[grajlord]

Rozumiem, że CI 95% oznacza, że próbkując populację próbkami o liczebności n, dla 95% próbek prawdziwa średnia populacji znajdzie się w tym przedziale ufności?

No to dlaczego niby nie możemy powiedzieć, że istnieje 95% szansa, że prawdziwa średnia populacji znajduje się w przedziale ufności dla jakiejśtam próbki?

#statystyka #matematyka #nauka #badanianaukowe #badaniakliniczne #repostbozleotagowalemostatnio

[scyth]

@grajlord: Dlaczego wnioskowanie z dwuelementowej próbki nie ma sensu? A jaki procent populacji stanowi taka próbka? Jej reprezentatywność pewnie pozostawia wiele do życzenia :)

[grajlord]

@scyth: A jaki procent nieskończonej populacji stanowi próbka n=30, którą nierzadko stosuje się w badaniach klinicznych?

Przy obliczaniu przedziału ufności z użyciem rozkładu t-studenta, bierzemy przecież pod uwagę wielkość próbki i w tabeli są podane wartości dla 1 stopnia swobody, czyli n=2. Więc jeśli wiemy, że rozkład zmiennej w populacji jest normalny, to myślałem, że możemy sobie użyć takiej n=2, jedynie dostaniemy bardzo szeroki przedział ufności, więc zmniejsza się nasza szansa

[scyth]

@grajlord: Zawsze zakładamy, że nasza próbka jest reprezentatywną częścią populacji. W badaniach klinicznych często jak coś nie wychodzi to sprawdza się, czy aby na pewno to założenie jest spełnione, gdzie mamy obciążenie (bias). Przy dwuelementowej próbie nawet nie ma co zaczynać analizy.

[grajlord]

@scyth: Chodzi o moc testu i o to, że błędnie możemy wnioskować o tym, że H0 jest prawdziwa? Wiadomo, że z takiego badania nie wyciągałbym takich wniosków. Chodziło mi o to, że jeżeli jakimś cudem uzyskałbym wartość p istotną, to istnieje 95% (lub jakaś wyższa) szansa, że tak właśnie jest i jest ekonomicznie uzasadnione, żeby takie badanie powtórzyć dla większej próbki. Czy takie podejście jest właściwe?

[scyth]

@grajlord: Nie jest. Przeceniasz wartość informacji, jaką daje p-value:

http://en.wikipedia.org/wiki/P-value#Misunderstandings

[grajlord]

@scyth: O dzięki, tego szukałem ;)

[grajlord]

@scyth: Patrz, a tu odpowiedzieli, że test jest spoko i p-value też jest spoko. Założyłem, że spełniam wszystkie założenia itd. Oni są w błędzie, czy chodzi po prostu o to, że przy tak śmiesznie małej próbce nie będę w stanie sprawdzić, czy założenia (jak np. rozkład normalny populacji, równa wariancja w dwóch populacjach) są prawdziwe, a jednocześnie przyjęcie niewłaściwych założeń przed wykonaniem testów będzie często skutkowało uzyskaniem bardzo rozbieżnych p-value. (testy

[scyth]

@grajlord: Jeśli założysz, że twoje założenia są ok, no to ok - ale przy danych medycznych to bardzo naciągane założenie. Do tego problem mocy. Chociaż jak teraz myślę to skoro wiesz o tych problemach i przeprowadzisz test, jednocześnie pisząc te zastrzeżenia, to nie będzie w tym nic złego - najważniejsze, żeby zdawać sobie z tego sprawę. No i pamiętaj - używaj sformułowań typu "uzyskane wyniki sugeruję, że może istnieć zależność ..."

[grajlord]

@scyth:

używaj sformułowań typu "uzyskane wyniki sugeruję, że może istnieć zależność

Dzięki, będę to miał na uwadze.

Kurde, ciężko mi trochę za każdym razem wytłumaczyć ci o co mi chodzi, bo jesteś statystyk-praktyk, a ja się dopiero uczę i poruszam w teorii, na dodatek nie znając "zakresu" pewnych pojęć. Dopiero gdzieś za drugim razem jestem w stanie odpowiednio pokazać przykład o który mi chodzi ;)

Czyli na razie zostaję ze stwierdzeniem

[scyth]

@grajlord: Spoko, jakoś się dogadujemy. Pamiętaj co znaczy p-value - ma bardzo prostą interpretację. Jest to prawdopodobieństwo uzyskania takich wyników, jakie otrzymałeś, przy założeniu, że hipoteza zerowa jest prawdziwa - tyle. Natomiast wynik testu statystycznego zależy od wielkości próbki, przyjętej hipotezy alternatywnej itd.

[grajlord]

@scyth: Będę pamiętał, obiecuję.