Als «type-i-and-ii-errors» getaggte Fragen

Typ I: Ablehnung der Nullhypothese, wenn sie wahr ist. Typ II: Die Nullhypothese nicht ablehnen, wenn die Alternative wahr ist.

1
R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Warum werden Fehler vom Typ II in der statistischen Literatur nicht so stark betont?
Ich habe viele Fälle gesehen, in denen Fehler vom Typ I in verschiedenen Forschungsartikeln berücksichtigt (durch einen Alpha-Wert gekennzeichnet) werden. Ich habe es selten gefunden, dass ein Forscher die Leistung oder den Typ-II-Fehler berücksichtigt. Typ-II-Fehler können eine große Sache sein, oder? Wir haben die alternative Hypothese versehentlich zurückgewiesen, als sie …
2
Wie kann getestet werden, ob ein Regressionskoeffizient durch eine Gruppierungsvariable moderiert wird?
Ich habe eine Regression für zwei Gruppen der Stichprobe durchgeführt, basierend auf einer moderierenden Variablen (z. B. Geschlecht). Ich mache einen einfachen Test für den Moderationseffekt, indem ich überprüfe, ob die Signifikanz der Regression bei einem Satz verloren geht, während sie bei dem anderen bleibt. Q1: Die obige Methode ist …
2
Ist die Fehlerrate von Typ I gleich Alpha oder höchstens Alpha?
Laut der p-Wert-Wikipedia-Seite : Wenn der p-Wert korrekt berechnet wird, garantiert dieser Test, dass die Fehlerrate vom Typ I höchstens beträgt .αα\alpha Jedoch weiter unten auf der Seite wird diese Formel: Pr(RejectH|H)=Pr(p≤α|H)=αPr(RejectH|H)=Pr(p≤α|H)=α\Pr(\mathrm{Reject}\; H|H) = \Pr(p \leq \alpha|H) = \alpha Unter der Annahme, dass die Fehlerrate vom Typ 1 = Pr(RejectH|H)Pr(RejectH|H)\Pr(\mathrm{Reject}\; …
3
Sollte ich mich darum kümmern, dass die T-Test-Leistung relativ gering ist, wenn H0 bereits abgelehnt wird?
Ich habe zwei ziemlich kleine Stichproben (jeweils ) und erhalte für sie eine T-Test-Leistung von zwei Stichproben von 0,49, was relativ klein ist (berechnet durch R ). Der Welch Two Sample t-Test ergibt hier jedoch einen p-Wert von , so dass die Nullhypothese verworfen werden kann.n = 7n=7n=7power.t.test()0,0320.0320.032 Sollte ich …
1
Geringe Stichprobengröße: LR vs F - Test
Einige von Ihnen haben vielleicht dieses schöne Papier gelesen: O'Hara RB, Kotze DJ (2010) Zählen Sie keine Zähldaten. Methoden in Ökologie und Evolution 1: 118–122. klick . Derzeit vergleiche ich negative Binomialmodelle mit Gaußschen Modellen für transformierte Daten. Im Gegensatz zu O'Hara RB, Kotze DJ (2010) betrachte ich den Sonderfall …
2
Ist der p-Wert auch die Rate falscher Entdeckungen?
In http://surveyanalysis.org/wiki/Multiple_Comparisons_(Post_Hoc_Testing) heißt es Wenn wir beispielsweise einen p-Wert von 0,05 haben und daraus schließen, dass er signifikant ist, beträgt die Wahrscheinlichkeit einer falschen Entdeckung per Definition 0,05. Meine Frage: Ich habe immer gedacht, dass eine falsche Entdeckung ein Fehler vom Typ I ist, der in den meisten Tests den …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.