Musterprüfung 1 lösungen

Was ich Ihnen in diesem Kapitel beschrieben habe, ist der orthodoxe Rahmen für Nullhypothesen-Signifikanztests (NHST). Zu verstehen, wie NHST funktioniert, ist eine absolute Notwendigkeit, da es der vorherrschende Ansatz für inferentiale Statistiken ist, seit es im frühen 20. Jahrhundert bekannt wurde. Es ist das, worauf sich die überwiegende Mehrheit der arbeitenden Wissenschaftler bei ihrer Datenanalyse verlässt, also selbst wenn Sie es hassen, müssen Sie es wissen. Der Ansatz ist jedoch nicht ohne Probleme. Es gibt eine Reihe von Eigenheiten im Rahmen, historische Merkwürdigkeiten, wie es dazu kam, theoretische Streitigkeiten darüber, ob der Rahmen richtig ist oder nicht, und viele praktische Fallen für Die Unvorsichtigen. Ich werde nicht in viele Details zu diesem Thema gehen, aber ich denke, es lohnt sich, kurz ein paar dieser Themen zu diskutieren. Im letzten Kapitel habe ich die Ideen hinter der Schätzung diskutiert, die eine der beiden “großen Ideen” in der Infessstatistik ist. Es ist jetzt an der Zeit, die Aufmerksamkeit auf die andere große Idee zu lenken, die Hypothesentests ist. In seiner abstraktsten Form, Hypothesentest wirklich eine sehr einfache Idee: der Forscher hat einige Theorie über die Welt, und will bestimmen, ob die Daten tatsächlich unterstützen diese Theorie. Allerdings sind die Details chaotisch, und die meisten Leute finden die Theorie der Hypothesentests der frustrierendste Teil der Statistik. Die Struktur des Kapitels ist wie folgt.

Zunächst werde ich beschreiben, wie Hypothesentests in einer ziemlichen Menge an Details funktionieren, indem ich ihnen ein einfaches Laufbeispiel verwende, um Ihnen zu zeigen, wie ein Hypothesentest “erstellt” wird. Ich werde versuchen, zu vermeiden, zu dogmatisch dabei zu sein, und mich stattdessen auf die zugrunde liegende Logik des Testverfahrens konzentrieren.158 Danach werde ich ein wenig Zeit damit verbringen, über die verschiedenen Dogmen, Regeln und Ketres zu sprechen, die die Theorie des Hypothesentests umgeben. Im Gegensatz dazu dachte Neyman, dass der Punkt der Hypothesenprüfung als Leitfaden für das Handeln war, und sein Ansatz war etwas formeller als der von Fisher. Seine Ansicht war, dass es mehrere Dinge gibt, die Sie tun können (akzeptieren Sie die Null oder akzeptieren Sie die Alternative) und der Punkt des Tests war es, Ihnen zu sagen, welche die Daten unterstützung. Aus dieser Perspektive ist es wichtig, Ihre Alternativhypothese richtig zu spezifizieren. Wenn Sie nicht wissen, was die Alternative Hypothese ist, dann wissen Sie nicht, wie mächtig der Test ist, oder sogar welche Aktion sinnvoll ist. Sein Rahmen erfordert wirklich einen Wettbewerb zwischen verschiedenen Hypothesen. Für Neyman misst der Wert von `(p`) nicht direkt die Wahrscheinlichkeit der Daten (oder Daten extremer) unter der Null, es war eher eine abstrakte Beschreibung, welche “möglichen Tests” Ihnen sagten, die Null zu akzeptieren, und welche “möglichen Tests” Sie aufforderten, die Alternative zu akzeptieren. Eine Nebensprache in Bezug auf die Sprache, die Sie verwenden, um über Hypothesentests zu sprechen.

Erstens möchte man wirklich das Wort “Beweisen” vermeiden: Ein statistischer Test beweist wirklich nicht, dass eine Hypothese wahr oder falsch ist.

You may also like