Tôi đã nhận thấy trong cuộc đời học tập ngắn ngủi của mình rằng nhiều bài báo được xuất bản trong khu vực của chúng tôi đôi khi không có nhiều sự nghiêm ngặt về thống kê. Đây không chỉ là một giả định; Tôi đã nghe các giáo sư nói như vậy.
Ví dụ, trong các môn học CS tôi thấy các bài báo được xuất bản tuyên bố rằng phương pháp X đã được quan sát là có hiệu quả và điều này được chứng minh bởi ANOVA và ANCOVA, tuy nhiên tôi không thấy tài liệu tham khảo nào cho các nhà nghiên cứu khác đánh giá rằng các ràng buộc cần thiết đã được quan sát. Có vẻ như ngay khi một số 'chức năng và tên phức tạp' xuất hiện, thì điều đó cho thấy nhà nghiên cứu đang sử dụng một phương pháp và phương pháp rất đáng tin cậy rằng 'anh ta phải biết mình đang làm gì và thật tốt nếu anh ta không mô tả các ràng buộc' , giả sử, đối với phân phối hoặc cách tiếp cận nhất định, để cộng đồng có thể đánh giá nó.
Đôi khi, có những lý do để biện minh cho giả thuyết với kích thước mẫu nhỏ như vậy.
Câu hỏi của tôi ở đây được đặt ra như một sinh viên của các ngành CS như một người khao khát tìm hiểu thêm về thống kê: Làm thế nào để các nhà khoa học máy tính tiếp cận thống kê?
Câu hỏi này có vẻ như tôi đang hỏi những gì tôi đã giải thích, nhưng đó là ý kiến của tôi . Tôi có thể sai, hoặc tôi có thể tập trung vào một nhóm các học viên trong khi các nhóm nghiên cứu CS khác có thể đang làm một việc khác tuân theo các thực tiễn tốt hơn liên quan đến sự nghiêm ngặt về thống kê.
Vì vậy, cụ thể, điều tôi muốn là "Khu vực của chúng tôi có hoặc không được thống kê vì các sự kiện đã cho (ví dụ về giấy tờ, sách hoặc một bài viết thảo luận khác về việc này đều ổn)". Câu trả lời @Patrick gần hơn với điều này.