“가설 검증”과“의미 검증”의 차이점은 무엇입니까?

"가설 검증"과 "의미 검증"이라는 문구 사이에 차이가 있습니까?

@Micheal Lew의 자세한 답변을받은 후 요즘 가설 (예 : t- 검정 평균)이 "유의성 검정"또는 "가설 검정"의 예라는 혼란이 있습니까? 아니면 둘 다의 조합입니까? 간단한 예를 통해 어떻게 차별화 할 수 있습니까?

유의성 검정은 Fisher가 고안 한 것으로 가설 검정은 유의성 검정을 대체하기 위해 고안 한 것입니다. 그것들은 동일하지 않으며 대부분의 귀무 가설 검정 사용자를 놀라게 할 정도로 상호 호환되지 않습니다.

Fisher의 유의성 검정은 관측치가 귀무 가설 아래에 얼마나 극단적인지를 나타내는 p 값을 산출합니다. 이 p 값은 귀무 가설과 유의 수준에 대한 증거의 지표입니다.

Neyman과 Pearson의 가설 검정은 귀무 가설과 대립 가설을 모두 설정하고 귀무 가설을 수락하기위한 결정 규칙으로 작동합니다. 간단히 말해서 (여기에 넣을 수있는 것보다 더 많은 것이 있습니다) 당신은 수용 가능한 오 탐지율, 알파 (보통 0.05)를 선택하고 p 값이 알파보다 위인지 아래인지에 따라 널을 수락하거나 거부합니다. 위양성 오류로부터 보호하려면 통계 테스트의 결정을 따라야합니다.

Fisher의 접근 방식을 사용하면 결과를 해석 할 때 원하는 것을 고려할 수 있습니다. 예를 들어, 기존의 증거는 결과의 해석 및 표현에 비공식적으로 고려할 수 있습니다. NP 디자인에서는 실험 설계 단계에서만 수행 할 수 있으며 거의 ​​수행되지 않는 것 같습니다. 내 생각에 어부의 접근 방식은 NP의 접근 방식보다 기본적인 생물 과학 연구에 더 유용하다.

유의성 검정과 가설 검정 간의 불일치 및 불행한 하이브리드 화에 대한 실질적인 문헌이 있습니다. 이 논문부터 시작할 수 있습니다 : Goodman, 증거 기반의 의료 통계로. 1 : P 값 오류. http://www.ncbi.nlm.nih.gov/sites/entrez?Db=pubmed&Cmd=ShowDetailView&TermToSearch=10383371

많은 경우에,이 두 진술은 같은 것을 의미합니다. 그러나 그것들은 또한 상당히 다를 수 있습니다.

가설을 테스트하는 것은 먼저 어떤 현상에서 어떤 일이 발생한다고 생각하는지 말한 다음이 현상에 대한 일종의 테스트를 개발 한 다음 현상이 실제로 발생했는지 여부를 결정하는 것으로 구성됩니다. 대부분의 경우 가설 검정에는 모든 종류의 통계 검정이 필요하지 않습니다. 물리학자인 어니스트 러더 포드 (Ernest Rutherford)는이 인용문을 떠올리게됩니다. 만약 실험에 통계가 필요하다면, 더 나은 실험을했을 것입니다. 즉, 가설 검정은 일반적으로 일종의 통계 도구를 사용합니다.

반대로 유의성 테스트는 순전히 통계적인 개념입니다. 본질적으로 하나의 두 가설, 즉 귀무 가설은 두 개 (또는 그 이상)의 데이터 수집간에 차이가 없음을 나타냅니다. 다른 가설은 우연히 발생하지 않은 두 표본간에 차이가 있다는 것입니다.

연구의 설계에 따라 통계 테스트를 사용하여 두 개 이상의 샘플을 비교하여 숫자를 제공 한 다음 참조 분포 (예 : 정규 분포, t 분포 또는 F 분포)와 비교합니다. 이 검정 통계량이 임계 값을 초과하면 귀무 가설을 기각하고 두 개 이상의 표본간에 차이가 있다고 결론을 내립니다. 이 기준은 일반적으로 우연에 의한 차이의 확률이 20 분의 1 미만 (p <0.05)이지만 다른 것들은 때때로 사용되기도합니다.