SeterusnyaPanduan seterusnya
Membandingkan Polisi Insurans dengan AI
Aplikasi
PANDUAN Teknikal
Menguji banyak hipotesis meningkatkan peluang untuk mendapatkan sekurang-kurangnya satu positif palsu, walaupun setiap ujian menggunakan tahap keertian nominal yang sama.
Dengar panduan iniAI-diceritakan · ~3 min
Prosedur perbandingan berbilang seperti Bonferroni mengawal ralat dari segi keluarga, manakala kaedah kadar penemuan palsu mengawal kadar jangkaan penemuan palsu antara hipotesis yang ditolak di bawah syarat yang dinyatakan.
Ujian hipotesis pada tahap alpha mengawal kebarangkalian positif palsu untuk satu ujian tertentu di bawah andaiannya. Apabila banyak hipotesis diuji, peluang sekurang-kurangnya satu penolakan palsu di seluruh set boleh melebihi alfa. Jika 20 hipotesis nol bebas masing-masing diuji pada 0.05, kebarangkalian tiada positif palsu ialah 0.95 dinaikkan kepada kuasa ke-20, kira-kira 0.358; oleh itu peluang satu atau lebih adalah kira-kira 0.642. Kebergantungan mengubah pengiraan ini, tetapi isu kepelbagaian asas kekal. Kadar kesilapan keluarga (FWER) ialah kebarangkalian sekurang-kurangnya satu penolakan palsu dalam keluarga. Prosedur Bonferroni mengawal FWER dengan menguji setiap hipotesis m pada alfa dibahagikan dengan m, atau melaraskan nilai-p secara bersamaan dengan mendarab dengan m dan menghadkan pada satu. Ia mudah dan sah di bawah keadaan pergantungan yang luas, tetapi boleh menjadi konservatif, mengurangkan kuasa apabila banyak ujian dilakukan. Prosedur step-down Holm juga mengawal FWER dan boleh menjadi kurang konservatif daripada Bonferroni mudah. Kadar penemuan palsu (FDR) ialah nisbah jangkaan penemuan palsu antara hipotesis yang ditolak, dengan definisi konvensional ditetapkan kepada sifar apabila tiada penolakan. Benjamini-Hochberg menyusun nilai-p daripada terkecil kepada terbesar dan membandingkan setiap satu dengan ambang yang bergantung kepada kedudukan. Ia sering menawarkan lebih kuasa apabila set penemuan yang luas berguna, tetapi jaminan dan tafsirannya bergantung pada andaian tentang pergantungan dan proses ujian. Kawalan FDR tidak bermakna setiap hasil yang dipilih mempunyai kebarangkalian palsu yang sama. Tentukan keluarga hipotesis berdasarkan soalan saintifik atau operasi, termasuk hasil, subkumpulan dan penampilan interim yang tergolong bersama. Pilih kriteria ralat sebelum memeriksa keputusan. Laporkan bilangan dan sifat ujian, kaedah pelarasan, nilai terlaras dan anggaran kesan. Pembetulan tidak membaiki penggodaman p, pengukuran yang lemah, mengelirukan atau andaian ujian tidak sah. Penemuan penerokaan masih boleh berguna untuk menjana hipotesis, tetapi ia harus dilabelkan sebagai penerokaan dan disahkan dengan data baharu apabila boleh.
Pasukan hipotetikal menguji 20 hasil pada tahap keertian 0.05. Di bawah nol benar bebas, peluang sekurang-kurangnya satu positif palsu ialah 1 - 0.95^20, kira-kira 0.64, menggambarkan sebab ambang nilai p terpencil boleh mengelirukan.
Untuk 10 ujian yang dirancang dan alfa 0.05 dari segi keluarga, Bonferroni menggunakan ambang setiap ujian 0.005. Nilai p 0.01 tidak akan melepasi potongan terlaras ini, walaupun tafsiran masih bergantung pada rancangan ujian.
Seorang penganalisis meneroka beribu-ribu gen dan menggunakan prosedur Benjamini-Hochberg untuk mengawal kadar penemuan palsu, kemudian menganggap penemuan sebagai calon untuk replikasi dan bukannya mekanisme yang disahkan.
Pasukan produk merekodkan titik akhir utamanya sebelum memeriksa metrik sekunder. Menentukan keluarga ujian terlebih dahulu membantu mengelak daripada memilih pembetulan hanya selepas melihat keputusan yang penting.
Pasukan boleh menjadikan keputusan berbilang ujian lebih boleh dipercayai dengan prapendaftaran keluarga utama, membezakan pengesahan daripada analisis penerokaan dan mengekalkan semua hasil yang diuji dalam laporan. Apabila banyak hasil yang berkaitan disemak, penganalisis harus memilih pembetulan yang sejajar dengan kos sebarang positif palsu berbanding kegunaan penemuan calon. Replikasi dan pengesahan bebas kekal penting selepas pelarasan. Sistem analitik masa hadapan boleh mendedahkan bilangan perbandingan dan kaedah pembetulan bersama hasil, membantu pembaca melihat apabila penemuan yang menarik muncul daripada carian yang luas dan bukannya satu ujian yang dirancang.
Newsletter percuma
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Menguji banyak hipotesis meningkatkan peluang untuk mendapatkan sekurang-kurangnya satu positif palsu, walaupun setiap ujian menggunakan tahap keertian nominal yang sama. Prosedur perbandingan berbilang seperti Bonferroni mengawal ralat dari segi keluarga, manakala kaedah kadar penemuan palsu mengawal kadar jangkaan penemuan palsu antara hipotesis yang ditolak di bawah syarat yang dinyatakan.
Bonferroni mengehadkan kebarangkalian satu atau lebih penolakan palsu dalam keluarga.
FDR ditakrifkan sekitar nisbah penemuan palsu yang dijangkakan antara hipotesis yang ditolak.
Kaedah FDR boleh menjadi kurang ketat daripada kawalan FWER apabila banyak penemuan calon berguna.
Pembetulan bergantung pada ujian yang dianggap sebagai sebahagian daripada keluarga analisis yang sama.
Pelarasan kepelbagaian tidak membaiki reka bentuk kajian yang cacat, pengukuran atau andaian ujian.
Teruskan belajar
Lebih banyak panduan dipilih untuk topik ini
SeterusnyaPanduan seterusnya
Membandingkan Polisi Insurans dengan AI
Aplikasi