Me refiero a este artículo: http://www.nytimes.com/2011/01/11/science/11esp.html
Considere el siguiente experimento. Supongamos que no había razón para creer que una moneda fue ligeramente cargado hacia los jefes. En una prueba, la moneda sale cara 527 veces de cada 1.000.
Es esta evidencia significativa de que la la moneda es ponderado?
El análisis clásico dice que sí. Con un feria de la moneda, las posibilidades de conseguir 527 o más cabezas en 1000 lanzamientos es menos de 1 en 20, o 5 por ciento, el límite convencional. Para decirlo de otra forma: el experimento se encuentra evidencia de de un promedio ponderado de la moneda", con un 95 por ciento confianza".
Sin embargo, muchos estadísticos no lo compre. Uno de cada 20 es la probabilidad de llegar a cualquier número de cabezas por encima de 526 en 1000 lanzamientos. Es decir, es el suma de la probabilidad de un tirón 527, la probabilidad de un tirón 528, 529 y así sucesivamente.
Pero el experimento no encontrar a todos los números en ese rango; se encuentra sólo uno - 527. Es por lo tanto más exacto, estos expertos dicen que, a calcular la probabilidad de obtener que un número - 527 - si la moneda es ponderado, y compararlo con el la probabilidad de obtener el mismo número si la moneda es justo.
Los estadísticos pueden mostrar que esta relación no puede ser más de 4 a 1, de acuerdo a Pablo Speckman, un estadístico, que, con Jeff Rouder, un psicólogo, siempre el ejemplo.
Primera pregunta: Esto es nuevo para mí. Alguien ha una referencia de donde puedo encontrar el cálculo exacto y/o me puede ayudar dándome el cálculo exacto a ti mismo y/o puede que me apunte a algún material donde puedo encontrar ejemplos similares?
Bayes ideado una manera de actualizar el la probabilidad de una hipótesis como nuevo la evidencia viene en.
Así, en la evaluación de la fuerza de un dado encontrar, Bayesiano (pronunciado BAYZ-ee-onu), el análisis incorpora probabilidades conocidas, si está disponible, desde fuera del estudio.
Podría ser llamado el "sí, Sí" efecto. Si un estudio encuentra que los quinotos reducir el riesgo de enfermedades del corazón en un 90 por ciento, que un tratamiento de cura la adicción al alcohol en una semana, que sensible padres tienen el doble de probabilidades para dar a luz a una niña como a un niño, el Bayesiano respuesta coincide con la de el nativo escéptico: sí, Sí. El los resultados del estudio se pesaba en contra de lo que es observable en el mundo.
En al menos un área de la medicina - diagnóstico las pruebas de detección - los investigadores utilizan ya conocido las probabilidades para evaluar nuevas los hallazgos. Por ejemplo, un nuevo mentira-prueba de detección puede ser de 90 por ciento exacto, correctamente marcar 9 de 10 mentirosos. Pero si se da a una población de 100 personas ya se sabe para incluir 10 mentirosos, la prueba es mucho menos impresionante.
Identifica correctamente 9 de los 10 mentirosos y falta uno; pero identifica incorrectamente 9 de los otros 90 como la mentira. Dividiendo el llamado verdaderos positivos (9) por el número total de la gente la prueba de marcado (18) da un índice de exactitud de 50 por ciento. El los "falsos positivos" y "falsos negativos" que dependen de la conocida tasas de en la población.
Segunda pregunta: ¿Cómo exactamente juzgar si un nuevo hallazgo es "real" o no con este método? Y: ¿no es esto tan arbitraria como el 5% de la barrera, debido a la utilización de algunos de preset antes de probabilidad?
