Đây là những gì tôi hiểu là:
p-value - xác suất tìm thấy quan sát, hoặc cực đoan hơn, kết quả khi giả thuyết null (H0) của câu hỏi nghiên cứu là đúng
nghĩa là p-value . Bây giờ khi giá trị p nằm dưới một ngưỡng nhất định ( ), chúng ta sẽ từ chối giả thuyết null.
Tôi biết tôi đang thiếu một cái gì đó rất cơ bản ở đây, nhưng làm thế nào để bác bỏ giả thuyết null dựa trên xác suất chứng cứ thấp là giả thuyết null là đúng, không phải là một trường hợp phạm tội ngụy biện của công tố viên ?
Câu trả lời:
Giá trị p là xác suất nhìn thấy những gì bạn đã thấy hoặc một cái gì đó cực đoan hơn nếu giả thuyết null là đúng. Giá trị p không phải là xác suất mà giả thuyết null là đúng. Vì vậy, có, giải thích một giá trị p là xác suất mà giả thuyết null là đúng giống như sai lầm của công tố viên. Nếu bạn muốn xác suất đó, bạn cần giả sử xác suất giả thuyết null là đúng trước khi thu thập dữ liệu. Sau đó, bạn có thể sử dụng dữ liệu được thu thập để ảnh hưởng hoặc cập nhật xác suất ban đầu đó.
Việc có chọn "từ chối giả thuyết khống" hay không cũng giống như ngụy biện của công tố viên được đưa vào ngữ nghĩa. Nếu "từ chối null" có nghĩa là tin null là sai theo nghĩa xác suất, thì đúng vậy, đó là cam kết sai lầm của công tố viên. Nếu "từ chối null" có nghĩa là hành động như thể null là sai, thì điều đó khác. Đó là một quá trình quyết định mà hiệu suất của nó sẽ phụ thuộc vào các tình huống được sử dụng.
Một ví dụ tuyệt vời là phản ứng của cộng đồng khoa học đối với nghiên cứu đầu tiên cho thấy bằng chứng về một hạt mới với p <0,0000003. Có phải tất cả các nhà khoa học chấp nhận sự tồn tại của hạt? Không. Một số có thể, nhưng một số sẽ vẫn còn hoài nghi. Sự khác biệt về niềm tin được kết nối với các xác suất trước khác nhau trên null, tức là sự hoài nghi về sự tồn tại của hạt mới trước thí nghiệm. Kết quả của một nghiên cứu chỉ có thể thay đổi xác suất niềm tin của họ cho đến nay.
Nhưng cộng đồng khoa học làm gì? Họ làm một thí nghiệm thứ hai. Chúng hoạt động như thể hạt tồn tại, hay chính xác hơn, chúng hoạt động như thể sự tồn tại của hạt bảo đảm nghiên cứu thêm. Ngay cả các nhà khoa học hoài nghi sẽ hỗ trợ hành động theo cách này. Nếu thí nghiệm thứ hai cũng có ap <0,0000003, một số nhà khoa học hoài nghi sẽ tin rằng hạt tồn tại. Tại sao? Ngay cả khi thí nghiệm đầu tiên không thuyết phục được họ, nó vẫn thay đổi xác suất niềm tin của họ. Thí nghiệm thứ hai sẽ thay đổi chúng hơn nữa.
Thí nghiệm thứ hai có thể dẫn đến một phần ba, v.v. Phân phối niềm tin cơ bản của mỗi nhà khoa học thay đổi theo từng thí nghiệm. Sau một thí nghiệm nhất định, họ có thể không đồng ý về sự tồn tại của hạt, nhưng vẫn đồng ý rằng các thí nghiệm có giá trị tiếp tục. Cuối cùng, loạt thí nghiệm sẽ thay đổi tất cả trừ sự phân phối niềm tin của các nhà khoa học hoài nghi nhất về việc tin rằng hạt tồn tại.
Lưu ý cá nhân: Tôi không cố bán bất cứ ai trong mô hình thống kê này; Chỉ để trả lời câu hỏi ban đầu. Có những mô hình thống kê khác đáng để khám phá. Phân tích Bayes tạo điều kiện định lượng rõ ràng phân phối niềm tin của bạn trước và sau thí nghiệm. Suy luận khả năng tạo điều kiện cho việc thể hiện bằng chứng của thí nghiệm theo cách mà những người có niềm tin trước đó khác nhau vẫn có thể đồng ý. Giá trị p thế hệ thứ hai tập trung vào việc xác định trước ý nghĩa lâm sàng và cung cấp cho bác sĩ lâm sàng một giá trị hành xử theo cách họ muốn giá trị p truyền thống đã làm, tức là vẫn chỉ ra khi bằng chứng chống lại null mà còn phân biệt giữa khi bằng chứng là cho null so với khi độ không chắc chắn vẫn còn cao. Và còn nhiều cách tiếp cận thú vị khác.