Wielokrotne porównania i korekty

Podstawy wnioskowania statystycznego w Pythonie

Paul Savala

Assistant Professor of Mathematics

Uzyskanie pożądanego wyniku

Grupa ludzi biznesu stojących i rozmawiających.

Grupa osób siedzących przy stole i planujących strategię biznesową.

Problem wielokrotnych porównań: Wykonywanie porównań aż do uzyskania pożądanego wyniku.

p-wartość: prawdopodobieństwo losowego wystąpienia wyniku
- Mało prawdopodobne, by pacjenci wyzdrowieniu "przypadkowo"
$\alpha$: minimalna siła wyniku wymagana do istotności
p-wartość $< \alpha$: wnioskujemy o istnieniu zależności

Koło ruletki.

Początkowe $\alpha = 0.05$
Liczba porównań = 50
Skorygowane metodą Bonferroniego $\alpha$ = $\displaystyle\frac{0.05}{50} = 0.001$
Przeprowadzamy testy hipotez dla $\alpha = 0.001$

Podstawy wnioskowania statystycznego w Pythonie