Últimamente he leído mucho sobre las diferencias entre el método de prueba de hipótesis de Fisher y la escuela de pensamiento de Neyman-Pearson.
Mi pregunta es, ignorando las objeciones filosóficas por un momento; ¿Cuándo deberíamos usar el enfoque de Fisher de modelado estadístico y cuándo debería usarse el método de Neyman-Pearson de niveles de significancia, etcétera? ¿Existe una forma práctica de decidir qué punto de vista respaldar en un problema práctico dado?
Mi comprensión es: el valor p es decirnos qué creer (verificando una teoría con datos suficientes) mientras que el enfoque de Neyman-Pearson es decirnos qué hacer (tomar las mejores decisiones posibles incluso con datos limitados). Así que me parece que el valor p (pequeño) es más estricto, mientras que el enfoque de Neyman-Pearson es más pragmático; Probablemente esa sea la razón por la que el valor p se usa más para responder preguntas científicas, mientras que Neyman y Pearson se usan más para tomar decisiones estadísticas / prácticas.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
