‘ 正解は・・・ ＜ピーマン＞ 東京都区部がトップ！ 関東・関西といった都市部での支出が多い。 生産量とは結び付かない品目。 今日もたくさんのためになるリプをありがとうございます。 よい夜を！ ★ファミマビジョンで出題中★ gate-one.co.jp/news/info/8326/ #ピーマン #地理 #GIS #クイズ #統計 pic.twitter.com/XKCgGPMY3h

‘ おはようございます！！ みどりの日！ ということで緑の食材で 【難易度：★★★★★】 さて問題です これは何の支出でしょうか？ ＜選択肢＞ ① きゅうり ② さやまめ ③ ピーマン 正解は本日17時 今日も楽しい一日を！ ★ファミマビジョンで出題中★ gate-one.co.jp/news/info/8326/ #統計 #クイズ pic.twitter.com/tmLOaaxRbi

#統計 あと、教科書が間違っていることについては、佐藤俊哉さんの講義動画(これは非常に聴き易くてすごい！)を視聴すればよく分かります。 教科書によく書いてある説明が間違っていることをはっきり講義してくれていることには勇気付けられます。

#統計 以下のリンク先では、同一のデータの数値に関する二項分布モデルの場合にP値と事後分布のグラフを縦に並べてプロットしている。 これを見ればそれらがほぼ同じ使い方をできる道具だとすぐにわかるはず。これを見て直観的にそう認識できない人にはこの手のことを説明する方法がわからない。

#統計 以上で紹介したP値関数によって データの数値とモデルのパラメータの値の設定の相性の良さの様子 を見るという考え方は、そのままベイズ統計への事後分布に拡張されます。事後分布は データの数値と事前分布を含むモデルのパラメータの値の設定の相性の良さの様子 を表しています。

#統計 無数のP値を「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様子」を見るために使うことは、『ロスマンの疫学第2版』のような教科書に書かれています(添付画像)。 この場合のP値はモデルのパラメータとしての相対リスクの値と表8-1のデータの数値の相性の良さを意味する。 pic.twitter.com/h5MLiQMpRJ

#統計 もっと分かり易く言うと、教科書や大学での講義や研究者達の多くが間違っているということを言っています。 こういうことをしつこく言うと当然嫌われることになります。 このスレッドでダメだと指摘されているようなことをすでに書いて発表してしまった人には特に嫌われることになるでしょう。

#統計 モデルのパラメータに関する検定仮説H(例えば効果を意味するパラメータθに関するθ=0という仮説)のP値が小さいときには、仮説Hだけではなく、モデル全体(数学的設定の全体)も疑いの対象になります。実際にはデータの数値の取得法も疑いの対象になります。 これは非常に当たり前の話です。

#統計 さらに補足。P値との関係で、所謂「再現性の危機」についてPハッキングのような不正行為の蔓延について強調する行為もミスリーディングで好ましくない。 理想的に行われた有意水準5%想定検出力80%の仮説検定も再現性を保証できないことを正直に説明しないと、真っ当な統計学教育になりません。

会社でよく聞かれるので、統計初心者のマーケター向けの統計基礎をまとめ始めました。初回は「検定と有意水準」について。ChatGPTでデータやグラフまで作成できるので、スイスイと書けました。 takeanote.net/statistics_tes… #統計 #マーケティング #ChatGPT

#数楽 #統計 StanやTuring.jlのような確率プログラミング言語の利用で必要な直観は パラメータx付きのyの確率分布は関数y=f(x)の一般化になっていること です。複雑な統計モデルはこの意味での関数の一般化の複雑な合成によって記述される。

#統計 P値の適切な使い方は、何度も繰り返し説明していますが、P値を データの数値とモデル(検定したい仮説も含む数学的設定の全体)の相性の良さ(compatibility)の指標の1つ だと解釈することです。そして、ゼロ仮説θ=0だけではなく、任意のaに関する検定仮説θ=aのP値全体を利用すること。

#統計 以上のようなことを言うと、知ったかぶりの人たちが「P値ではなく、ベイズ統計を使えば良い」のように言いそうです。 その手の人達はP値の使用と「帰無仮説有意性検定」(NHST)の区別がついておらず、3つの病気を排除したP値の使い方に完全に無知だったりします。まさに知ったかぶり。

#統計 統計学の使い方については現実は世界的に「赤信号みんなで渡れば怖くない」 ja.wikipedia.org/wiki/%E8%B5%A4… な状態になっています。 P値については、nullism, dichotomania, reification の3つの病気に罹らずに利用する方法の普及の努力が必要だと思います。 cf. biostat.ucdavis.edu/sites/g/files/…

#統計 「P値は検定したい仮説だけを評価する指標ではない」という当たり前のことについても、柳川堯著『P値』は適切な説明をしていないと思いました。 P値は データの数値と検定したい仮説を含む数学的設定全体(モデル)の相性の良さ(compatibility)の指標の1つ だと解釈するようにすると便利です。

#統計 P値が小さい場合には、検定したい仮説だけではなく、P値の計算に使われた数学的設定の全体(モデル全体)やデータの数値の取得法の妥当性も疑いの対象になるという当たり前の話は、『統計的有意性とP値に関するASA声明』での原則1でも強調されています。 biometrics.gr.jp/news/all/ASA.p… pic.twitter.com/a1IMaRDeYG

#統計 有限個の数値の集まりに過ぎないデータの数値から、無限に可能性がある未知の母集団の様子は、何らかのモデル(数学的設定)無しには何も分かりません。 そのとき使ったモデルの妥当性は常に問題にされるべきです。 しかし、伝統的な統計学教育ではモデルに言及せずにやり方を説明してしまう。

#統計 有意水準5%やそれと同等の信頼水準95%(95%信頼区間)を使って、本当は白黒をはっきりつけられないことについても、白黒つけることにこだわる病気をGreenlandさんのスライドではdichotomania (二分法病)と呼んでいます。 biostat.ucdavis.edu/sites/g/files/… pic.twitter.com/O3PIWypGkw

#統計 慣習的な検出力の80%に対応する第2種の過誤の確率20%はさらにザルです。 5%やら20%のようなザルのフィルターであっても、我々の生活水準を向上させるために役に立つのであれば使用することは合理的です。治療法の治験(多段階になっていることが重要！)での使用はそういう例になっています。

#統計 Greenlandさんの講演スライド biostat.ucdavis.edu/sites/g/files/… を難しく感じる人は、同じようなことが書いてある最新しまりす本を読めばよいと思います。 佐藤俊哉著『宇宙怪人しまりす統計よりも重要なことを学ぶ』 asakura.co.jp/detail.php?boo… ↓ asakura.tameshiyo.me/9784254122978?… ↓ pic.twitter.com/52jqsYqoYQ

#統計 P値について理解したい人は以下を読むと良いと思います。 佐藤俊哉著『宇宙怪人しまりす統計よりも重要なことを学ぶ』の第1話 asakura.co.jp/detail.php?boo… 『ロスマンの疫学第2版』の第8章 shinoharashinsha.co.jp/Books2.aspx?PI… Greenlandさんの講演スライド biostat.ucdavis.edu/sites/g/files/…

#統計 どちらも丸っ切り誤りであることが、少し勉強するだけでわかるはず。

#統計 しかも、実践的なケースでは、想定した効果の大きさが過大評価になっているせいで、実効的な検出力は80%よりも小さな値になっている可能性も残ります。 想定される検出力を80%にしても過信しないように注意する必要があります。

#統計 補足。想定される検出力が80%になるように標本サイズを十分に大きくした場合であっても、「効果はゼロである」の型のゼロ仮説のP値が有意水準以上になった場合には「ゼロ仮説の妥当性の判断は保留する」とするのが正しく、「ゼロ仮説は正しい」のように判断するべきではありません。続く

#統計 以上において、「相性の良さ」はcompatibilityの私的翻訳語です。(「互換性」と訳すのは意味的に誤訳になると思う。) ベイズ統計でもcompatibilityという言い方を使うこはStatistical Rethinkingもしており、以上の筋書きは私独自のものではありません。

#統計 P値と言えば「差がない」という帰無仮説(ゼロ仮説)のP値に限るかのような統計学ユーザー向けの伝統的なP値の説明をしている人は、P値について理解していないと判断した方がよいです。 P値は任意の数値aに関する「差はaである」という検定したい仮説に対して定義できます。

#統計 ほぼ同じグラフが最新シマリス本にもある。 この手の情報を一切知らない人達が、P値の使用とNHST(帰無仮説有意性検定)の区別をできないままで、P値について不当な非難をしているのを見たら、「もっと勉強した方が良い」と言うべき。 asakura.co.jp/detail.php?boo… ↓ asakura.tameshiyo.me/9784254122978?… pic.twitter.com/jGboGKzNE9

「統計学好きなのに、サンプルサイズってちょっとミステリアスでしょ？AIが紐解くよ♪必要なサンプル数には裏ワザがあるかも？！」#統計 #サンプルサイズ #AI おやすみなさい！ diamond.jp/articles/-/342…

#統計 与えられたデータの数値について、ゼロ仮説θ=0 (例えば「効果はない」という意味の仮説)だけではなく、すべての数値aについて検定仮説θ=aのP値を計算すれば、 データの数値とモデル+パラメータθの値の設定の相性の良さの様子 を知ることができます。有意水準設定による二分法抜きに使える。

#統計 P値の使用と"NHST" (帰無仮説有意性検定)を区別できない人達が結構いるというのも頭が痛い問題。 区別できていない人達の中で、P値の使用を批判していて「尤度原理」とか言いながらベイズ統計を推している人達は特に有害なので、みんなでバカにするようになれば良いと思います。 pic.twitter.com/9CLTcYoCaq

会社でよく聞かれるので、統計初心者のマーケター向けの統計基礎をまとめ始めました。初回は「検定と有意水準」についてです。ChatGPTでデータやグラフまで作成できるので、スイスイと書くことができました。 takeanote.net/statistics_tes… #統計 #マーケティング #ChatGPT

波動関数ψのﾕﾆﾀﾘ変換UがﾊﾐﾙﾉﾆｱﾝHと可換の時, ψがｼｭﾚﾃﾞｨﾝｶﾞｰ方程式の解ならUψも同じｴﾈﾙｷﾞｰ固有値を持つ解である.  #数学 #解析 #算数 #金融 #数式 #宿題 #学校 #企業研修 #経営者 #データ分析 #機械学習 #ファイナンス数学 #関数解析 #統計 #量子力学 #大学数学

#統計 3つの病気を排除したP値の健全な使い方という建設的な話をするとべきなのに、すぐに"NHST"批判の話を始める知ったかぶりの無教養人達は非常に沢山いて、いつもあきれたものだと思って見ています。 見付けたらみんなでバカにするべき。

#統計 このスレッドで強調していることは、pハッキングのような不正行為に走らなくても、普通に論文としてアクセプトされるような伝統的な誤解もしくは病気(nullism, dichotomania, reification)に基くP値や信頼区間の使い方自体がダメだということです。

最尤推定法の解説 かなり分かりやすかった #保存版 #統計 #最尤推定法 avilen.co.jp/personal/knowl…

#統計 その結果、多くの統計学ユーザー達は、「効果がない」という仮説のP値が有意水準未満もしくは非常に小さいならば、「効果がない」という仮説を否定するための証拠の1つが得られたかのように誤解してしまいます。 疑うべき対象から、モデルが完全に抜け落ちてしまう。

#統計 統計学ユーザー達に伝統的に蔓延している3種の病気: * nullism (帰無主義) * dichotomania (二分法病) * reification "reification" は「物象化」「具象化」と翻訳されたりしますが、この場合には、 　モデルを疑わない病 のように翻訳すると分かりやすいと思います。

・【厳選】2024年5月に購入を検討している高配当株7選 -金融業界/株式投資/配当金ゲット！ ・最強三菱商事！異次元増配も株価下落でマジ悩む・・ -金融業界/株式... #統計 #貿易 #暗号資産 気になる方は要チェックです✨ 　　　　↓↓↓↓ ▼コツコツお金を稼ぐ副業チャンネル blogmura.com/profiles/11156…

#統計 両側検定での有意水準5%検出力80%の仮説検定でP値が5%を切っても、再現確率が60%くらいにしかならないシンプルな想定が最新シマリス本にあります。 asakura.co.jp/detail.php?boo… ↓ asakura.tameshiyo.me/9784254122978?… pic.twitter.com/5vIgd4odDb

#統計 有意水準5%、想定検出力80%の仮説検定は科学的にザルなので、治療法の治験が制度的に多段階になっていることは非常に重要です。 多段階になっていない単一の報告での有意水準5%想定検出力80%の仮説検定は科学的にザルになっている可能性が高いことに常に注意が必要になります。