가장 혼란스러운 통계 용어

통계 학자들은 다른 사람들이 사용하는 방식과 약간 다른 방식으로 많은 단어를 사용합니다. 우리가하고있는 일을 가르치거나 설명 할 때 많은 문제가 발생합니다. 목록을 시작하겠습니다 (이제 주석마다 정의를 추가하겠습니다).

• 검정력은 귀무 가설을 올바르게 기각 할 수있는 능력입니다. 일반적으로 이것은 "뭔가 일어나고있다"는 말을 올바르게 의미합니다.
• 바이어스-통계가 관련 모집단 매개 변수와 체계적으로 다른 경우 통계가 바이어스됩니다.
• 유의성-다음과 같은 상황에서 결과가 통계적으로 유의미한 비율 (5 %)로 나타납니다. 표본이 속한 모집단이 0의 실제 효과를 갖는 경우, 표본에서 얻은 것보다 극단적 인 통계 만 발생합니다. 시간의 5 %
• 상호 작용-종속 변수와 하나의 독립 변수 사이의 관계가 다른 독립 변수의 다른 수준에서 다른 경우 두 개의 독립 변수가 상호 작용

그러나 다른 많은 사람들이 있어야합니다!

"중요한"은 제가 사용하는 가장 큰 의미입니다. 왜냐하면 일반적인 영어 사용 의미 와 연구 결과 토론에서 그 의미가 커지기 때문 입니다. 통계적 결과에 대해 이야기했던 같은 문장에서 중요한 의미를 갖기 위해 "유의적인"단어를 섞는 것도 발견 할 수 있습니다.

그 방법은 광기입니다.

목록에 Linear를 추가하는 것이 좋습니다.

나는 엔지니어로서 임의 변수 의 값 을 고려한 임의 변수 의 선형 최소 평균 제곱 오차 추정으로 생각하는 것에 대해 math.SE에 대한 질문 을했습니다 ( 를 로 추정하는 것을 의미합니다) 는 을 최소화하기 위해 와 를 선택 하고 부분적으로 답했습니다. 질문에 대한 의견 중 하나가X Y Y는 = X의 + B B에 E의 [ ( Y - X가 - B ) 2$Y$$X$$Y$$\hat{Y} = aX+b$$a$$b$$E[(Y-aX-b)^2]$

"선형"이라는 단어를 사용하는 이러한 방식이 선형 회귀에서 선형 회귀가 왜 선형에 적합하기 때문인지에 대한 대중의 오해로 이어질 수 있기 때문에 나는 당신의 언어에 다소 불편합니다. 통계학자가 포물선이나 사인파 등에 맞을 때 선형 회귀를하고 있다고 주장하면 혼란스러워한다. "

그래서, 어떻게 않습니다 선형 회귀 분석은 통계에 의미?

개연성

가설 검정과 신뢰 구간 해석과 관련된 대부분의 문제는 절차가 빈번한 문제를 기반으로 할 때 "확률"에 대한 베이지안 정의의 적용에서 비롯된 것 같습니다. 예를 들어, AFAICS가 빈번한 설정에서 특정 가설의 진실과 연관 될 수있는 확률이없는 경우, p- 값은 귀무 가설의 확률 인 참입니다.

"자신"

비 통계 전문가에게 신뢰 구간이 다른 매개 변수 값 의 신뢰성 에 대한 설명이 아니라고 설득하기는 매우 어렵습니다 .

자신감을 가지려면 용어의 기술적 의미에서 반복되는 실험 세트를 상상해야합니다. 각 실험은 미리 지정된 방식으로 간격을 계산합니다. 95 % 신뢰 구간이 되려면 이러한 공식 사용의 95 %가 관련 관심 매개 변수를 트랩합니다.

그러나 비 통계 학자들은 일상적으로 "95 % 신뢰"를 하나의 실험만으로 타당한 모수 값에 대한 진술로 해석합니다. 일반적으로 그들은 간격이 매개 변수에 대한 일부 후신 신념의 95 %를 차지한다고 가정합니다. 즉, "우리는 매개 변수가 와 사이에 확신합니다 ". 대신 신뢰할 수있는 간격을 정의 합니다.$a$$b$

(물론 두 개념이 대략 또는 정확히 일치하는 상황이 있습니다. 그러나 일반적으로 동의하지 않으며 숫자 계약이 기술 용어의 오용 문제를 제거하지는 않습니다.)

"Likelihood"-일상 연설에서 "확률"과 동의어이지만 통계에서는 특별한 의미를 갖습니다. 통계 모델의 매개 변수의 함수입니다.이 값은 매개 변수를 가정 할 때 관찰 된 결과의 확률입니다. 매개 변수 값과 같습니다.

오류.

통계에서 "오류"는 모델 예측과 실제 데이터 값의 편차입니다.

실제로는 오류가 spllng mstake 또는 다른 바보입니다.

"추론"

처음에 이해하기 가장 어려운 것 중 하나는 모집단과 표본의 차이였습니다. 통계는 샘플 수준의 작품들로이 화려한 인구 수준의 회귀 방정식 후 갑자기 드롭을 모두 작성하고 될 s의 의. 모집단 수준 모수를 추정하기 위해 표본 수준 데이터와 회귀 방정식을 사용하고 있음을 깨닫는 데 오랜 시간이 걸렸습니다.$\beta$$b$

추론에 대한 또 다른 중요한 부분은 중심 한계 정리입니다. 표본 추출이 추론과 유사한 또 다른 복잡한 기능이지만 모집단에서 단순히 표본 추출하고 있음을 알게되면 표본 평균이 하나의 값을 보유하더라도 해당 값이 모집단에서 반드시 동일한 평균 일 필요는 없음을 이해합니다. .

아마도 귀하의 질문에 대해 비교적 느슨하게 이해했지만 누군가가 표본과 모집단의 추론 또는 차이점을 이해하면 통계 전체가 열릴 수 있습니다.

우리 (또는 적어도 나에게)에게 "샘플"의 "무작위"는 그것이 "인구"를 대표한다는 것을 시사한다.

다른 사람들에게 "무작위"는 때때로 사람 / 사물이 비정상적임을 암시합니다.

대중을 혼란스럽게하는 용어와 통계학자를 혼란스럽게하는 용어를 구별해야한다고 생각합니다. 위의 제안은 대부분 통계학자가 이해하고 대중이 오해 할 수있는 용어입니다. 통계학자가 이해하지 못하는 용어를 목록에 추가하고 싶습니다.

• 베이지안 : 원래는 주관적인 베이 즈 (일명 전염병, De-Finetti)라고 알려진 것을 말합니다. 오늘날이 용어는 베이 즈 규칙이 주관적 신념의 맥락에서 거의 나타나지 않을 때마다 사용될 것이며, 이는 의사 결정 이론으로 간주됩니다.
• 경험적 베이 : 원래 비모수 적 이전 의 잦은 설치를 말합니다 . 오늘날, 일반적으로 이전의 파라 메트릭 (객관적) 매개 변수가 추정되고 사전에 알려지지 않음을 의미합니다. 즉, 한 번 유형 II 최대 가능성으로 알려졌습니다.
• 비모수 : 때때로 "모델이없는"을 나타냅니다. 때때로 "배포 무료". "파라 메트릭"모델에는 수백만 개의 매개 변수가 포함될 수있는 날에 실질적으로 정보가 없어졌습니다.
• 유형 III 오류 : 때때로 부호 오류를 나타냅니다. 때때로 모델의 잘못된 사양을 언급합니다.

생태, 일반적으로 생물학적 시스템뿐만 아니라 통계적 오류를 나타내는 데 사용됩니다. Wikipedia에서 :

생태 학적 오류 (또는 생태적 추론 오류)는 생태학 연구에서 통계 데이터를 해석 할 때 오류가 발생하므로 특정 개인의 성격에 대한 추론은 해당 개인이 속한 그룹에 대해 수집 된 집계 통계에만 근거합니다. 이 오류는 그룹의 개별 구성원이 그룹의 평균 특성을 크게 가지고 있다고 가정합니다.

"설문 조사"는 수학 유형 ( "설문 조사") 또는 종이 ( "질문")입니까?

나는 이것에 대한 조사를 실시하지 않았지만, 많은 대중이 "조사"를 후자라고 생각한다. 나는 그들이 전자에 대해 생각하지 않는다고 더 의심합니다.

"부하", "계수"및 "무게"; 주요 성분 분석에 대해 이야기 할 때

나는 일반적으로 사람들이 그것을 사용할 때 아주 임시적인 것을 발견하고, 먼저 의미를 명확하게 정의하지 않고 상호 교환 적으로 고용하고 실제로 "로드 벡터"를 언급하는 논문을 보았으며 때로는 PC 자체와 다른 시간 "무게"를 의미합니다. 특정 PC와 연결되어 있습니다.

아마도 Jollifee가 Principal Components에 대한 훌륭한 참조가 1.1 절 말에 언급되어 있다는 사실은 "일부 저자들은 사용 된 정규화 제약 조건에 따라 '로드'와 '계수'라는 용어를 구별하지만이 책에서 상호 교환 적으로 사용될 것입니다." 사람들이 자신의 취향에 맞게 용어를 섞어 사용할 수있는 프리 패스가 있다고 생각하게 만들었습니다.

부가 모델. 이것이 무엇을 의미하는지 아직 확실하지 않습니다. 상호 작용 항이없는 모형을 의미한다고 생각합니다. 그런 다음 스플라인 모델과 같은 다른 항목을 참조하기 위해 사용하는 기사를 살펴 보겠습니다.

내가 가장 혼란스럽게 생각하는 용어 중 하나는 "혼란 매트릭스"입니다. 물론 사용 된 용어 자체는 개념이 아니라 혼동됩니다.

나는 그 용어의 역사를 추적하려고 노력했다. 그리고 그것은 또한 매우 흥미 롭다. 혼란 매트릭스는 1904 년에 ( http://en.wikipedia.org/wiki/Karl_Pearson )에 의해 발명되었습니다 . 그는 http://en.wikipedia.org/wiki/Contingency_table 이라는 용어를 사용했습니다 . 그것은 FRS (1904)의 Karl Pearson에 출연했다. 진화론에 대한 수학적 기여 (PDF). Dulau and Co. http://ia600408.us.archive.org/18/items/cu31924003064833/cu31924003064833.pdf

2 차 세계 대전 동안 자극과 반응의 관계를 조사하기 위해 h ttps : //en.wikipedia.org/wiki/Detection_theory 가 개발되었습니다. 혼란 매트릭스가 사용되었습니다.

탐지 이론으로 인해이 용어는 심리학에 사용되었습니다. 거기에서이 용어는 기계 학습에 도달했습니다.

머신 러닝과 매우 관련이있는 통계에서 개념이 발명되었지만 100 년 동안 우회 한 후 머신 러닝에 도달 한 것으로 보입니다.

용어 사용에 대한 일부 참고 자료는 다음을 참조하십시오. 용어 혼동 행렬의 기원은 무엇입니까?

"통계"

일반인들에게 "이제 나는 너에게 거짓말을하고 당신이 이해할 수없는 방식으로 말하려고한다."