原创分享:为什么有人说大部分发表的科学研究都是错的?(1/4)

  【星辰指挥官】小说免费阅读,请收藏 爱微阅读网【2vdu.com】

  “p<”、“同行评审”、“影响因子”被不少科学家成为科研界的三大牛皮癣,大家对他们怨声载道。不过和另外两个不同,p<可是自1925年诞生之日起就饱受诟病,从2010年开始不停又科学家开始对这个统计学中重要指标发起攻击。2015年时心理学杂志Basic and Applied Social Psychology(BASP)就直接宣布我们再也不发表带p值的文章啦!然后BASP的编辑在接受自然采访时表示:如果假设检验从所有科研出版物上消失那我会很高兴,但是我们还不知道可以用什么来取代它......

  那么这个让人又爱又恨的P值(P value)到底是个什么东西呢?

  p值的计算可以向上追溯到18世纪,当时人们在统计出生时的男女比例,p值被用于计算男女出生概率相等零假设的统计学显著性。首先将P<进行推广的人是罗纳德·费雪( Sir Ronald Aylmer Fisher ,1890-1962),现代统计学与现代演化论的奠基者之一。(就是这位大哥证明了孟德尔的遗传定律和达尔文的理论并非互相矛盾而是相辅相成。)他在1925年所著的《研究工作者的统计方法(Statistics Methods for Research Workers )》对后世影响力巨大。正是在这部著作中他提出将p=作为统计显著性的极限,并将其应用于正态分布(作为量为检验),从而得出两个具有统计显著性的标准差的规则。

  话说这大哥真的是一拍脑门就想出来的啊,纯粹就是个人为设置的值。只不过后来成为了大家都公认了这个定值。

  加下来我们看一下统计学中的检验假设。(以下来自百度百科)

  假设检验(hypothesis testing),又称统计假设检验,是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。显著性检验是假设检验中最常用的一种方法,也是一种最基本的统计推断形式。

  1、提出检验假设又称无效假设,符号是H0;备择假设的符号是H1 。

  H0:样本与总体或样本与样本间的差异是由抽样误差引起的;

  H1:样本与总体或样本与样本间存在本质差异;

  预先设定的检验水准为;当检验假设为真,但被错误地拒绝的概率,记作α,通常取α=或α= 。

  2、选定统计方法,由样本观察值按相应的公式计算出统计量的大小,如X2值、t值等。根据资料的类型和特点,可分别选用Z检验,T检验,秩和检验和卡方检验等。

 

本章未完,点击[下一页]继续阅读-->