Wyobraźmy sobie statyka żądnego nowych odkryć. Przygotował 1000 hipotez zerowych, które właśnie ma zamiar obalić. Jakie gwarancje daje mu alfa = 0,05?
Procent pacjentów, którzy umawiają się do lekarza, po czym nie przychodzą, wynosi 20 plus/minus 4. Ale co tak naprawdę oznacza to plus/minus?
Ten wpis kończy serię o interpretacji p-wartości. Zastosujemy wzór Bayesa, aby p-wartość z konkretnego doświadczenia zmieniła nasze postrzeganie świata.
Odchylenie standardowe to bardzo popularna miara. Mimo to jej interpretacja wcale nie jest taka prosta.
Skoro w rozkładzie symetrycznym mediana jest równa średniej, a w skośnym lepsza jest mediana, to po co używać średniej?
Wzór Bayesa, czyli jak przejść z prawdopodobieństwa a priori na a posteriori --- na przykładzie problemu rutynowych badań.
Wykonaliśmy test statystyczny i otrzymaliśmy p = 0,01. Co to DOKŁADNIE oznacza? Czy odrzucenie hipotezy zerowej to na pewno dobra decyzja?
Szacowanie niskich proporcji i wyniki fałszywie dodatnie.
Proste wytłumaczenie, czym jest regresja liniowa --- i jak to odnieść to stereotypów.
Załóżmy, że chcielibyśmy oszacować, ile osób uderzyło swoje dziecko. Czy wystarczy zapytać o to 1000 napotkanych osób?
O tym, jak zjawisko korelacji może tłumaczyć prawdziwość niektórych horoskopów.
Dlaczego postawienie na kombinację 1, 2, 3, 4, 5, 6 w lotto to tak samo rozsądny wybór, jak każdy inny.