#統計 #julialang 黒木玄さん @genkuroki のポストを参考にP値関数について考えてみることにしました。 二項分布B(n,p)を正規分布N(np,npq)に近似し， np-|np-k| 回以下 または np+|np-k| 回以上である確率を P値関数 pvalue_f(k,p,n) とする。 (1/n) pic.twitter.com/zLqjMjvyHb

#統計 2つの母平均が等しい場合と比較すれば納得できると思います。 Studentのt検定は母分散が大きい側の標本サイズが大きいと、P値<αとなる確率は小さめになり(添付画像①)、母分散が小さい側の標本サイズが大きいと、P値<αとなる確率は大きめになります(添付画像②)。 github.com/genkuroki/publ… pic.twitter.com/BWpTTAe9sA x.com/tsakai_psych/s…

面白いのが、一枚目１行１列のn1:n2 = 1:0.25（64:16）条件 サンプルサイズが小さい群のSDが小さいとき（左図）はWelchのp値が小さくなりがちなのに、 反対にSDが大きいとき（右図）はStudentの方がp値が小さくなりがち（それでもp < .05は８割いってない） pic.twitter.com/i9Gd1YWu4z

📢歴代の洋楽ヒット曲タイトルをプロンプトにして、ミドジャでイラストを生成してみた♪① 🧙‍♂️ タイトル（オリジナル） --ar 5:7 --s 1000 --p 実際のプロンプトはALTで🫣 みんなの --p値で、どれくらい変わるんだろうな～🧐ﾜｸﾜｸ♪ PS「誰の曲？」って質問は禁止！ 自分でググってね🤭 pic.twitter.com/LhnOxdj0r1

#統計 P値全体 (P値関数)はnull P値と95%信頼区間の両方の情報を含むので、こんな感じのmemeも作れます。 1つ上のmemeは imgflip.com/memegenerator/… で作成。 以下は imgflip.com/memegenerator/… で作成。 pic.twitter.com/XGopLWqNYh

#統計 検定仮説Δμ=μ_x - μ_y ≤ δ のP値 (nullとは限らないP値)は、 仮説 μ_x - μ_y ≤ δ とデータでの数値 x̅ - y̅ の相性の良さの指標の1つ だと解釈されます。 よく見る解説ではδ=0の場合のnull P値のみを扱うという不完全な説明をしています。これが酷い。続き pic.twitter.com/QY2vWxVt8k

#統計 有意水準α=5%=信頼水準1-α=95%の信頼区間は 　閾値αでデータの数値と相性が良いとみなされるパラメータδの範囲 になります。添付画像の橙色の横線が片側検定に対応する95%信頼区間です。 相性の良し悪しはP値≥αの成否で判断されるちいうルール。続く pic.twitter.com/fm7B8R5n6V

#統計 有意水準α=5%を使って、P値<αなら「相性は悪い」とP値≥αなら「相性は良い」と言い切ることにすると、 添付画像①の場合: 仮説μ_x - μ_y ≤ 0とデータでの数値x̅-y̅=1(小さめの値)の相性は良い。 添付画像②の場合: 仮説μ_x - μ_y ≤ 0とデータでの数値x̅-y̅=5(大きめの値)の相性は良い。 pic.twitter.com/eHhs5lYoOa

#統計 検定仮説Δμ=μ_x - μ_y ≤ 0 のP値 (null P値と呼ぶ)は、 仮説 μ_x - μ_y ≤ 0 とデータでの数値 x̅ - y̅ の相性の良さの指標の1つ だと解釈されます。x̅ - y̅ が正の方向に大きくなればなるほど仮説 μ_x - μ_y ≤ 0 との相性は悪くなります。 添付画像のグラフでもそうなっています。続く pic.twitter.com/fMYSJbQOxe

#統計 添付画像は既知の分散10²を持つ2つの正規母集団というモデルの設定での母平均に差Δμ=μ_x-μ_yに関する 帰無仮説Δμ≤δ (検定仮説と呼ぶ) 対立仮説Δμ>δ のP値のグラフ。 標本サイズはm=24, n=40. 添付画像①は表品平均の差がx̅-y̅=1の場合。 添付画像②は表品平均の差がx̅-y̅=5の場合。 続く pic.twitter.com/VUkj376NTT

#統計 一般に信頼水準1-αの信頼区間は「P値≥αとなるパラメータの値の範囲」になります。 帰無仮説Δμ:=μ₁-μ₂≤0のP値p₀はグラフではδ=0のP値です。P値はδについて単調増加なので、「P値≥p₀となるパラメータの値の範囲」は自明に0以上の実数全体になります。 自明！ github.com/genkuroki/publ… pic.twitter.com/SK48oRIRJC

#統計 以上の話を理解し易くするための計算例のグラフも作りました。 青線は片側P値のグラフ。 橙横線は片側95%信頼区間。 帰無仮説μ₁-μ₂≤0のP値p₀は緑横破線の高さで、緑横破線は片側の信頼水準1-p₀の信頼区間です。自明な理由で0以上の実数全体になる。 #Julia言語 github.com/genkuroki/publ… pic.twitter.com/b8wxxNKyh6

#統計 続き。信頼区間の被覆確率1-αのαは標本の値によらずに決まっている定数です。P値p₀は標本の値の関数です。この辺の違いが全然考慮されていないように見える。 これは査読をされずに出版されたのでしょうか？ pic.twitter.com/ClhM20PB5Q

#統計 jstage.jst.go.jp/article/jjb/38… 柳川堯(2018) は信頼区間についても滅茶苦茶なことを書いています。 ↓ 【p値がp₀であるということは，µ₁−µ₂の信頼度1−p₀の信頼下限が正であること，つまりバラツキを考慮してもµ₁−µ₂>0であることが1−p₀の確率でいえるということである】 pic.twitter.com/0Er6nDd7av

この例の母集団分布（帰無仮説 (Sharp Null)分布）は 1, 4, 3, 2, 1, 1, 3, 4, 1, 0, 2, 1, 2, 1, 4, 1, 3, 2, 3, 1 である。それを２つの群へランダム割当するシミュレーションを 100 万回とか試行して、平均値の群間差 (MD) をプロットすれば確率分布（尤度分布）ができあがり正確なＰ値を算出できる pic.twitter.com/Jt4Ti6E3Ji

「平均値の群間差 (MD, SMD)」のＰ値を算出するには、t検定類は不要。中心極限定理の挙動を確認するためのシミュレーションを、疫学調査の実践現場でも同様に試行すれば良いだけ。この真実に、歴史上の生物統計学者や疫学者は１人も気づくことができなかった。 pic.twitter.com/hZQU33skA2

🇮🇱 endotoxin💉⇒腸管から隣接する腸管腔へ脱出⇒腸重積⇒腸閉塞で手術必要に geoffpain.substack.com/p/intusseption… 🇮🇳 content.iospress.com/articles/inter… 腸重積の平均年齢が接種者205日で未接種者223日より僅か⬇️p値0.0026 接種後30日は次30日より腸重積⬆️92 対 63 p値0.009 未接種除外⇒3回目接種1～21日でrisk⬆️IRR2.47 pic.twitter.com/oUbOdDd0Yw x.com/sdgisan/status…

#統計 チェック項目1: P値が特定の統計モデルに依存して決まる値であることを強調しているか？ ASA声明には「特定の統計モデルの下でデータの統計的要約値が観察された値以上に極端な値を取る確率」と、「特定の統計モデルの下に」と書いてあります。続く ASA声明 scholar.google.co.jp/scholar?cluste… より ↓ pic.twitter.com/UJJZq98DTV

両側は、2.5以上または―2.5以下になるので mean(res >= 2.5) + mean(res <= -2.5) [1] 0.0143 1.4%程度となります。これが両側Ｐ値となります。 要するに、「両群間で差がない」ことが真だった場合でも1.4％くらい起こるという事ですね。 pic.twitter.com/18gsQSJXpx

ここで「両群間で差がない」を帰無仮説として、帰無仮説が正しい場合に2.5またはそれより極端な観測値になる確率を求めてみましょう。 mean(res >= 2.5) [1] 0.0066 0.66%くらいですね。これが片側Ｐ値になります。 pic.twitter.com/25fKq3iJoF

ブッカーおじさんがアリならブラントン艦長もいけるっしょということで あー！予想はしてたよ。悪魔のドリンクその2。そして論理的帰結。 プレミアムバーボンとコアップはベータ値1.0の共依存関係(p値=0.01) んまい(● ˃̶͈̀ロ˂̶͈́)੭ꠥ⁾⁾ pic.twitter.com/2CeinWxYxI

H0: 所有率は、Xでの調査結果と同じ H1: 所有率は、Xでの調査結果と違う 有意⽔準α=0.05 p値は有意水準0.05より大きい、帰無仮説は採択される 従って、実際所有率はXでの調査結果と同じだと言える pic.twitter.com/xLb0VARjTb

乳児💉追加set→有害事象⬆️ ijvtpr.com/index.php/IJVT… 1991/7~2011/5 1,542,076種 DTaP,HIB,IPV接種227,231例 3種💉 DTaP+IPV+HIB基本💉のみより💉後≦30日:気管,気管支他疾患3,041%⬆️ 発達障害「発育不全」risk最高:RR4.662⬆️ 白血球⬆️基本💉＋HepB-Rota💉RR99.663risk最高 科学精査最高基準p値<0.0001 pic.twitter.com/i0UBqLG45V x.com/DerMellitz/sta…

#統計 ASA声明の原則の1のP値の解釈の仕方: P値は、観察データの数値と特定の統計モデルの相性の良さの程度を表す。 「相性の良さの程度」は"how compatible"の訳のつもり。原文では"incompatible"だが、P値大とcompatibility大が対応するので"compatible"に変更した。 pic.twitter.com/pr6b3heNic

#統計 P値についての適切な解説が出て来難い理由は、ASA声明 scholar.google.co.jp/scholar?cluste… の2の「P値とは何か？」とほぼ同じ説明はできるが、3の原則の1に書いてあるP値の解釈の仕方を無視する人が多いからだと思う。 P値の誤解は解釈で起こり易いので、原則の1を無視すると誤解誘導的な解説になりがち。 pic.twitter.com/On0Q4nbi7w

#統計 P値<αとなっただけで【帰無仮説は成立し難いと判断できる】とすることは誤りです。 ASA声明 scholar.google.co.jp/scholar?cluste… を読み直した方が良いと思いました。原則の1にP値の解釈の仕方が書いてあります。続く pic.twitter.com/8kRTAus1cj x.com/toshizumi1225/…

本日は5.1節と5.2節を扱いました。対応のないt検定を題材に、統計的検定の論理とエラー確率のコントロールについて確認しました。p値を実際に計算しました。 pic.twitter.com/kUNxHbDLkH

#統計 Wilsonの信頼区間に対応するP値なら以下のように言える(添付画像左下): ①二項分布Binomial(20, 0.25)は正規分布Normal(5, √3.75)で近似される。 ②P値はその正規分布において 　モデルの期待値20×0.25=5回から 　データの数値の9回以上に離れた値が 　生成される確率 として計算される。 pic.twitter.com/3bysfbL2KQ

#統計 P値関数と事後分布のグラフの例を追加。 以下のリンク先のグラフは、線形回帰モデルy=β₀+β₁x+u, u～Normal(0,σ)におけるβ₁に関するP値関数と事後分布のグラフです。 (β₀, β₁, log σ²)に関する平坦事前分布によるベイズ版線形回帰の結果は通常の線形回帰にぴったり誤差無しに一致します。 pic.twitter.com/JFZTSqsaBS

#統計 データの数値「n回中k回当たり」に関する仮説「当たりが出る確率はpである」のP値の計算の仕方: ①「当たりが出る確率はpである」の設定の二項分布を考える。 ②その二項分布は期待値np、分散np(1-p)の正規分布で近似される。 ③P値=その正規分布でnpからk以上離れた値が生成される確率 pic.twitter.com/LWKkvpC7Ii

#統計 仮にデータ取得前に決めておいた閾値α=0.05によって、P値がα以上なら相性が良い、α未満なら相性が悪いと2値的な判断をすることにしていたとする。 そのとき、p=1/2のP値は約0.025なので「当たりが出る確率は1/2」という仮説と「20回中5回」というデータの数値は相性が悪いと判断されます。 pic.twitter.com/Su9gyRb49c

#統計 ちょっと面白いのは、Lehmann, Testing Statistical Hypothesesの第1版ではP値をcritical level (臨界水準)と呼んでいたこと。 第2版で、significance probability (有意確率)、p-value (P値)と呼ぶようになった。 NP流なので "how ～ contradict"と「矛盾」という強い言葉を使う傾向がある。 pic.twitter.com/cwz7tjZT0G

#統計 Welchのt検定の導出で使われるt統計量の定義式の分母の2乗が従う分布のχ²分布の定数倍による近似は、正規母集団の仮定からの逸脱について脆弱で一般にはうまく行きません。 しかし、自由度がmin(m-1, n-1)以上になるお陰でm,nが十分大きいならP値レベルでは正規母集団の仮定からの逸脱に頑健。 pic.twitter.com/w2oKEYfRBm

#統計 P値関数について biostat.ucdavis.edu/sites/g/files/… のスクショの添付画像にあるグラフが、P値関数のグラフです。高さαに信頼水準1-αの信頼区間の両端の点をプロットしても同じグラフが得られるので、P値関数は信頼区間関数と呼ばれることもあります。続く pic.twitter.com/AzbpoXxNED

#統計 P値と尤度(ゆうど)のさらに違う部分の解説 データの数値をx=(x₁,…,xₙ)と1文字でまとめて書き、モデルのパラメータを(θ,η)と2つに分けて書くことにする。 このとき、確定したデータの数値xに関するモデルの尤度はp(x|θ,η)のように書けて、尤度は(θ,η)の関数になる。非常にシンプル。続く pic.twitter.com/bCtZWdsxsq

#統計 添付画像の p.1でP値と尤度(ゆうど)を混同 しており、 p.3ではP値と有意水準を混同 しています。 添付画像の2枚目は悪くないと思ったので、1枚目でP値に関する説明がまるっきり間違っている点が痛い。非常にもったいない。 続く pic.twitter.com/BumnTmaV76

#統計 P値のトリセツ(⻑崎⼤学病院初期研修医1年⽬中島誉也)には添付画像のように書いてあります(手書き部分は私のコメント)。 【検定から推定へ】というスローガンは正しい。 しかし、P値も推定のための道具なので、そのスローガンがP値の欠点の話だとするのは誤り。 speakerdeck.com/taka88/pzhi-fa… pic.twitter.com/EvTCxhdhT8

#統計 おそらく、これが伝統的なP値や検定法に関する教え方が改善されない理由の1つ。 pic.twitter.com/BlGwoVigWh

#統計 P値は大きいほどcompatibleになる指標なので、原文も素直に"how compatible"とすれば分かり易かった。日本語では P値はデータの数値と統計モデルと検定したい仮説の組み合わせの相性の良さの程度を示す指標の1つである のように説明すればぴったりだと思います。 pic.twitter.com/dQWVaFl6od