความว่าทุกกลุ่มมีค่าเท่ากัน", หรือเป็นอย่างอื่น?H0H0H_0

11 hypothesis-testing  anova  manova 

ในสถิติประถมศึกษาชั้นเรียนที่ผมเป็น TA สำหรับศาสตราจารย์ระบุว่าเป็นความน่าจะเป็นของความผิดพลาดประเภทที่ฉันเพิ่มขึ้นน่าจะเป็นของชนิดที่สองข้อผิดพลาดลดลงและการสนทนาเป็นความจริงเช่นกัน ดังนั้นนี้แสดงให้เห็นว่าฉันว่า&lt;0β ρ อัลฟ่า, β &lt; 0αα\alphaββ\betaρα , β&lt; 0ρα,β&lt;0\rho_{\alpha, \beta} < 0 แต่เราจะพิสูจน์สิ่งนี้สำหรับการทดสอบสมมติฐานทั่วไปได้อย่างไร คำพูดนั้นเป็นจริงโดยทั่วไปหรือไม่? ฉันสามารถลองใช้กรณีเฉพาะ (พูดและ ) แต่เห็นได้ชัดว่ามันไม่ธรรมดาพอที่จะตอบคำถามนี้H 1 : μ &lt; μ 0H0: μ = μ0H0:μ=μ0H_0: \mu = \mu_0H1: μ &lt; μ0H1:μ&lt;μ0H_1: \mu < \mu_0

11 probability  hypothesis-testing  type-i-and-ii-errors 

อ่านคำตอบกระทู้นี้ผมเริ่มสงสัยเกี่ยวกับวิธีการทดสอบสมมติฐานที่เกี่ยวข้องกับวิธีการทางวิทยาศาสตร์ ในขณะที่ฉันมีความเข้าใจที่ดีของทั้งสองฉันมีเวลายากที่จะวาดการเชื่อมต่อที่แม่นยำระหว่างพวกเขา ในระดับสูงวิธีการทางวิทยาศาสตร์ลงมาที่: ทำให้การคาดเดา &amp; สมมติฐาน (ทฤษฎี) ทำนายจากทฤษฎีนี้ ทำการทดลองและการสังเกต ทดสอบและยอมรับทฤษฎีใหม่ว่า ข้อมูลสอดคล้องกับการคาดการณ์ (มากกว่า) แม่นยำกว่าทฤษฎีทางเลือก ทฤษฎีใหม่นั้นไม่ซับซ้อนกว่าทางเลือกอื่นที่น่าเชื่อถือ ในระดับสูงฉันคิดว่าวิธีการทางวิทยาศาสตร์นั้นเป็นไปตามแนวทาง"accept-if -fit -well"ซึ่งแตกต่างจากวิธีการ"ปฏิเสธถ้ามันไม่พอดี"จากการทดสอบสมมติฐานทางสถิติ ถูกต้องหรือไม่ และถ้าเป็นเช่นนั้นทำไมในกรณีนี้ พวกเขาไม่ได้ไล่ตามเป้าหมายเดียวกันทั้งสอง อนุมานทฤษฎีหรือแบบจำลองที่อธิบายการสังเกตได้ดีที่สุด

11 hypothesis-testing  inference 

ในขณะที่ฉันกำลังอ่านหนังสือสถิติทั้งหมดของ Wassermann ฉันสังเกตเห็นความละเอียดอ่อนในคำจำกัดความของค่า p ซึ่งฉันไม่สามารถเข้าใจได้ อย่างไม่เป็นทางการ Wassermann กำหนดค่า p เป็น [.. ] ความน่าจะเป็น (ต่ำกว่า ) ของการสังเกตค่าสถิติการทดสอบเหมือนกับหรือมากกว่าความเป็นจริงมากกว่าที่สังเกตH0H0H_0 เน้นการเพิ่ม เหมือนกันมากขึ้นอย่างเป็นทางการ (ทฤษฎีบท 10.12): สมมติว่าการทดสอบขนาดเป็นของแบบฟอร์มαα\alpha ปฏิเสธถ้าหากว่าc_H0H0H_0T(Xn)≥cαT(Xn)≥cαT(X^n) \ge c_\alpha จากนั้น p-value=supθ∈Θ0Pθ0[T(Xn)≥T(xn)]p-value=supθ∈Θ0Pθ0[T(Xn)≥T(xn)]\text{$p$-value} = \sup_{\theta\in\Theta_0} P_{\theta_0}[T(X^n) \ge T (x^n)] ที่xnxnx^nเป็นค่าสังเกตของXnXnX^n n ถ้าΘ0={θ0}Θ0={θ0}\Theta_0=\{\theta_0\}ดังนั้น p-value=Pθ0[T(Xn)≥T(xn)]p-value=Pθ0[T(Xn)≥T(xn)]\text{$p$-value} = P_{\theta_0}[T(X^n) \ge T (x^n)] นอกจากนี้ Wassermann ยังกำหนดค่า p-value ของการทดสอบ \ chi ^ 2ของ …

11 hypothesis-testing  chi-squared  p-value 

หากนี่เป็นคำถามที่ซ้ำกันโปรดชี้ไปที่วิธีที่ถูกต้อง แต่คำถามที่คล้ายกันที่ฉันพบที่นี่ยังไม่ได้คล้ายกันเพียงพอ สมมติว่าฉันประเมินโมเดลY= α + βX+ uY=α+βX+ยูY=\alpha + \beta X + u และพบว่า 0 แต่มันกลับกลายเป็นว่าX = X 1 + X 2และฉันสงสัยว่า∂ Y / ∂ X 1 ≠ ∂ Y / ∂ X 2และโดยเฉพาะอย่างยิ่งที่∂ Y / ∂ X 1 &gt; ∂ Y / ∂ X 2 ดังนั้นฉันจึงประเมินโมเดลY = α + β …

11 r  regression  hypothesis-testing  econometrics 

การสัมมนาทางเว็บในวันอื่น ๆ โดย บริษัท ทดสอบ a / b มีผู้อยู่อาศัย "นักวิทยาศาสตร์ข้อมูล" ของพวกเขาอธิบายว่าคุณควรตรวจสอบความถูกต้องของผลลัพธ์ของคุณโดยทำการทดสอบอีกครั้ง สถานที่ตั้งคือถ้าคุณเลือกความมั่นใจ 95% มีโอกาส 5% (1/20) ของการบวกผิด หากคุณเรียกใช้การทดสอบอีกครั้งด้วยข้อ จำกัด เดียวกันตอนนี้มี 1/400 (ฉันสมมติว่าพวกเขาระบุว่าเป็น 0.05 ^ 2 = 1/400) นี่เป็นคำสั่งที่ถูกต้องหรือไม่? (กล่าวคือ "รันสองครั้งความสำคัญทางสถิติทั้งสองชนะ = ความน่าจะเป็นที่ผิดพลาด 1/400 บวก")? เป็นวิธีที่ดีกว่าหรือไม่ที่จะเพิ่มระดับนัยสำคัญของคุณ? จากมุมมองทางธุรกิจสิ่งที่ฉันกังวลคือการเรียกใช้การทดสอบอีกครั้งคุณกำลังเปิดเผยผู้ใช้มากขึ้นไปยังหน้าเว็บที่ด้อยกว่า (การรักษา) และทำให้ยอดขายที่อาจเกิดขึ้นลดลง

11 probability  hypothesis-testing  statistical-significance  ab-test 

ฉันพยายามประเมินประสิทธิภาพของอัลกอริทึมการจัดหมวดหมู่การเรียนรู้ของเครื่องภายใต้การดูแล ข้อสังเกตตกอยู่ในชั้นเรียนเล็กน้อย (2 ในขณะนี้ แต่ฉันต้องการที่จะพูดคุยเรื่องนี้กับปัญหาหลายชั้น) ที่ดึงมาจากประชากร 99 วิชา หนึ่งในคำถามที่ฉันต้องการจะตอบคือถ้าอัลกอริทึมแสดงความแตกต่างอย่างมีนัยสำคัญในความถูกต้องของการจำแนกประเภทระหว่างคลาสอินพุต สำหรับกรณีการจำแนกเลขฐานสองฉันกำลังเปรียบเทียบความแม่นยำหมายถึงระหว่างชั้นเรียนของอาสาสมัครโดยใช้การทดสอบWilcoxon ที่จับคู่ (เนื่องจากการแจกแจงแบบพื้นฐานไม่ใช่แบบปกติ) เพื่อพูดคุยขั้นตอนนี้กับปัญหาหลายชั้นฉันต้องการใช้แบบทดสอบฟรีดแมน อย่างไรก็ตามค่า p ที่ได้รับจากทั้งสองโพรซีเดอร์ในกรณีของไบนารี IV จะแตกต่างกันไปอย่างดุเดือดด้วยการทดสอบ Wilcoxon ที่ให้ผลp &lt; .001ในขณะที่p = .25การทดสอบฟรีดแมน สิ่งนี้ทำให้ฉันเชื่อว่าฉันมีความเข้าใจผิดขั้นพื้นฐานเกี่ยวกับโครงสร้างของการทดสอบฟรีดแมน มันไม่เหมาะสมที่จะใช้การทดสอบฟรีดแมนในกรณีนี้เพื่อเปรียบเทียบผลของการวัดซ้ำของความถูกต้องในทุกวิชาหรือไม่ รหัส R ของฉันเพื่อรับผลลัพธ์เหล่านั้น ( subjectคือตัวระบุหัวเรื่อง, accความแม่นยำ DV และexpectedคลาสการสังเกต IV): &gt; head(subject.accuracy, n=10) subject expected acc 1 10 none 0.97826087 2 10 high 0.55319149 3 …

11 r  hypothesis-testing  nonparametric 

เป็นที่ทราบกันดีว่าเป็นปัญหาในการเลือกการทดสอบทางสถิติตามผลลัพธ์ของการทดสอบทางสถิติอื่นเนื่องจากค่า p-value นั้นยากที่จะตีความไม่ได้ (เช่นการเลือกการทดสอบทางสถิติตามผลลัพธ์ของอีกแบบหนึ่ง (เช่นภาวะปกติ) ) . อย่างไรก็ตามนี่ยังคงเป็นวิธีปฏิบัติมาตรฐานในหลาย ๆ แอปพลิเคชั่นและมักจะไม่สังเกตเห็นหรือกล่าวถึงในเอกสารที่ใช้ เมื่อมองผ่านวรรณกรรมฉันไม่พบกระดาษที่พูดถึงปรากฏการณ์นี้ ฉันขอขอบคุณการเชื่อมโยงไปยังสิ่งตีพิมพ์ใด ๆ ที่เกี่ยวข้องกับการเลือกการทดสอบทางสถิติตามผลของการทดสอบทางสถิติอื่นโดยเฉพาะอย่างยิ่งสิ่งที่นักวิทยาศาสตร์ประยุกต์สามารถเข้าถึงได้

11 hypothesis-testing  references  p-value 

t-test สำหรับการทดสอบว่าค่าเฉลี่ยของตัวอย่างที่กระจายแบบปกติเท่ากับค่าคงที่หรือไม่นั้นเป็นการทดสอบแบบ Wald โดยการประมาณค่าเบี่ยงเบนมาตรฐานของค่าเฉลี่ยตัวอย่างจากข้อมูลการกระจายตัวปกติของปลาที่ค่าเฉลี่ยตัวอย่าง แต่สถิติการทดสอบในการทดสอบ t มีการแจกแจงแบบนักเรียนทีในขณะที่การทดสอบแบบ staistic ในการทดสอบแบบ Wald นั้นมีการกระจายแบบไคสแควร์ ฉันสงสัยว่าจะอธิบายได้อย่างไร ในการวิเคราะห์ความแปรปรวนทางเดียวสถิติทดสอบถูกกำหนดเป็นอัตราส่วนระหว่างความแปรปรวนระหว่างคลาสกับความแปรปรวนภายในคลาส ฉันสงสัยว่ามันเป็นแบบทดสอบของ Wald หรือไม่? แต่สถิติการทดสอบในการวิเคราะห์ความแปรปรวนแบบทางเดียวมีการแจกแจงแบบ F และสถิติการทดสอบในการทดสอบวัลด์แบบ asymptotically มีการแจกแจงแบบไคสแควร์ ฉันสงสัยว่าจะอธิบายได้อย่างไร ขอบคุณและขอแสดงความนับถือ!

11 hypothesis-testing  anova 

สมมติว่าเป็นตัวอย่างสุ่มอย่างง่ายจากปกติ ( μ , σ 2 )การจัดจำหน่ายX1, X2,. . ., XnX1,X2,...,XnX_1, X_2, \, ... \, , X_n( μ , σ2)(μ,σ2)(\mu,\sigma^2) ฉันสนใจที่จะทำการทดสอบสมมติฐานต่อไปนี้: สำหรับให้คงค&gt; 0H0: | μ | ≤ cH1: | μ | &gt; ค,H0:|μ|≤cH1:|μ|&gt;c, H_0: | \mu| \le c \\ H_1: |\mu| > c, c&gt;0c&gt;0c > 0 ผมคิดว่าในการดำเนินการสองด้านหนึ่ง -tests (TOST) ในวิธีที่คล้ายคลึงกับสถานการณ์การทดสอบชีวสมมูลปกติที่เป็นโมฆะและ| …

11 hypothesis-testing  biostatistics  equivalence  tost 

ฉันมาข้ามภาพนี้ในบล็อกโพสต์ที่นี่ ฉันรู้สึกผิดหวังที่การอ่านคำแถลงนั้นไม่ได้ทำให้สีหน้าฉันเหมือนที่เคยทำกับผู้ชายคนนี้ ดังนั้นสิ่งที่มีความหมายโดยคำพูดที่ว่าสมมติฐานว่างเป็นวิธีที่บ่อยครั้งแสดงความไม่ทราบมาก่อน? เป็นเรื่องจริงเหรอ? แก้ไข:ฉันหวังว่าบางคนสามารถเสนอการตีความเพื่อการกุศลที่ทำให้ข้อความเป็นจริงแม้ในบางกรณี

11 hypothesis-testing  bayesian  frequentist  uninformative-prior 

ฉันกำลังสอนหลักสูตรเกี่ยวกับสถิติเบื้องต้นและเรากำลังทำการทดสอบแบบทดสอบ t สำหรับสองตัวอย่างอิสระที่มีความแปรปรวนไม่เท่ากัน (Welch test) ในตัวอย่างที่ฉันเห็นระดับความเป็นอิสระที่ปรับแล้วซึ่งใช้โดยการทดสอบ Welch นั้นน้อยกว่าหรือเท่ากับเสมอ n1+ n2- 2n1+n2−2n_1+n_2-2 เป็นเช่นนี้เสมอหรือไม่ การทดสอบ Welch จะลด (หรือไม่เปลี่ยนแปลง) องศาอิสระของการทดสอบ t แบบรวม (ความแปรปรวนเท่ากัน) หรือไม่ และในเรื่องเดียวกันถ้าค่าเบี่ยงเบนมาตรฐานของกลุ่มตัวอย่างมีค่าเท่ากันทำ DF ของการทดสอบเวลช์ลด ? ฉันดูที่สูตร แต่พีชคณิตยุ่งเหยิงn1+ n2- 2n1+n2−2n_1+n_2-2

11 hypothesis-testing  t-test 

การใช้วิธีการ bootstrap ที่ตรงไปตรงมาเพื่อทดสอบสมมติฐานคือการประมาณช่วงความมั่นใจของสถิติการทดสอบ โดยการคำนวณซ้ำ ๆ บนตัวอย่าง bootstrapped (ปล่อยให้สถิติตัวอย่างจาก bootstrap เรียกว่า ) เราปฏิเสธถ้าสมมติฐานพารามิเตอร์ (ซึ่งมักจะมีค่าเท่ากับ 0) โกหกนอกช่วงความเชื่อมั่นของtheta} θ ^ θ * H0θ0 ^ θ *θ^θ^\hat{\theta}θ^θ^\hat{\theta}θ* * * *^θ* * * *^\hat{\theta^*}H0H0H_0θ0θ0\theta_0θ* * * *^θ* * * *^\hat{\theta^*} ฉันอ่านแล้วว่าวิธีนี้ไม่มีพลังงานบ้าง ในบทความโดยHall P. และ Wilson SR "สองแนวทางสำหรับการทดสอบสมมติฐาน Bootstrap" (1992)มันถูกเขียนเป็นแนวทางแรกว่าเราควร resampleไม่ใช่\ และนี่คือส่วนที่ฉันไม่เข้าใจ^ θ * -θ0θ* * …

11 hypothesis-testing  bootstrap