Questions tagged «statistical-significance»

我正在使用N约为200,000的数据集。在回归中，我看到很小的显着性值<< 0.001与很小的影响大小相关，例如r = 0.028。我想知道的是，有没有一种原则性的方法来确定与样本量有关的适当的显着性阈值？在解释这么大样本的效应大小时，还有其他重要的考虑因素吗？

15 regression  probability  statistical-significance  sample-size 

有没有一种方法可以确定时间1处的道路交通事故计数与时间2处的交通事故计数之间的差异是否显着不同？ 我发现了不同的方法来确定不同时间的观察组之间的差异（例如比较泊松均值），而不是仅比较两个计数。还是尝试无效？任何建议或指示，将不胜感激。我很高兴跟进自己。

15 statistical-significance  count-data 

我正在尝试预测一个时间序列，为此我使用了季节性ARIMA（0,0,0）（0,1,0）[12]模型（= fit2）。它与R关于auto.arima的建议不同（R计算得出的ARIMA（0,1,1）（0,1,0）[12]会更好，我将其命名为fit1）。但是，在我的时间序列的最后12个月，我的模型（fit2）在调整后似乎更合适（长期存在偏差，我添加了剩余均值，新的拟合似乎更贴近原始时间序列这是过去12个月的示例，MAPE最近12个月的两种情况： 时间序列如下所示： 到目前为止，一切都很好。我对这两个模型都进行了残差分析，这就是困惑。 acf（resid（fit1））看起来很棒，非常白噪声： 但是，Ljung-Box测试不适用于例如20个滞后： Box.test(resid(fit1),type="Ljung",lag=20,fitdf=1) 我得到以下结果： X-squared = 26.8511, df = 19, p-value = 0.1082 据我了解，这是对残差不是独立的确认（p值太大，无法与独立假设一起保留）。 但是，对于滞后1来说，一切都很好： Box.test(resid(fit1),type="Ljung",lag=1,fitdf=1) 给我结果： X-squared = 0.3512, df = 0, p-value < 2.2e-16 我可能不理解该测试，或者与我在acf图上看到的有些矛盾。自相关性很低。 然后我检查了fit2。自相关函数如下所示： 尽管在最初的几个滞后处存在如此明显的自相关，但Ljung-Box测试在20个滞后处给我的结果比fit1好得多： Box.test(resid(fit2),type="Ljung",lag=20,fitdf=0) 结果是 ： X-squared = 147.4062, df = 20, p-value < 2.2e-16 而仅仅在lag1处检查自相关，也可以得到零假设的证实！ Box.test(resid(arima2.fit),type="Ljung",lag=1,fitdf=0) X-squared = 30.8958, …

15 r  time-series  statistical-significance  arima  residuals 

我有一些数据大致沿着直线拟合： 当我对这些值进行线性回归时，我得到一个线性方程： y=0.997x−0.0136y=0.997x−0.0136y = 0.997x-0.0136 在理想世界中，该等式应为。y=xy=xy = x 显然，我的线性值接近理想值，但不完全相同。我的问题是，如何确定此结果是否具有统计意义？ 0.997的值是否明显不同于 1？-0.01 与0 显着不同吗？还是它们在统计上是相同的，我可以得出具有一定合理置信度的结论？y=xy=xy=x 我可以使用什么好的统计检验？ 谢谢

14 regression  hypothesis-testing  statistical-significance 

一些统计测试是可靠的，而某些则不是。鲁棒性到底是什么意思？令人惊讶的是，我在此站点上找不到这样的问题。 此外，有时会一起讨论测试的鲁棒性和强大性。从直觉上讲，我无法区分这两个概念。什么是强大的测试？它与强大的统计检验有何不同？

14 statistical-significance  power  robust 

刑事审判后，一位朋友代表客户提出上诉，陪审团的选择似乎带有种族偏见。 评审团由4个种族组成的30人组成。检方使用了强制性的挑战，以从池中消除了10个人。每个种族群体的人数和实际挑战的数量分别是： A: 10, 1 B: 10, 4 C: 6, 4 D: 4, 1 total: 30 in pool, 10 challenges 被告来自种族C组，受害者来自种族A和D组，因此先验问题是C组是否受到过挑战，而A和D组受到了挑战。从法律上讲（IIUC; IANAL），辩方不需要证明种族偏见，而只是表明数据似乎表明存在偏见，这便使控方有责任从非种族角度解释每项挑战。 以下分析的方法正确吗？（我认为计算很好。）： 有10个池成员的nCr（30,10）= 30,045,015个不同的集合。在这些不同的集合中，我计算出433,377个集合同时包含（不超过A组和D组的2个成员）和（不少于C组的4个成员）。 因此，达到观察到的明显偏见水平的机会比A组和D组优于C组（其中10项挑战中不包括偏爱）是它们的比率，即433/30045 = 1.44％。 因此，原假设（无此类偏差）在5％的显着性水平上被拒绝。 如果这种分析在方法上是正确的，那么向法院描述它的最简洁方法是什么，包括学术/专业参考文献（即不是Wikipedia）？虽然论点看起来很简单，但如何能最清楚，最简洁地向法院证明它是正确的，而不是恶作剧呢？ 更新：在上诉摘要中，该问题已作为三级辩论进行了审议。考虑到此处讨论的技术复杂性（从律师的角度来看）以及明显缺乏法律先例，律师选择不提出建议，因此在这一点上，问题主要是理论上/教育上的。 要回答一个细节：我相信挑战的数量是10个。 在研究了周到且具有挑战性的答案和评论（谢谢！）之后，似乎这里有4个独立的问题。至少对我来说，将它们分开考虑（或听听为什么它们不可分离的争论）是最有帮助的。 1）在陪审团的挑战中，是否优先考虑被告人和受害者的种族？上诉论点的目的仅是引起合理关注，这可能导致司法命令，要求检方陈述每个单独质疑的理由。在我看来，这不是一个统计问题，而是一个社会/法律问题，由律师酌情决定是否提出。 2）假设（1），我对替代假设的选择（定性：对分享被告人的种族的陪审员的偏见，而赞成分享被害人的种族的偏见）是合理的，还是事后不允许？从我的外行角度来看，这是最令人困惑的问题-是的，如果一个人不遵守，当然不会提出！据我了解，问题在于选择偏见：一个人的测试不仅应考虑这个陪审团池，还应考虑所有此类陪审团池的范围，包括所有未发现辩护方存在差异并因此不愿意提出该问题的陪审员池。 。如何解决这个问题？（例如，安迪的测验如何解决这个问题？）看来，尽管我对此可能有误，但大多数受访者并未为可能的事后调查感到困扰1尾测试，仅针对被告所在的群体进行偏见测试。假设（1），同时测试受害者群体的偏见在方法上有何不同？ 3）如果有人规定我选择（2）中所述的定性替代假设，那么检验它的合适统计量是什么？这是我最困惑的地方，因为我建议的比率似乎与安迪关于更简单的“偏于C的”替代假设的检验的保守度稍高（更保守，因为我的检验也将所有情况都排除在外）在尾部，而不仅仅是观察到的确切数字。） 两种检验都是简单的计数检验，具有相同的分母（样本的相同宇宙），并且分子精确地对应于与各个替代假设相对应的那些样本的频率。那么，@ whuber，为什么它和安迪的计数测试不一样，因为它“可以基于规定的空值[相同]和替代性的[描述的]假设，并使用内曼-皮尔森引理证明是正确的”？ 4）如果有人规定（2）和（3），那么在判例法中是否存在可以说服怀疑上诉法院的内容？从迄今为止的证据来看，可能还没有。同样，在上诉的这个阶段，没有任何“专家证人”的机会，因此参考就是一切。

14 probability  statistical-significance  references  bias  combinatorics 

今天有人问我，是否认为p值为0.05（精确）是有意义的（给定的alpha = 5％）。我不知道答案，而Google给出了两个答案：（a）如果p小于5％，则结果显着；（b）如果p小于5％或等于5％，则结果显着。 当然，这些网站都没有引用任何人。为什么要选一个-这是常识，而5％是任意的。但这无助于我告诉我的学生要记住的事情。 因此，这是我关于检验假设的绝望问题：如果p值恰好是alpha，我认为结果是否重要？在这种情况下，权威引用是什么？ 非常感谢你

14 hypothesis-testing  statistical-significance  p-value 

对于两个不同区域中的特定物种，我拥有的数据是y〜time的回归斜率值，标准误差，n值和ap值。我想检查一个区域的回归斜率是否与另一区域的回归斜率显着不同-使用此类数据可以做到吗？有人对我该有什么建议吗？不幸的是，我无法访问原始数据... 抱歉，这是一个简单的问题！

14 r  regression  statistical-significance 

我有一组数据yyy和。我想检验以下假设：有一个峰值。也就是说，随着增加，首先增加，然后减少。xxxyyyxxxyyy 我的第一个想法是将和在SLR中。也就是说，如果我发现之前的系数显着为正，而之前的系数显着为负，那么我支持该假设。但是，这仅检查一种关系（二次关系），并不一定捕获峰值的存在。xxxx2x2x^2xxxx2x2x^2 然后我想到了找到，即一个区域（排序值），在和之间，另外两个区域至少包含与一样多的点，并且 \ bar {y_b}> \ bar {y_a}和\ bar {y_b}> \ bar {y_c}。如果假设是正确的，那么我们应该期望有很多这样的区域b。因此，如果b的数量足够大，则应该支持该假设。bbbxxxbbbaaacccxxxbbbyb¯>ya¯yb¯>ya¯\bar{y_b}>\bar{y_a}yb¯>yc¯yb¯>yc¯\bar{y_b}>\bar{y_c}bbbbbb 您是否认为我在为我的假设找到合适的检验的正确道路上？还是我发明了轮子，并且有解决此问题的方法？非常感谢您的投入。 更新。我的因变量是count（非负整数）。yyy

14 regression  statistical-significance  curves 

我正在阅读标准偏差的无偏估计的计算方法以及我所阅读的资料 （...）除非在某些重要情况下，否则该任务与统计的应用几乎没有关系，因为通过标准程序（例如，使用显着性检验和置信区间或使用贝叶斯分析）可以避免执行此任务。 我想知道是否有人可以阐明该语句背后的原因，例如，置信区间不是将标准差用作计算的一部分吗？因此，置信区间不会受到标准偏差的影响吗？ 编辑： 到目前为止，谢谢您的回答，但是我不确定我是否遵循它们的某些推理，因此我将添加一个非常简单的示例。关键是，如果源是正确的，那么从我的结论到示例，都出了点问题，我希望有人指出p值如何不依赖于标准偏差。 假设研究人员希望测试他或她所在城市的五年级学生的平均分数是否与全国平均值76分（显着性水平为0.05）不同。研究人员随机抽取了20名学生的分数。样本平均值为80.85，样本标准偏差为8.87。这意味着：t =（80.85-76）/（8.87 / sqrt（20））= 2.44。然后使用t表计算以19 df在2.44时的2尾概率值为0.025。这低于我们的显着性水平0.05，因此我们拒绝零假设。 因此，在此示例中，p值（也许还有您的结论）是否会根据您估计样本标准偏差的方式而改变？

14 bayesian  statistical-significance  mathematical-statistics  standard-deviation  standard-error 

显然，这仅是定义或约定的问题，几乎没有实际意义。如果设置为传统值0.05，则值0.0500000000000 ...是否被视为具有统计意义？定义统计显着性的规则通常被认为是p &lt;\ alpha或p \ leq \ alpha吗？αα\alphapppp&lt;αp&lt;αp < \alphap≤αp≤αp \leq \alpha

14 hypothesis-testing  statistical-significance  definition 

我到处都看到这个名言，但每次都无法理解重点。 一个人暂时拒绝假设的情况，作为惯常做法，当重要性达到1％或更高水平时，肯定会被误以为不超过1％的此类决定。因为当假设正确时，他只会在这些情况的1％中被误解，而当假设错误时，他在误解中永远不会被误解。[...]但是，这种计算是荒谬的学术研究，因为实际上没有科学工作者每年都有固定的意义水平，在任何情况下，他都拒绝假设。他宁愿根据自己的证据和想法对每一个具体案件都下定决心。不应忘记，为进行测试而选择的案例显然是一个高度选择的案例，并且即使对于一个工人也无法指定选择条件；同样，在所使用的论点中选择一个特定的审判所表明的实际重要性水平显然是不合法的，就好像使用这一水平是他一生的习惯。 （统计方法和科学推断，1956年，第42-45页） 更具体地说，我不明白 为什么选择用于“高度选择”测试的案例？假设您想知道一个区域内人员的平均身高是否小于165厘米，然后决定进行测试。据我所知，标准程序是从该区域抽取随机样本并测量其高度。如何高度选择？ 假设案例是经过高度选择的，但是这与重要性级别的选择有什么关系？再次考虑上面的例子，如果您的抽样方法（我认为是费舍尔所说的选择条件）是歪斜的，并且以某种方式偏爱高个子，那么整个研究就会毁了，而对显着性水平的主观确定无法挽救它。 实际上，我什至不知道什么是“特定试验所表明的实际重要性水平”。它是该实验的值，还是一些著名的预设值（如著名的0.05），还是其他？ppp

14 hypothesis-testing  statistical-significance  references  experiment-design  philosophical 

任何人都可以对她的“严重性”的含义进行详细（清晰）的解释（不仅仅是在不同差异下作为零假设进行评估的幂函数吗？）以及它在总体上是否适合统计检验文献？

14 hypothesis-testing  statistical-significance 

在glmnet内部caret使用搜索最佳lambda和cv.glmnet执行相同任务的比较中似乎有很多困惑。 提出了许多问题，例如： 分类模型train.glmnet与cv.glmnet？ 在插入符号中使用glmnet的正确方法是什么？ 使用`caret`交叉验证`glmnet` 但是没有给出答案，这可能是由于问题的可重复性。在第一个问题之后，我给出了一个非常相似的示例，但确实存在相同的问题：为什么估计的lambda如此不同？ library(caret) library(glmnet) set.seed(849) training &lt;- twoClassSim(50, linearVars = 2) set.seed(849) testing &lt;- twoClassSim(500, linearVars = 2) trainX &lt;- training[, -ncol(training)] testX &lt;- testing[, -ncol(testing)] trainY &lt;- training$Class # Using glmnet to directly perform CV set.seed(849) cvob1=cv.glmnet(x=as.matrix(trainX),y=trainY,family="binomial",alpha=1, type.measure="auc", nfolds = 3,lambda = seq(0.001,0.1,by = 0.001),standardize=FALSE) …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

假设我有一种算法可以将事物分为两类。我可以在1000个测试对象上测量算法的准确性-假设80％的对象被正确分类。 假设我以某种方式修改了算法，以便对81％的事物进行正确分类。 统计资料能否告诉我有关我对该算法的改进是否具有统计意义的信息？在这种情况下，是否具有统计意义意义的概念？请向我指出一些可能有用的资源。 非常感谢。

14 statistical-significance  classification