“Hipotez testi” ile “anlamlılık testi” arasındaki fark nedir?

"Hipotez testi" ve "anlamlılık testi" ifadeleri arasında bir fark var mıdır yoksa aynı mıdır?

@Micheal Lew'in ayrıntılı bir cevabından sonra, günümüzde hipotezin (örneğin, test ortalaması için t-testi) ya "anlamlılık testi" ya da "hipotez testi" örneği olduğu konusunda bir karışıklığım var mı? Yoksa ikisinin bir kombinasyonu mu? Bunları basit bir örnekle nasıl ayırt edersiniz?

Anlamlılık testi, Fisher'ın geliştirdiği ve hipotez testi, Neyman ve Pearson'un önem testinin yerini almak için tasarladığı şeydir. Aynı değildirler ve çoğu boş hipotez testi kullanıcısını şaşırtacak ölçüde karşılıklı olarak uyumsuzdurlar.

Balıkçının anlamlılık testleri, gözlemlerin sıfır hipotezi altında ne kadar aşırı olduğunu temsil eden bir p değeri verir. Bu p değeri, sıfır hipotezine ve anlamlılık düzeyine karşı bir kanıt indeksidir.

Neyman ve Pearson hipotez testleri hem sıfır hipotezi hem de alternatif bir hipotez oluşturmuş ve sıfır hipotezini kabul etmek için karar kuralı olarak çalışmıştır. Kısaca (burada koyabileceğimden daha fazlası var) kabul edilebilir bir yanlış pozitif çıkarım oranı, alfa (genellikle 0.05) seçersiniz ve p değerinin alfa'nın üstünde veya altında olmasına göre null değerini kabul eder veya reddedersiniz. Yanlış pozitif hatalara karşı korunmak istiyorsanız, istatistiksel testin kararına uymalısınız.

Fisher'in yaklaşımı, sonucu yorumlarken istediğiniz her şeyi dikkate almanıza olanak tanır, örneğin, sonucun yorumlanması ve sunumunda önceden var olan kanıtlar gayri resmi olarak dikkate alınabilir. NP yaklaşımında sadece deneysel tasarım aşamasında yapılabilir ve nadiren yapılır gibi görünüyor. Bence Fisherian yaklaşımı temel biyobilimsel çalışmada NP yaklaşımından daha kullanışlıdır.

Anlamlılık testi ile hipotez testi arasındaki tutarsızlıklar ve bu ikisinin talihsiz hibridizasyonu hakkında önemli bir literatür vardır. Bu yazı ile başlayabilirsiniz: Goodman, Kanıta dayalı tıbbi istatistiklere doğru. 1: P değeri yanılgısı. http://www.ncbi.nlm.nih.gov/sites/entrez?Db=pubmed&Cmd=ShowDetailView&TermToSearch=10383371

Çoğu durumda, bu iki ifade aynı anlama gelir. Ancak, onlar da oldukça farklı olabilir.

Bir hipotezi test etmek, önce bir fenomenle ne olacağına inandığınızı söylemek, daha sonra bu fenomen için bir tür test geliştirmek ve daha sonra fenomenin gerçekten meydana gelip gelmediğini belirlemekten oluşur. Çoğu durumda, bir hipotezin test edilmesinin herhangi bir istatistiksel test içermesi gerekmez. Bu alıntıyı fizikçi Ernest Rutherford tarafından hatırlatıyorum - Denemenizin istatistiklere ihtiyacı varsa, daha iyi bir deney yapmış olmalısınız. Bununla birlikte, hipotezlerin test edilmesi normalde bir tür istatistiksel araç kullanır.

Aksine, önem testi tamamen istatistiksel bir kavramdır. Özünde, birinin iki hipotezi vardır - boş hipotez, iki (veya daha fazla) veri koleksiyonunuz arasında fark olmadığını belirtir. Alternatif hipotez, iki örneğiniz arasında tesadüfen oluşmayan bir fark olmasıdır.

Çalışmanızın tasarımına dayanarak, daha sonra bir referans veren (normal, t veya F dağılımları gibi) bir sayı veren bir istatistiksel test kullanarak iki (veya daha fazla) örneği karşılaştırırsınız ve bu test istatistiği kritik bir değeri aşıyorsa, sıfır hipotezini reddediyorsunuz ve iki (veya daha fazla) örnek arasında bir fark olduğu sonucuna varıyorsunuz. Bu kriter normalde şans eseri meydana gelen fark olasılığının yirmide birinden daha az olmasıdır (p <0.05), ancak diğerleri bazen kullanılır.