Der Wert wird verwendet, um anzugeben, wie stark wir gegen eine Hypothese annehmen können. Es ist klar, dass dieser Wert selbst aus Daten geschätzt wird. Wenn neue Daten unter denselben Bedingungen gesammelt werden, ist es sehr unwahrscheinlich , dass der neue Wert der gleiche ist.
Halsey, Curran-Everett, Vowler & Drummond (2015) haben in einem Kommentar zu Nature Methods gezeigt, dass die Unsicherheit um einen Wert ziemlich groß sein kann. In einer Antwort gaben Lazzeroni, Lu & Belitskaya-Lévy (2016, gleiche Zeitschrift) ein Beispiel für einen beobachteten Wert von 0,049 an, dessen Konfidenzintervall von 0,00000008 bis 0,99 reicht.
Meine Frage ist: Kennen wir die Stichprobenverteilung von Werten? Demnach hängt es nicht von der Stichprobengröße ab (und vermutlich von der Standardabweichung der Stichprobe, da alle diese zur "Standardisierung" der Teststatistik verwendet werden). Vermutlich könnte es vom Testverfahren abhängen?
Ich weiß, dass wenn wahr ist, die Verteilung der Werte über den Bereich von 0 bis 1 gleichmäßig ist (kann mich aber nicht erinnern, wo ich das gelernt habe). Da immer unangemessener wird, erreicht die Verteilung der Werte einen Spitzenwert und lehnt sich über die 0% -Wahrscheinlichkeiten (für Linksschwanz-Tests).
Mit Bootstrap ist es ziemlich einfach, eine visuelle Darstellung der Verteilung der Werte zu erhalten. Eine zufriedenstellendere Antwort wäre jedoch eine Formel (geschlossene Form ist sogar noch besser), damit wir genau wissen, welche Eigenschaften diese Verteilung und fortan die Breite des Konfidenzintervalls beeinflussen.
Kennen Sie eine solche Formel oder ob es überhaupt möglich ist, eine zu haben?
quelle
Antworten:
Das Problem ist, dass der ap-Wert keine Schätzung eines Parameters ist, sodass die Idee eines Konfidenzintervalls nicht gilt. Es ist auch nicht sinnvoll, über die Unsicherheit bezüglich des ap-Werts zu sprechen. Der p-Wert ist sicher; Die Schlussfolgerung, die Sie daraus ziehen, ist nicht.
quelle