Standart hata ne için kullanılır?

9

Bulduğum bir öğretici kullanıyorum ve verilerimi göstermek için standart hatalarla birlikte ortalama değerler çiziyorum. Ama sonuçları tartışırken sorun yaşıyorum. Grafiğim aşağıda gösterildiği gibidir: standart hatalardan bazıları (hata çubuğu olarak gösterilir) çok değişir ve bazıları sıfıra çok yakındır.

resim açıklamasını buraya girin

data-visualization standard-error

— berkay
kaynak

2

Buradaki bir yan sorun, çubukların kullanılmasının kafa karıştırıcı olması muhtemel olmasıdır. Önemsiz olarak, aşağı çubuklar yukarı çubuklardan biraz daha zordur. Daha temelde, 1e-3'ten başlayan çubuklar keyfidir. Daha olumlu olarak, nokta tahminlerini nokta sembolleri ile göstermek ve hata çubukları eklemek çubukları ve hata çubuklarını göstermekten çok daha kolay olacaktır. Daha fazla bilgi için Google "dinamit grafiği".

— Nick Cox

Sorunun ne olduğundan emin değilim. Doğru olarak işaretlediğiniz cevaba ve başlığa dayanarak sadece standart bir hatanın ne olduğunu bilmek olabilir. Ama burada ne olduğuna dayanarak, verileri tanımlamak için yardıma ihtiyacınız var gibi görünüyor. Soruda açıklığa kavuşturabilir misiniz? Ayrıca, verileri tanımlamak için yardım istiyorsanız, lütfen sadece şekil değil, veriler hakkında daha fazla bilgi verin. Her gruptaki N'ler ve değerlerin ne anlama geldiği yararlı olacaktır. Yapılan herhangi bir dönüşüm de faydalı olacaktır.

— John

10

Genel olarak hata çubukları, grafik okuyucuyu grafik üzerinde gördüğü farklılıkların istatistiksel olarak anlamlı olduğuna ikna etmelidir. Bir yaklaşımda, küçük bir gaussian düşünebilirsiniz. $\pm1\sigma$ aralık bu hata çubuğu olarak gösterilir - bu tür iki gaussianın bir ürününün "görsel entegrasyonu", iki değerin gerçekten eşit olma şansıdır.

Bu özel durumda, hem kırmızı hem de mor çubuk ile gri ve yeşil olanlar arasındaki farkın çok önemli olmadığı görülebilir.

Bu durumda standart hata ne olacak? çizilen hata çubukları olarak.

— berkay

Amaç bu ise zayıf bir hata çubuğudur. Çubukların örtüşmemesi istatistiksel anlamlılık için yeterli değildir ve örtüşmeme miktarının 0.05'te önemli ölçüde farklı olması gereken miktar N'ye göre değişir. Belirttiğiniz marjinal koşulların her ikisi de bir t testinde başarısız olacaktır.

— John

@John Yazdığım gibi, hata çubukları komployu incelerken geçici değerlendirmeler yapmaya yardımcı olan görsel bir ipucudur ; gerçek testin test edilmesi için bazı hipotezler gerekir, bu yüzden açık bir şekilde metinde gerçekleşmelidir.

11

Genel olarak, standart hata, çubuğun üst kısmının gerçek değerinin çubuğun söylediği yer olduğu konusunda ne kadar belirsiz olduğunuzu gösterir. Birden çok çubuk olduğunda, istatistiksel bir test anlamında çubuklar arasında karşılaştırmaları da etkinleştirebilir. Ancak, bunları bu şekilde yorumlamak, aşağıda grafiksel olarak gösterilen bazı varsayımlar gerektirir. Farklılıkların istatistiksel olarak anlamlı olup olmadığını görmek için çubukları karşılaştırmakla gerçekten ilgileniyorsanız, veriler üzerinde testler yapmalı ve hangi testlerin önemli olduğunu göstermelisiniz.

önem karşılaştırması

Ayrıca, standart hatalar yerine güven aralıklarının kullanılmasını öneririm.

Bu makale okunmaya değer:

Cumming ve ispinoz "Gözle Çıkarım: Güven Aralıkları ve Verilerin Resimleri Nasıl Okunur." Ben Psych. Vol. 60, No. 2, 170-180.

Genel sonuçları şu şekildedir: "Doğrudan ilgili etkilerle ilgili olan barlar arayın, deneysel tasarıma duyarlı olun ve aralıkları yorumlayın."

Bağımsız numuneler için, güven aralıkları kullanılarak, CI'lerin yarı üst üste binmesi, farkın istatistiksel olarak anlamlı olduğu anlamına gelir.

bağımsız çubuklar

Bunun yerine standart hata çubuklarını kullanan bağımsız numuneler için, aşağıdaki grafik istatistiksel önemi nasıl anlayacağınızı gösterir:

bağımsız çubuklar, SE

— Ari B. Friedman
kaynak

Bu gerçekten bir cevap değil (henüz). Bu alıntıyı OP'nin sorusuna cevap vermenin nasıl yardımcı olacağına dair bazı bilgilerle artırmayı düşünür müsünüz? (btw, ben downvoter değilim)

— gung - Monica'yı

1

@gung Gerçek hayata müdahale etti, bu yüzden kısmi bir cevap gönderdim. Güncellenmiş.

— Ari B. Friedman

6

Varyasyon ise yani - MBq söylediği gibi hata çubukları iki grup arasındaki farklar anlamlı olup olmadığını bir fikir edinmesini okuyucuların izin vermenin bir yoludur içinde senin grupların her fark ortalama için bulduğum inanmak küçük yeterlidir gruplarınız arasında .

Diğer her şey eşit olduğunda, daha büyük hata çubukları daha fazla grup içi fark anlamına gelir, ancak grafiğinizin y ekseni log dönüştürülmüş gibi görünür, bu nedenle alt gruplar yüksek olanlarla aynı ölçekte değildir.

Farkında olmalısınız, okurlarınızın birçoğu, açıkça açıklasanız bile hata çubuklarının neyi temsil ettiğini anlamayacaktır! Genellikle , aynı efekti elde etmek için aynı hedefe sarsılmış bir nokta grafiği veya bir kutu grafiği (veya her ikisi birlikte) ile ulaşabilirsiniz.

— david w
kaynak

Bahsettiğiniz makale ile ilgili olarak, bu ilginç bir gözlem, ancak bu benim için sürpriz değil. İstatistiksel kavramların ve yaygın uygulamaların önemli bir bölümünü kafa karıştırıcı ve kıvrımlı buluyorum (matematikte güçlü bir geçmişe sahip olmama ve matematiksel istatistiklerde bir takım dersler almış olmama rağmen). Kişisel olarak, uzun ve kıvrımlı sözel açıklamalar yerine, görsel olarak öğretilip örneklerle anlatılmış olsaydı kavramların çoğunun anlaşılmasının daha kolay olacağını hissediyorum.

— posdef

2

Birçok araştırmacı bu grafikleri yorumlamakta zorlanıyor. Daha ayrıntılı bir ayrıntı için bkz. Http://scienceblogs.com/cognitivedaily/2008/07/31/most-researchers-dont-understa-1/ .

— xmjx
kaynak