ポスト

#統計 補足。帰無仮説という言い方を廃して説明し直すと、大雑把にP値は 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) だと説明できます。 検定仮説の典型例は「リスク比は2.34である」(その場合のゼロ仮説は「リスク比は1である」)の類です。

メニューを開く
黒木玄 Gen Kuroki@genkuroki

#統計 P値は 帰無仮説下のモデル内確率分布によって観察データの数値以上に極端な値が生成される確率(の近似値) だとよく説明されます。ただしこの言い方だと「~以上に極端な値」の意味が曖昧になるので、この説明はかなり大雑把です。

黒木玄 Gen Kuroki@genkuroki

みんなのコメント

メニューを開く

#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

人気ポスト

もっと見る
Yahoo!リアルタイム検索アプリ