'통계적으로 입증 된'개념

'통계적으로 입증 된'사안에 대한 뉴스가 나올 때 제대로 정의 된 통계 개념을 사용하고 있거나 잘못 사용했거나 옥시 모론을 사용하고 있습니까?

'통계 증거'는 실제로 가설이나 수학적 증거를 증명하기 위해 수행 된 것이 아니라 '통계 테스트'에 더 가깝습니다.

사람들이 말하는 뉴스는 누구나 추측 할 수 있으며 뉴스 캐스트에 따라 다릅니다. 아마도 가장 일반적인 것은 여러 페이지가 필요한 연구에 대한 한 문장의 요약을 제공하는 것입니다.

그러나 마지막 단락이 잘못되었습니다. 통계적으로 각 가족에는 2.4 명의 자녀가 없습니다. 평균 2.4 아이들이다. 이것은 전적으로 가능합니다. 미국 가족을 무작위로 추출하면 (매우 까다 롭지 만 가능할 경우) 평균 추정치를 얻을 수 있습니다. 그러나 만약 당신이 가족의 인구 조사를했다면, 인구 조사가 실제로 모든 가족을 얻었거나 (그렇지 않은 경우), 또는 그 수령 한 사람들이 그들이 얻지 못한 사람들을 대표한다면, 자녀 수와 관련하여, 그 사실을 증명했을 것입니다.

그러나 인구 조사는 사람들을 그리워 할뿐 아니라, 그리워하는 사람들은 여러 가지면에서 사람들과 다릅니다. 인구 조사국은 그러므로 그들이 어떻게 다른지 알아 내려고 노력합니다. 따라서 가족당 어린이 수를 추정 할 수 있습니다.

그러나 당신이 증명할 수있는 것들이 있습니다. 예를 들어 부서의 각 교수가 가르치는 평균 년 수를 알고 싶다면 정확한 데이터를 얻고 정확한 평균을 얻을 수 있습니다.

통계 테스트가 가설을 입증하기 위해 정확하게 수행되므로 두 번째 단락도 문제가됩니다. 보다 정확하게는, 주어진 유의 수준에서 귀무 가설을 기각하기 위해 (자주 사용하는 프레임 워크에서) 수행됩니다.

나는 많은 것들과 마찬가지로 광범위한 문화적 오해와 펀치 리 속기에 대한 저널리즘 시도가 결합되어 때때로 오도되는 것으로 생각합니다.

" 휴대 전화는 암을 유발합니다! "는 가능한 링크를 조사하는 것에 대한 설명보다 더 많은 광고를 판매합니다.

물론 통계적 추론에 근거한 결론은 어떤 종류의 어려운 의미도 아닙니다. 그것은 가정에 의존하고, 심지어 (최상의) 결론은 (확실히 베이지안 추론과 같이) 확률 적이며, 빈번한 추론으로 p- 값의 오해의 일반적인 오류를 확률로 추가해야합니다. null은 사실이다. 출판이나 편견 과 같은 문제를 고려하지 않아도

과학 보고서에서보다 일반적으로 비슷한 오류를 볼 수 있으며 이는 매우 실망스러운 일 입니다.

'통계적으로 입증 된'이라는 문구가 마음에 들지 않습니다. 통계가 잘 수행되는 강력한 도구 인 반면 통계가 실제로 알려주는 것은 놀랍게도 미묘 할 수 있으며, 배운 내용의 의미에 대한 적절한 토론과 결론에 수반되는 자격은 종종 광고 제목의 과장과 펀치에 부적합합니다. 평소의 유명인 가십 사이에 꽉 짜인 몇 개의 문단이 서두르고 있습니다.

실제로, 그러한 종류의 자격이 필수적인 것처럼 보이는 학술지에서도 종종 남겨두고 대신 결과를 '유기화'하는 것으로 간주되는 공식적인 선언 (연구 영역과 연구 영역에 따라 다름)이 나타납니다.

추론 결과 (점 및 구간 추정, 가설 검정, 의사 결정 이론적 계산 또는 시각적으로 몇 가지 시각적 비교의 탐색 적 구성)에서 도출 된 결론에 이르는 추론을 신중하게 설명 할 여지가 있다고 생각합니다. 그 추론은 문제의 진정한 핵심이있는 곳이며 (추론의 차이가 드러날 곳을 명시하고 있었는지 여부를 포함하여), 우리는 그 사실이 거의 드러나지 않는 것을 본다.

그 외에도 우리는 계속 주의를 기울일 수 있습니다

경험적 지식은 항상 확률 론적입니다. 명백하게 사실인지 거짓인지는 모르지만 항상 중간에 있습니다. 통계적 "증거"는 가설이 허용 된 임계 값보다 작을 확률이 낮아질만큼 충분한 데이터를 수집하는 문제입니다. 그리고 "진실"또는 "정확성"에 대한 임계 값은 학문 분야마다 다릅니다. 사회 학자들은 95 %의 확률로 만족하고 때로는 덜 정착합니다. 양자 물리학 자들은 99.99999 % 이상을 요구합니다.