ポスト

#統計 P値の説明を正確にできるようになるためにはモデルの確率分布の中身を正確に理解する必要があります。しかし、多くの人にとってそれは困難です。 次善の策として、P値が データの数値と モデル+パラメータの値の設定 の相性の良さの指標の1つ であることを強調するという手があると思う。 pic.twitter.com/pSQhbq2HIZ

メニューを開く
黒木玄 Gen Kuroki@genkuroki

返信先:@shiraishia_md#統計 P値の無難な解釈について補足 「検定仮説の下でのモデル内確率分布によって観察データ以上に極端な値が生成される確率(の近似値)」=P値は、 使用しているモデルの下での(←この制限を忘れるとアウト) 検定仮説とデータの数値の相性の良さ(compatibility)の指標 の1つだと解釈されます。

黒木玄 Gen Kuroki@genkuroki

みんなのコメント

メニューを開く

#統計 例えば、データの数値「n個中当たりはk個」に関する「当たりの確率はp=0.3」という仮説の(両側)二項検定については、P値について正確には説明できなくても、 そのP値は データの数値「n個中当たりはk個」 と p=0.3の二項分布 の相性の良さの指標の1つである と言えればそう悪くない。

黒木玄 Gen Kuroki@genkuroki

人気ポスト

もっと見る
Yahoo!リアルタイム検索アプリ