Ai đó có thể giải thích tại sao Richard McElreath nói rằng bài kiểm tra chính xác của Fisher hiếm khi được sử dụng một cách thích hợp trong cuốn sách giới thiệu xuất sắc Bayesian của ông ( Suy nghĩ lại thống kê )?
Để tham khảo, bối cảnh dưới đây:
Tại sao các bài kiểm tra không đủ cho nghiên cứu sáng tạo? Các thủ tục cổ điển của thống kê giới thiệu có xu hướng không linh hoạt và dễ vỡ. Theo tính không linh hoạt, ý tôi là họ có những cách rất hạn chế để thích nghi với bối cảnh nghiên cứu độc đáo. Bởi mong manh, ý tôi là họ thất bại theo những cách không thể đoán trước khi áp dụng vào bối cảnh mới. Vấn đề này, bởi vì ở ranh giới của hầu hết các ngành khoa học, hầu như không bao giờ rõ ràng thủ tục nào là phù hợp. Không có con golem truyền thống nào được đánh giá trong các thiết lập nghiên cứu mới, và do đó, thật khó để chọn một con và sau đó để hiểu cách nó hoạt động.Một ví dụ điển hình là thử nghiệm chính xác của Fisher, áp dụng (chính xác) cho bối cảnh thực nghiệm cực kỳ hẹp, nhưng thường được sử dụng bất cứ khi nào số lượng tế bào nhỏ. Cá nhân tôi đã đọc hàng trăm cách sử dụng thử nghiệm chính xác của Fisher trên các tạp chí khoa học, nhưng ngoài việc sử dụng ban đầu của Fisher, tôi chưa bao giờ thấy nó được sử dụng một cách thích hợp. Ngay cả một thủ tục như hồi quy tuyến tính thông thường, khá linh hoạt theo nhiều cách, có thể mã hóa một lượng lớn các giả thuyết thú vị, đôi khi rất mong manh. Ví dụ, nếu có lỗi đo lường đáng kể trên các biến dự đoán, thì quy trình có thể thất bại theo những cách ngoạn mục. Nhưng quan trọng hơn, gần như luôn luôn có thể làm tốt hơn hồi quy tuyến tính thông thường, phần lớn là do một hiện tượng được gọi là quá mức.