n*****n
发帖数: 3123 | 1 Suppose X,Y are independent.
By central limit, large number, and slutsky, we have, under H0,
mnD^2/((m+n)S(1-S)) --> chisq(1) in distribution.
For example if alpha=0.05, we reject the null if
mnD^2/((m+n)S(1-S))>3.84 |
|
m*********n
发帖数: 413 | 2 我对spline不熟
但现在fix了 y=y1|x=x1 和 y=y2|x=x2
是否有可能求 y1，y2的联合分布 f(y1,y2) under H0？
如果可能，再用transformation求（z1=y1/y2，z2=y1×y2 ）的联合分布g(z1,z2)
然后积分掉z2就是z1的marginal 分布
r
an
Does |
|
s******h
发帖数: 539 | 3 不需要乘吧，但是我觉得应该是 1 - \prod_i pbinom(Xi, Ni, Pi), 根据你所说的H0:
没有一组结果是多于预期的。 举个例子，考虑M = 1, P1 = 0.5, N1 = 100, 如果你观
察到X1 = 100,毫无疑问p-value应该要趋向于0了。 |
|
T*******I
发帖数: 5138 | 4 “t-检验的零假设H0是两个总体的均值绝对相等，不能有丝毫差别。”这句话表明作者
甚至连假设检验在检验什么都没搞清楚。这是在胡说八道。
假设检验中的t-检验是在检验两个样本均值的绝对差中由抽样变异引起的随机误差发生
的可能性是否显著，因为这个绝对差有且只有两个来源：一个是由于总体中个体的随机
变异而引起的抽样随机误差，另一个就是由定义两个总体的不同子系统属性所引起的系
统误差。但是，我们的问题是无法通过一次抽样直接测量这两类误差的绝对大小，这才
有了用概率来判断两类误差在此次抽样研究中发生可能性的假设检验问题。
还有就是拿关于疫苗回顾性比较研究的例子归纳出“文科统计”的概念，又是一个绝对
的无知或偏见。 |
|
T*******I
发帖数: 5138 | 5 “t-检验的零假设H0是两个总体的均值绝对相等，不能有丝毫差别。”这句话表明作者
甚至连假设检验在检验什么都没搞清楚。这是在胡说八道。
假设检验中的t-检验是在检验两个样本均值的绝对差中由抽样变异引起的随机误差发生
的可能性是否显著，因为这个绝对差有且只有两个来源：一个是由于总体中个体的随机
变异而引起的抽样随机误差，另一个就是由定义两个总体的不同子系统属性所引起的系
统误差。但是，我们的问题是无法通过一次抽样直接测量这两类误差的绝对大小，这才
有了用概率来判断两类误差在此次抽样研究中发生可能性的假设检验问题。
还有就是拿关于疫苗回顾性比较研究的例子归纳出“文科统计”的概念，又是一个绝对
的无知或偏见。 |
|
m********9
发帖数: 208 | 6 You can perform the hypothesis test. Let rho be the population correlation
coefficient.You are interested in testing
H0 rho = 0 vs Ha rho neq 0
then check the absolute value of the sample correlation coefficient (for
short, |r|). If |r| > r_critical, then reject the null, which implies the
linear relation exists between x and y. Here the r_critical can be found via
http://www.gifted.uconn.edu/siegle/research/correlation/corrchrt.htm.
If your sample size is really large, then you can use the norm... 阅读全帖 |
|
l****u
发帖数: 529 | 7 I would like to consider difference of Proportion
H0:π1=π2;
SE=squrt(p1(1-p1)/n1+p2(1-p2)/n2) |
|
g******7
发帖数: 1433 | 8 嗯，conditional proportion？我也不是很确定，但上面的code应该是male的
proportion跟0.5比，如果在significant level不同的话就reject h0，证明male 是一
个risk factor，我认为这样有道理。。 |
|
e**h
发帖数: 46 | 9 haha, I got it. Thanks.
However, be careful, the logrank test is not normally distributed, but chis-
quare, under h0. Only the logrank statistic, +/- sqrt(logrank test), is
approximately standard normal.
I will send you baozi |
|
u*****o
发帖数: 1224 | 10 在glassdoor上看到的，不太确定自己的思路对不对，希望牛人们帮我看看
题目是
If each of the two coefficient estimates in a regression model is
statistically significant, do you expect the test of both together is still
significant
我觉得是不是应该从两个variable是不是correlated(high or perfect
multicollinearity)的角度讨论。如果是highly correlated, 那么remove one
variable does not lose explanatory power, 所以用F-test测试 b1=b2=0的时候，应
该是significant的，因为两个b至少有一个应该不是0，我们就应该reject H0，
conclude significance..
第二种情况是没有correlation, independent variables, 那么也应该是signific... 阅读全帖 |
|
z******n
发帖数: 397 | 11 如果局限到linear reg的score test，大致可以有一个比较全面的回答。欢迎指正
假设y x1 x2都已经中心化和标准化
y=b1*x1+ b2*x2 + e
记T1^2为 y=c1*x1 + e的score statistic （数值上大致等于Wald stat的平方）
T_2^2 为 y=c2*x2 + e的score statistic
简单计算表明H0: b1=b2=0的score statistic有形式
T= (T1^2 - 2*r*T1*T2 + T2^2)/(1-r^2)
r是correlation(x1, x2)
所以对于绝大部分情况，给定T1^ 和 T2^2充分大，且 r < 0时，你的回答应该是对的
。如果r > 0，则不一定，因为r对于分子分母的影响是同向的。这也是为什么对于两个
负相关的因子，联合起来考虑通常能提高power；对于正相关的情形，则未必，因为检
验统计量的增大（甚至减小）未必能抵消df增大的影响。
对于独立的情形，r=0，这时候T=T1^2 + T2^2 ~ chisq(df=2)，大概也是对的，要看具
体的significant t... 阅读全帖 |
|
g******i
发帖数: 118 | 12 第三题用Chi-square可以理解，因为是比较两个proportion,确实可以用count生成一个
2x2 contingency table, 就是test association。
但是第二题，H0 是p=0.5， 是一个Proportion和一个固定值比较，怎么生成table法？
from |
|
g******i
发帖数: 118 | 13 第三题用Chi-square可以理解，因为是比较两个proportion,确实可以用count生成一个
2x2 contingency table, 就是test association。
但是第二题，H0 是p=0.5， 是一个Proportion和一个固定值比较，怎么生成table法？
from |
|
T*******I
发帖数: 5138 | 14 多谢解惑。按照我的理解，在任何统计实践中，我们都只能用样本来估计一个总体的某
种“状态，state”，例如，回归系数就是回归关系这一状态的度量。所以，如果检验
的结果是在一定的概率水平上拒绝H0，则只能在同一概率水平上接受H1，而接受H1就意
味着只能接受由该样本所估计的b。这两种解释之间具有合理的一致性。除此之外，我
们没有办法接受任何其它度量的结果。
其实，除了检验b是否等于零外，我们还应该有b是否等于b的检验，但由于这等同于检
验一个量是否等于其自身，所以没有必要。
统计检验的概率不是要告诉人们被检验的统计量用来估计总体相应参数时是否正确的概
率有多大，仅仅只是告诉人们对总体相应参数的估计等于由样本所估计的统计量的可能
性有多大。
我不太理解他所说的：
模型1：y~1
模型2：y~1+x
这是什么意思？ |
|
n****t
发帖数: 182 | 15 “如果检验的结果是在一定的概率水平上拒绝H0，则只能在同一概率水平上接受H1”
这个理解是不正确的。接受H1 的说法在统计考试里是要被扣分的。而况在这个问题里
H1是“不等于0”，和“接受b”也不等同-- b本身是个统计量，有其相应的估计、方差
等等，谈不上接受--
当前的这个是最优无偏估计 （当然这个说法和Ｐ值就无关了――最优和无偏谈论的是
这个方法）。
y=1, y=1 x 他写的是design matrix，对于covariate variable，只写了变量名而没
有写系数，编程的时候都是这么作的。相对于说y=b0*1+b1*x+e,他这个写法没什么问题。 |
|
c********h
发帖数: 330 | 16 我觉得可以
following my first post:
Y.bar = (n * A.bar + m * B.bar) / (m+n)
X.bar = A.bar
Y.bar - X.bar = m/(m+n) * (B.bar - A.bar)
Suppose your A and B both come from normal dist with the sample variance
sigma^2， with mean mu_A and mu_B respectively
Then Y.bar - X.bar follows
N(m/(m+n) * (mu_B - mu_A), (m/(m+n))^2 * (1/m + 1/n) * sigma^2)
Let us estimate sigma by pooling the samples A and B, which is the standard
estimation for sigma in traditional two sample ttest. Call this est S.
Then under H0: m... 阅读全帖 |
|
y***i
发帖数: 11639 | 17 这是我目前对这篇文章的理解，大侠们帮我看看有什么错没有？
发信人: yuuli (听，...听), 信区: Biology
标 题: Re: 请教Nature上一篇关于pValue的短文
发信站: BBS 未名空间站 (Mon Mar 10 11:26:50 2014, 美东)
仔细想了想，我觉得这篇文章是典型的fuss about nothing。
他说的坏的一种情况就是：H1其实是错的（或者是几率很小的），但结果好死不死得
到了一个高的 pValue，这种情况下，其实null hypthosis成立的几率比H1成立的几率
大。这时候做出reject null hypothosis的推断是错的。
但这种情况有多少？在生物学研究里会不会造成严重危害？
首先，这种情况是小几率事件随机发生，本身机会不大。当然夜路走多了总会遇见鬼
，这个就是说的遇见鬼的情况。（文章里说的pVlue = 0.05, false alarm = 0.29，但
这种情况下还得到pValue = 0.05的结果其实是小几率撞到了。）
注：文章开始的那个例子就是典型夜路撞鬼的倒霉蛋，第一次得到了pVal... 阅读全帖 |
|
b*****e
发帖数: 5 | 18 谢谢楼上的，可是还是不明白呀，能具体说说吗？null应该是good fit,我印象中score
test, 不都应该是H0: theta=theta0 之类的吗，stat是s(theta0)^2/I(theta0), 那
theta0在这种情况下是什么呀？
另外你说的LRT taylor展开是什么呀，我只见过likelihood一阶导展开，你说的是LRT
statistic 展开？那是around什么展开呢，很困惑呀。。。 |
|
r*******7
发帖数: 1811 | 19 用proc power还是proc glmprower？
简单说明一下，我simulate了3组data follow multivariate normal，每组有5个obs，
3个variable。做了hypothesis test（SAS 给出的4种test wilk's lambda，lawley
hotelling，pillai，roy's largest root） H0：no group effect。然后重复1000遍
后得到了type I error rate，但如果我想得到power怎么求呢？ |
|
l******o
发帖数: 3764 | 20 本人不懂统计，能找到的Literature里的数据和俺仅会的那几个标准的power analysis
公式都对不上，晕了，请牛人帮忙
1.reference paper: n=200, 其中nA=26, nb=174, outcome mu_A/mu_B=12.6 (95%CI 3
.39-46.7)， p=0.0002
H0: mu_A/mu_B=1
我的sample n=60, 假设一样的frequency, nA=8, nB=52, 一样的effect size和SD,
alpha=0.05, power是多少呢？
2.(和1不相关）reference paper只有个box plot和p（见插图）， 另外说明了这个p是
用nonparametric two-sample t test算的。
同样，假设我的sample size =60, same frequency (then TT=54, TG+GG=6), effect
size and SD, then power=?
图例如下：The (+) sign and line inside each box indicat... 阅读全帖 |
|
w*******9
发帖数: 1433 | 21 In SAS proc power, it seems I cant calculate the power associated with the
following test of relative risk (for two independent samples with binary
outcome):
H0: p1/p2 >= phi vs Ha: p1/p2 < phi
Any suggestions inside or outside of SAS are welcome. |
|
p**5
发帖数: 2544 | 22 I ran EM test (expectation maximization) and it rejected the H0, which means
my data is not MCAR.
But MAR cannot be tested, isn't it? So how people conclude that their data
is MNAR, but not MAR?
I heard although people have known about sensitivity analysis for quite some
time, no program can do it until the recent SAS 9.4 (proc MI) . Is this
true?
. |
|
s**r
发帖数: 669 | 23 paired Wilconxon test其实和paired T test的null hypothesis都是一样的，就是H0:
mean(Read)=mean(Conc),从data的range来看p-value很小是很正常的。 |
|
A**H
发帖数: 4797 | 24 因为担心你所说的问题，我把浓度都乘以了1000，这样就基本上都达到了效果值的水平
了，也还是一样让人困惑的结果，就是说不管怎么样sample， reverse的搞p value都
很小 。。。
为毛？
H0: |
|
B******y
发帖数: 9065 | 25 来自主题: Statistics版 - 来，做道题 两样本均数比较，经t检验，差别有统计学意义时，P值越小，说明
A两样本均数差别越大
B两总体均数差别越大
C越有理由认为两总体均数不同
D越有理由认为两样本均数不同
E拒绝H0时犯错误的概率越小
据说是中山大学考研的一道选择题。我不知道标准答案，希望听听大家的看法。 |
|
e*******c
发帖数: 1479 | 26 我觉得如果定H0: u<=50, 那么 H1: u>50
Z=(51.8-50)/4.3/SQRT(40) = 2.647
如果用右尾检测应该是0.004 吧，一本书上的答案确实是D，糊涂了 |
|
|
b*****s
发帖数: 11267 | 28 我当然sure，你好好读读hypethesis testing的conclusion：
either reject h0 and accept h1, or failed to reject， inconclusive。
Failed reject 不等于accept。
你能有出来吗只能是情况一。
你stat的课上睡着了嘛？
[在 emoryustc (至尊宝) 的大作中提到：]
:you sure? |
|
|
e*******c
发帖数: 1479 | 30 如果原假设中没有等号，检验统计量中假设的总体真值写成什么呢，还是一个变量形式
的话，如何在原假设下确定检验统计量的分布，所以原假设中一定有等号的，不论单边
还是双边
h0 |
|
b*****s
发帖数: 11267 | 31 对一维的情况，边界指的是啥？
[在 emoryustc (至尊宝) 的大作中提到：]
:如果原假设中没有等号，检验统计量中假设的总体真值写成什么呢，还是一个变量形
式的话，如何在原假设下确定检验统计量的分布，所以原假设中一定有等号的，不论单
边还是双边
:h0 |
|
d*******1
发帖数: 854 | 32 突发奇想，有没有这样的TEST?
H0: p>=0.5
Ha: p<0.5
感觉是没有，有无参考文献？ |
|
m****s
发帖数: 18160 | 33 成功奖励 10 伪币的用户: DUV, BUV, EUV, wxx033000, Unstoppable, iForpus,
blueforpus, xiangmoni, bamboo2000, tempuser, peipei2008, Joyapple, caoyu,
pepsifan2, bigbread, kqsm, goldmetal, kaylaxu, alovely, Ametc9, yym, faniu,
Grad, LOV, moneybull, sioc, ladyred, xhzhou, donthurtme, wetpoet, miluo,
mihu, tellmenot, minibread, mmengg, Orcus, daolang, chrisfly, Ann, zhijier,
meiguohuaren, lisafly, softknife, donttell, cressida, Rosmarinus, FIBA,
alliah, woa, hateorlove, meflying, netll, faner, lxinzheng, Fundin... 阅读全帖 |
|
z*******2
发帖数: 2643 | 34 A type I error, also known as a false positive, occurs when a statistical
test rejects a true null hypothesis (H0). A type II error, also known as a
false negative, occurs when the test fails to reject a false null hypothesis
.
A type I error is safer than a type II error in diagnosing cancer disease.
我对您的Pathology也有浓厚的兴趣。。。。 |
|
|
|
c******a
发帖数: 6951 | 37 然后后来某天突然又不能夜视了。
像这种说小时候能干吗干吗的，根本就是吹牛嘛。
H0: 俺小时候能夜视
反正找不着evidence来reject... |
|
