100 orłów, Bayes i p-wartość
Ktoś wyrzucił 100 orłów z rzędu. Jaką monetą rzucał?
Ktoś wyrzucił 100 orłów z rzędu. Jaką monetą rzucał?
O skandalicznym przedstawieniu zdarzeń o niskim prawdopodobieństwa zejścia jako faktów.
Analiza 80 szóstek w polskim lotto i wylosowania tych samych liczb z rzędu w Bułgarii.
Przykłady anomalii statystycznych i jak udowodnić, że nie są dziełem przypadku.
O zastosowaniu metody Monte Carlo już pisałem, gdy analizowałem oczekiwany czas gry w wojnę. Weźmy teraz Eurobiznes. Są ludzie, którzy grali w Monopol, a są tacy, co grali w Eurobiznes. W…
Wyobraźmy sobie statyka żądnego nowych odkryć. Przygotował 1000 hipotez zerowych, które właśnie ma zamiar obalić. Jakie gwarancje daje mu alfa = 0,05?
Ten wpis kończy serię o interpretacji p-wartości. Zastosujemy wzór Bayesa, aby p-wartość z konkretnego doświadczenia zmieniła nasze postrzeganie świata.
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.
Załóżmy, że chcielibyśmy oszacować, ile osób uderzyło swoje dziecko. Czy wystarczy zapytać o to 1000 napotkanych osób?
Dlaczego postawienie na kombinację 1, 2, 3, 4, 5, 6 w lotto to tak samo rozsądny wybór, jak każdy inny.