हाल ही में एक उचित रूप से शास्त्रीय गणित समस्या को हल करने के लिए एक आवश्यकता उत्पन्न हुई। आंकड़े।
लोगों के समूह पर एक निश्चित धक्का प्रभाव का परीक्षण किया जा रहा है। प्रभाव का मूल्यांकन करना आवश्यक है। बेशक, आप एक संभाव्य दृष्टिकोण का उपयोग करके ऐसा कर सकते हैं।

लेकिन अशक्त परिकल्पनाओं और पी-मूल्य के बारे में व्यापार के साथ बात करना पूरी तरह से बेकार और उल्टा है।

फरवरी 2019 तक, यह हाथ पर "औसत हाथ" लैपटॉप के साथ कैसे संभव हो सकता है? सार नोट, कोई सूत्र नहीं।

यह पिछले प्रकाशनों का एक सिलसिला है।

समस्या का बयान

उपयोगकर्ताओं के दो सांख्यिकीय समान मापी समूह हैं (A और B)। ग्रुप बी प्रभावित है। क्या यह प्रभाव मापा संकेतक के औसत मूल्य में बदलाव की ओर जाता है?

सबसे लोकप्रिय विकल्प सांख्यिकीय मानदंड की गणना करना और एक निष्कर्ष निकालना है। मुझे "क्लासिक सांख्यिकीय तरीके: ची-स्क्वायर टेस्ट" का उदाहरण पसंद है। इस मामले में, यह कोई फर्क नहीं पड़ता कि यह कैसे किया जाता है, विशेष की मदद से। प्रोग्राम, एक्सेल, आर या कुछ और।

हालांकि, निम्नलिखित कारणों से निष्कर्षों की विश्वसनीयता बहुत संदिग्ध हो सकती है:

1. वास्तव में, चटाई। शुरू से लेकर अंत तक कुछ लोग आंकड़ों को समझते हैं। आपको हमेशा उन परिस्थितियों को ध्यान में रखना चाहिए जिनके तहत एक या किसी अन्य विधि को लागू किया जा सकता है।
2. एक नियम के रूप में, उपकरणों का उपयोग और परिणामों की व्याख्या एक एकल गणना के सिद्धांत और "ट्रैफिक लाइट" निर्णय को अपनाने पर आधारित है। कम सवाल, प्रक्रिया में सभी प्रतिभागियों के लिए बेहतर।

पी-मूल्य की आलोचना

बहुत सारी सामग्री, उन लोगों के सबसे शानदार लिंक:

• प्रकृति। वैज्ञानिक विधि: सांख्यिकीय त्रुटियां। पी मान, सांख्यिकीय वैधता के 'सोने के मानक', उतने विश्वसनीय नहीं हैं जितने वैज्ञानिक मानते हैं। रेजिना नूजो। प्रकृति 506, 150-152
• प्रकृति के तरीके। चंचल पी मान इररेप्रोडयूसीबल परिणाम, लुईस जी हैल्सी, डगलस कर्रान-एवरेट, सारा एल वॉवलर और गॉर्डन बी ड्रमंड के रूप में उत्पन्न करता है। नेचर मेथड्स वॉल्यूम 12, पेज 179-185 (2015)
• Elsevier। ए डर्टी डोजेन: ट्वेन पी-वैल्यू मिसकॉन्सेप्शन, स्टीवन गुडमैन। हेमटोलॉजी वॉल्यूम 45, अंक 3, जुलाई 2008, पृष्ठ 135-140 में सेमिनार

क्या किया जा सकता है?

अब हर किसी के हाथ में एक कंप्यूटर है, इसलिए मोंटे कार्लो विधि स्थिति को बचाती है। पी-मूल्य गणना से, हम औसत अंतर के लिए आत्मविश्वास अंतराल की गणना के लिए आगे बढ़ते हैं।

कई किताबें और सामग्रियां हैं, लेकिन संक्षेप में (रीकैपलिंग और फिटिंग) जेक वेंडरप्लस - "हैकर्स के लिए सांख्यिकी" - PyCon 2016 की रिपोर्ट में बहुत ही संक्षेप में प्रस्तुत की गई है। प्रस्तुति ही।

इस विषय पर प्रारंभिक कार्यों में से एक, जिसमें ग्राफिकल विज़ुअलाइज़ेशन के प्रस्ताव शामिल हैं, सोवियत काल के प्रसिद्ध गणितज्ञ, मार्टिन गार्डनर द्वारा लिखा गया था: पी मूल्यों के बजाय आत्मविश्वास अंतराल: परिकल्पना परीक्षण के बजाय अनुमान। एमजे गार्डनर और डीजी ऑल्टमैन, ब्र मेड जे (क्लिन रेस एड)। 1986 मार्च 15; 292 (6522): 746-750 ।

इस कार्य के लिए R का उपयोग कैसे करें?

निचले स्तर पर अपने हाथों से सब कुछ नहीं करने के लिए, चलो पारिस्थितिक तंत्र की वर्तमान स्थिति को देखें। बहुत समय पहले नहीं, एक बहुत ही सुविधाजनक dabestr पैकेज : बूटस्ट्रैप-युग्मित अनुमान का उपयोग करके डेटा विश्लेषण को आर में स्थानांतरित किया गया था।

धोखा dabestr प्रारूप में dabestr में उपयोग किए गए परिणामों की गणना और विश्लेषण के सिद्धांत यहां वर्णित हैं: dabestr साथ आपका डेटा ।

 --- title: "A/B   bootstrap" output: html_notebook: self_contained: TRUE editor_options: chunk_output_type: inline --- 

 library(tidyverse) library(magrittr) library(tictoc) library(glue) library(dabestr) 

 my_rlnorm <- function(n, mean, sd){ #  . : https://en.wikipedia.org/wiki/Log-normal_distribution#Arithmetic_moments location <- log(mean^2 / sqrt(sd^2 + mean^2)) shape <- sqrt(log(1 + (sd^2 / mean^2))) print(paste("location:", location)) print(paste("shape:", shape)) rlnorm(n, location, shape) } # N   (A = Control) A_control <- my_rlnorm(n = 10^3, mean = 500, sd = 150) %T>% {print(glue("mean = {mean(.)}; sd = {sd(.)}"))} # N   (B = Test) B_test <- my_rlnorm(n = 10^3, mean = 525, sd = 150) %T>% {print(glue("mean = {mean(.)}; sd = {sd(.)}"))} 

 df <- tibble(Control = A_control, Test = B_test) %>% gather(key = "group", value = "value") tic("bootstrapping") two_group_unpaired <- df %>% dabest(group, value, # The idx below passes "Control" as the control group, # and "Test" as the test group. The mean difference # will be computed as mean(Test) - mean(Control). idx = c("Control", "Test"), paired = FALSE, reps = 5000 ) toc() 

 two_group_unpaired plot(two_group_unpaired) 

सीआई के रूप में परिणाम

 DABEST (Data Analysis with Bootstrap Estimation) v0.2.0 ======================================================= Unpaired mean difference of Test (n=1000) minus Control (n=1000) 223 [95CI 209; 236] 5000 bootstrap resamples. All confidence intervals are bias-corrected and accelerated. 

और चित्र

व्यापार के साथ बात करने के लिए काफी समझ और सुविधाजनक है। सभी गणना "कॉफी के कप" के लिए थीं।

पिछला प्रकाशन - "डेटा साइंस" विशेष बल "इन-हाउस" ।