Questions tagged «ronald-fisher»

我试图写一系列有关p值的博客文章，我认为回到所有起点很有趣-这似乎是Pearson的1900年论文。如果您熟悉那篇论文，您会记住这涵盖了拟合优度测试。 在涉及p值时，Pearson的语言有些松懈。他在描述如何解释其p值时反复使用“奇数”。例如，在第168页中，当谈到重复掷12个骰子的结果时，他说“ ...导致我们得出P = .0000016，或者相对于这样的随机偏差系统，赔率是62499对1有了这样的几率，就可以合理地得出结论，骰子表现出对更高点的偏见。 ” 在本文中，他提到了较早的作品，包括1891年Merriman撰写的关于最小二乘法的书。 但是Pearson确实为p值（拟合检验的卡特卡方差）进行了计算。 皮尔森（Pearson）是第一个认识p值的人吗？当我搜索p值时，提到了费舍尔-他的工作是在1920年代。 编辑：感谢您提到拉普拉斯（Laplace）-他似乎没有解决零假设（皮尔逊似乎隐含地这样做，尽管他从未在1900年的论文中使用该术语）。培生（Pearson）从以下方面看拟合检验的优劣：假设计数是从无偏过程中得出的，那么观察到的计数（以及计数更加偏差）从假设的分布中产生的概率是多少？ 他对概率/奇数的处理（他将概率转换为几率）表明他正在对原假设进行隐式设计。至关重要的是，他还提到x ^ 2值引起的概率表明，相对于他现在计算出的p值，“相对于我们现在所认识的语言，这种偏离系统是不可能的或比现在更不可能的”。 阿布诺没有走那么远吗？ 随时将您的评论作为答案。很高兴看到讨论。

30 p-value  history  ronald-fisher 

当我为 "fisher" "fiducial" ...我肯定会收到很多成功，但我一直关注的所有事情都超出了我的理解范围。 所有这些命中似乎确实有一个共同点：它们都是为染羊毛的统计学家而写的，这些人对统计的理论，实践，历史和知识都非常了解。（因此，这些陈述都没有费心去解释或说明费舍尔的“基准”的意思，而不求助于术语的大行其道和/或不给某些经典或其他数学统计文献带来损失。） 好吧，我不属于可以从我这个主题的发现中受益的特定目标受众，这也许可以解释为什么我每次试图理解费舍尔“基准”的含义的尝试都撞到了墙上。难以理解的胡言乱语。 有谁知道向非专业统计学家解释费舍尔“基准”是什么意思的尝试？ PS：我意识到费舍尔在确定他的“基准”的含义时是一个移动的目标，但是我认为该术语必须具有一定的“恒定核心”含义，否则它将无法正常工作（因为它很明显确实是本领域内通常理解的术语。

23 bayesian  inference  terminology  fiducial  ronald-fisher 

理查德·道金斯（Richard Dawkins）将罗纳德·费舍尔（Ronald Fisher）描述为 “现代统计和实验设计之父”，费舍尔的维基百科传记中引用了这句话。安德斯·霍尔德（ Anders Hald）也在他的《数理统计史》一书中称他为 “几乎单枪匹马为现代统计科学奠定基础的天才” 。 我只是想知道他到底做了什么，所以人们给予他如此高的评价？

13 history  ronald-fisher 

简短版： 有没有介绍罗纳德·费舍尔（Ronald Fisher ）的统计学著作（论文和书籍），其对象是那些几乎没有统计学背景或没有统计学背景的人？ 我想到的是针对非统计学家的“带注释的Fisher读者”之类的东西。 我在下面阐明了这个问题的动机，但是要警告说，它是一个漫长的过程（我不知道如何更简洁地解释它），而且几乎肯定是有争议的，可能是令人讨厌的，甚至是令人发指的。因此，请跳过本篇文章的其余部分，除非您真的认为问题（如上所述）过于简洁而无法进一步澄清。 我自学了很多人认为很困难的许多领域的基础知识（例如线性代数，抽象代数，实数和复数分析，一般拓扑，测度理论等），但是我在自学统计学上的所有努力都失败了。 这样做的原因不是我发现统计数据在技术上很困难（或者比我设法找到的其他领域要困难的多），而是我发现统计数据始终是异类的（如果不是很奇怪的话），远比其他任何东西都重要。我自学的其他领域 慢慢地，我开始怀疑这种怪异的根源大多是历史性的，而且，作为一个从书本而不是从业者社区学习该领域的人（如果我曾接受过统计学方面的正式培训，情况就是如此）。 ），直到我对统计历史有了更多了解之前，我永远不会摆脱这种疏离感。 因此，我读了几本有关统计历史的书，事实上，这在解释我认为是该领域的怪异方面大有作为。但是我仍然有一些方法可以朝这个方向发展。 我从统计历史上的阅读中学到的一件事是，我认为统计中的许多奇异事物的来源是一个人，罗纳德·费舍尔。 实际上，下面的引号1（我最近才发现）非常符合我的认识，即我只有深入研究历史才能开始理解这一领域，并开始关注费舍尔。参考点： 大多数统计概念和理论可以与其历史渊源分开描述。对于“基准概率”的情况，如果没有不必要的神秘化，这是不可行的。 确实，我认为我的直觉虽然是主观的（当然），但并非完全没有根据。费舍尔不仅贡献了统计学中一些最开创性的想法，而且因不理会先前的工作以及对直觉的依赖而臭名昭著（要么提供几乎其他任何人都无法理解的证据，要么完全忽略它们）。此外，他与20世纪上半叶的许多其他重要统计学家有着终生的争执，这些争执似乎在该领域造成了很多混乱和误解。 我从所有这一切得出的结论是，是的，费舍尔对现代统计的贡献确实意义深远，尽管并非所有人都是积极的。 我还得出结论，要真正了解我对统计的异化，我必须至少阅读一些Fisher的原始形式的作品。 但是我发现，费舍尔的作品不辜负其不可渗透的声誉。我试图找到这些文献的指南，但是，不幸的是，我发现的所有内容都是针对受过统计学训练的人员，因此，对于我来说，理解它所要阐明的内容同样困难。 因此，本文开头的问题。 1 Stone，Mervyn（1983），“基准概率”，《统计科学百科全书 》3 81-86。纽约威利。

11 references  history  fiducial  ronald-fisher