什麼科學家誤認為統計證據以及如何解決該證據

統計數據是科學的主要工具，可幫助我們了解哪些數據揭示了有關重要問題的數據。但是，“統計證據”的想法仍然很難確定。多倫多大學的邁克爾·埃文斯（Michael Evans）教授在他的最新研究中探討了這一複雜問題，該研究發表在2024年百科全書中。

統計領域與有興趣數量的情況有關，其價值未知，收集數據，並且認為這些數據包含未知值的證據。然後，假定統計理論根據數據響應兩個主要問題：（i）為利息量以及評估準確性的量度提供了合理的價值，以及（ii）估計是否有證據表明有利於利息量的有利於假設價值的證據。例如，對感染Covid-19的患者的比例評估肯定是感興趣的，或者，根據從韋伯望遠鏡獲得的測量結果，需要知道是否已為暗示或反對假定存在的暗物質存在證據。

在討論工作時，關於如何解決以下問題有兩個廣泛的主題：證據和決定。證據方法著重於確保使用的任何統計方法顯然基於數據中的證據。相比之下，決策理論旨在使用基於所謂的不正確結論的懲罰來最大程度地減少潛在損失的方法。但是，對於科學應用，可以說，數據中證據的優先級與科學的基本目的相吻合，即對真理的確定。埃文斯教授的文章將其緊密地在同一營地中。

該論文的以下引用提出了明顯方法的基本問題：“大多數統計分析是指諸如諸如“證據建議”或“基於我們得出的證據”之類的統計證據的概念。但是，長期以來一直認識到，至少沒有定義的概念，至少沒有定義。”

那麼相同方法的基本問題是：如何確定統計證據？因為如果沒有明確的統計證據含義的清晰食譜，那麼如何聲稱特定方法是基於證據的？埃文斯教授的文章回顧了多年來解決這個問題的許多方法。

有幾種已知的統計方法用作統計證據的表達。許多人熟悉對問題的使用（ii）。有一些熟悉值P作為統計證據的問題，其中一些已在文章中進行了修訂。例如，有必要選擇一個切割的alpha來確定何時p值足夠小，以說有反對假設的證據，沒有天然的α溶液。此外，p值永遠不會提供證據支持真實假設。信任間隔的概念與值P密切相關，因此遭受了相似的缺陷。

在1960年代和70年代，艾倫·伯納布姆（Allan Bernabum）在統計領域中確定統計證據的概念的一項巨大努力，並在本文中討論了他的工作。這導致了許多統計數據同意的原則之間發現了許多有趣的關係，例如條件的可能性，充分性和原則。 Birnbaum未能充分錶徵統計證據的含義，但其工作表明統計領域的另一個眾所周知的分裂：反對貝葉斯主義的頻率。 Birnbaum要求在出勤中定義統計證據。價值P和信任間隔在本質上都是經常存在的。一個頻率想像研究下的統計問題，重複大量獨立時間，然後需要在這樣的序列中表現良好的統計程序。

相反，貝葉斯人希望結論僅取決於觀察到的數據，並且不考慮這種想像的序列。貝葉斯訪問的成本是分析師需要提供概率的初步分佈，以反映分析師對該數量的真實價值的信念。看到數據後，貝葉斯統計有義務更新其信念，如感興趣的概率的背面分佈所述。是對初步和後信仰的比較 證據原則：如果特定值的後驗概率更大，則相關初步概率，則有證據表明這是真實值，並且後驗概率小於先前的概率，那麼有證據反對它是真實值。這是數據的證據，它改變了信念，證據原則清楚地表徵了這一點。

正如埃文斯教授所解釋的那樣，除了證據原則之外，還需要其他要素。為了評估和衡量證據的強度，有必要訂購利益量的潛在價值和一種自然的方法是通過信任的相對關係：其初步概率的後驗概率之比。當該報告大於1時，就會有支持的證據，而證據的支持越大，反之亦然，當比率小於1時。置信度的相對關係會導致評估和假設評估問題的自然反應。

本文中還有更多，包括我們如何處理統計方法中必不可少的主觀性，例如使用模型控制和對初步數據衝突的控制。然而，也許更令人驚訝的是，通過相對信仰的相同方法導致頻率和貝葉斯主義之間的解決方案。故事的一部分是，任何結論的可靠性都應始終受到讚賞，這就是頻繁主義的作用。這是通過控制置信度的相對方法來通過控制置信度的相對方法，即在真實的情況下獲得根據價值獲得證據的初步概率，並在偽造時獲得證據，以支持該價值。畢竟，結論是貝葉斯人，因為它反映了信念並清楚地確定了統計證據，而對結論的可靠性的控制則是頻繁的。兩者在實施有關科學問題的統計數據中都起著關鍵作用。

隨著世界變得越來越依賴於數據驅動的鏡子，了解所描述的穩定證據變得越來越重要。埃文斯教授的研究為解決這個緊迫問題提供了深思熟慮的基礎。

日記

Evans，M。 “統計證據，歷史根源和當前發展的概念”。百科全書2024，4，1201–1216。 doi：

作者周圍