Qazanclar:
- Verilənlərin növünə və paylanmasına uyğun testi seçmək və fərziyyələri yoxlamaq bacarığı (normallıq, variasiya)
- P-dəyərinin əsl mənasını anlamaq və nəticələri təsir ölçüsü və inam intervalı ilə bildirmək bacarığı
- Kəşf-yoxlama ayrılması, çoxsaylı müqayisə korreksiyası və tam hesabatla p-hackingdən qorunma
Təcrübə bitdi, məlumatlar daxil oldu. İndi biz ən kritik və ən səhv mərhələdəyik: məlumatları düzgün təhlil etmək və nəticələri vicdanla şərh etmək. Bioloji məlumatlar çox vaxt səs-küylü, qeyri-sabit və çoxşaxəli olur. Yanlış test seçimi, gizli fərziyyə pozuntuları və şüursuz p-hacking (istənilən nəticəni verənə qədər təhlili sınamaq) nəşr olunmuş bioloji ədəbiyyatda təkrarlanma böhranının əsas səbəbləridir. AI düzgün testi seçməyə, fərziyyələri yoxlamağa və təhlil kodunu yazmağa kömək edir; lakin statistik dürüstlük sizin məsuliyyətinizdir.
Bu bölmədə biz ümumi statistik testləri, fərziyyə yoxlamalarını və özünüzü p-hackingdən qorumaq yollarını əhatə edəcəyik.
Doğru testin seçilməsi
Testin seçimi məlumatların növündən və paylanmasından asılıdır. Süni intellekt bu seçimi etməkdə sizə kömək edəcək, lakin siz bunu kor-koranə tətbiq etməməlisiniz:
- İki qrup, davamlı məlumat, normal paylama: Müstəqil t-test.
- İki qrup, qeyri-normal: Mann-Whitney U (qeyri-parametrik: paylanma fərziyyəsi tələb olunmur).
- İki qrupdan çox: ANOVA (diferensiyanın təhlili) + post-hoc test.
- Kateqorik məlumatlar (sayırlar): Chi-kvadrat və ya Fisher dəqiq testi.
- Əlaqə: Korrelyasiya (Pearson/Spearman) və ya reqressiya.
İpucu: Testi seçməzdən əvvəl məlumatları vizuallaşdırın. Histoqram və ya qutu qrafiki t-testinin tələb etdiyi normallıq və kənar göstəriciləri dərhal göstərir. “Əvvəlcə qrafik, sonra sınaq” yaxşı vərdişdir.
Fərziyyələrin yoxlanılması
Hər testin gizli fərziyyələri var. t-testi normal paylanma və dispersiya bərabərliyini nəzərdə tutur; Əgər bunlar pozulursa, nəticə aldadıcı olacaqdır. AI bu fərziyyələri yoxlayan kod yazır:
Rol: Siz biostatistik köməkçisiniz. Tapşırıq: İki qrup məlumatı müqayisə etməzdən əvvəl t-testinin fərziyyələrini yoxlayan kodu yazın: normallıq (Şapiro-Wilk), dispersiya bərabərliyi (Levene). Əgər fərziyyə pozulubsa, hansı alternativ testi davam etdirməliyəm deyin. Şərhlərlə Python kodunu verin.
Normallıq pozulduqda kod sizi Mann-Whitney-ə yönləndirir. Bu “əvvəlcə yoxla, sonra qərar ver” axını sizi səhv testdən çəkindirir.
p-hacking və özünüzü necə qorumalısınız
p-hacking, p<0.05-ə qədər məlumatları müxtəlif yollarla təhlil edir: müxtəlif testləri sınamaq, kənar göstəriciləri seçmə şəkildə ləğv etmək, qrupları əlavə etmək/çıxarmaq, çoxlu sayda dəyişənlər arasında nəyin "əhəmiyyətli" olduğunu bildirmək. Bu, saxta kəşflərin əsas mənbəyidir. Qorunma yolları:
- Təhlil planını əvvəlcədən düzəldin (Bölmə 7).
- Yalnız əhəmiyyətini göstərənləri deyil, bütün testləri bildirin.
- Çoxsaylı müqayisəni düzəldin (FDR/Bonferroni).
- P-dəyərinin yanında effekt ölçüsünü və inam intervalını verin.
- Ayrı-ayrı kəşf və doğrulama: kəşf dəstində tapdıqlarınızı müstəqil dəstdə sınayın.
Addım-addım: dürüst təhlil
- Verilənləri vizuallaşdırın (səpələnmə, kənar).
- Fərziyyələri yoxlayın.
- Əvvəlcədən təyin etdiyiniz testi yerinə yetirin.
- Çoxsaylı müqayisəni düzəldin.
- Hesabat effektinin ölçüsü + güvən intervalı.
- Məhdudiyyətləri aydın şəkildə yazın.
Kopyalana bilən sorğu şablonları
Ötürmə qabiliyyətini vizuallaşdırın: hər bir qrup üçün histoqramlar və qutu qrafikləri, kənar göstəriciləri qeyd edin. Sonra normality.Data sütunlarını şərh edin: [ad]. Şərhlərlə Python kodunu verin.
Mən iki qrupumu müqayisə etmək istəyirəm. Verilənlərin xarakteristikası: [növ, N, paylama]. Hansı test uyğundur? Fərziyyələri yoxlayın, testi yerinə yetirin, təsir ölçüsünü və p-dəyəri ilə 95% etimad intervalını bildirin.
Analizimdə 15 fərqli gen üçün sınaqdan keçirdim. Bonferroni və Benjamini-Hochberg düzəlişini tətbiq edən kodu verin və iki üsul arasındakı fərqi izah edin.
Zəif məlumat / Güclü göstəriş
Zəif: "Bu iki qrup fərqlidirmi, t-testi edin".
Güclü: "Mənim iki qrupum var (nəzarət n=18, müalicə n=20), asılı dəyişən ferment aktivliyidir (davamlıdır). Əvvəlcə Şapiro-Uilk ilə paylanmanı vizuallaşdırın və normallığı yoxlayın. Normaldırsa, t-testi, yoxsa, Mann-Whitney tətbiq edin. Nəticəni p-dəyəri, təsir ölçüsü və ya (Cohen-9 rankdens intervalı) ilə bildirin. Hansı testi seçdiyinizi və niyə seçdiyinizi izah edin”.
Fərq: Güclü sorğuda məlumat növü, nümunə nömrələri, fərziyyə yoxlanışı və tam hesabat sorğusu var. Model t-testini kor-koranə tətbiq etmək əvəzinə doğru yolu izləyir.
üç mini qutu
Case 1 — Yanlış test: Tələbə əhəmiyyətli dərəcədə əyri (normal olmayan) məlumatlara t-test tətbiq etdi və p=0,048 tapdı. Süni intellekt normallıq yoxlamasını əlavə etdikdə məlumatlar normal çıxmadı; Mann-Whitney ilə, p=0,11. Faktiki nəticə mənasız idi. Dərs: fərziyyəni yoxlamadan sınaqdan keçirmək yanlışdır.
2-ci hal - Seçilmiş kənar göstəricilərin ləğvi: Tədqiqatçı nəticəni mənalı etmək üçün iki "kənar" nöqtəni sildi. Model vurğuladı ki, kənar göstəricilərin ləğvi əvvəlcədən müəyyən edilmiş qaydaya (məsələn, IQR metodu) əsaslanmalıdır və hesabat verilməlidir; ixtiyari silinmə p-hackingdir. Dərs: kənar qaydanı əvvəlcədən təyin edin.
3-cü hal – Effekt ölçüsünün bərpası: Bir tədqiqatda p=0,001 idi, lakin təsir ölçüsü (d=0,1) demək olar ki, sıfır idi; böyük seçmə əhəmiyyətsiz fərqin əhəmiyyətli olduğunu göstərdi. Süni intellekt təsir ölçüsünü bildirdikdə, tapıntının praktiki əhəmiyyəti olmadığı ortaya çıxdı. Dərs: P-nin kiçik olmasının əhəmiyyəti yoxdur.
müqayisə diaqramı
Vəziyyət
düzgün yanaşma
Qarşısını almaq üçün
anormal məlumatlar
Parametrik olmayan test
Məcburi t-testi
çox test
Düzəliş tətbiq edin
Xam p<0,05
kənar
Əvvəlcədən təyin edilmiş qayda
ixtiyari silinmə
əhəmiyyətli nəticə
Effekt ölçüsü + CI
sadəcə s
kəşf tapıntısı
Müstəqil dəstdə doğrulayın
Bir dəstdə yekunlaşdırın
Ümumi səhvlər
- Nəzarətsiz fərziyyə testi: Yanlış sınaq ilə saxta əhəmiyyət.
- p-hacking: İstədiyiniz nəticəni verənə qədər təhlil etməyə çalışın.
- Yalnız p-dəyəri hesabat: Təsir ölçüsü və etibarlılıq intervalının buraxılması.
- Çoxsaylı müqayisələr üçün düzəliş edilməməsi: Yanlış pozitivlər.
- Səbəb əlaqəsi atlaması: Korrelyasiyadan səbəbiyyətin çıxarılması.
Diqqət: Süni intellekt istədiyiniz nəticəni "istehsal etməyəcək", lakin səhv salınarsa, səhv testin kodunu məmnuniyyətlə yazacaq. Statistik dürüstlüyünüz var: bütün sınaqları bildirin, təhlili əvvəlcədən planlaşdırın, təsir ölçüsünü heç vaxt qaçırmayın. Nəşrə aparan təhlillər üçün biostatistik ilə işləyin.
p-dəyərinin həqiqi mənası
Biologiyada ən çox səhv başa düşülən anlayış p-dəyəridir. p-qiyməti "fərziyyənin doğru olma ehtimalı" deyil; Bu, "həqiqətdə heç bir fərq olmadığı halda, müşahidə etdiyinizdən daha böyük və ya daha həddindən artıq bir fərq görmə ehtimalıdır". Bu incə, lakin kritik fərq nəticələri şişirtməmək üçün açardır. p=0,03 “təsir 97% realdır” demək deyil. AI nəticəni şərh edərkən, onun bu tərifdən düzgün istifadə etdiyini yoxlayın; Model bəzən ümumi səhv şərhi təkrarlaya bilər.
Etibar intervalı (CI) çox vaxt p-dəyərindən daha informativdir, çünki o, təsirin böyüklüyünü və qeyri-müəyyənliyini birlikdə göstərir. “Fərq 2,4 dəfə (95% CI: 1,8-3,1)” “p<0,05”dən çox şey deyir: həm təsirin istiqaməti, həm onun miqyası, həm də onun nə dərəcədə dəqiq ölçüldüyü. Hesabatlarınızda GA-nı vurğulayın.
Nəticəmi şərh edərkən p-dəyərinin düzgün tərifindən istifadə edin. “Effektin doğru olma ehtimalı” kimi yanlış ifadələrdən çəkinin. Bunun əvəzinə, praktiki mənasını təsir ölçüsü və 95% etibar intervalı baxımından izah edin. Nəticə: [data]
Korrelyasiya, səbəb əlaqəsi və müşahidə məlumatları
Bioloji məlumatların əksəriyyəti müşahidə xarakteri daşıyır: siz nəyinsə başqa bir şeylə dəyişdiyini görürsünüz, lakin nəyin səbəb olduğunu görə bilmirsiniz. “X geninin ifadəsi xəstəliklə əlaqələndirilir” cümləsi X-in xəstəliyə səbəb olduğunu göstərmir; Xəstəlik X artıra bilər və ya üçüncü amil hər ikisinə təsir edə bilər. Səbəb əlaqəsi yalnız müdaxiləli eksperimentlər vasitəsilə müəyyən edilə bilər (X-in dəyişdirilməsi və nəticənin ölçülməsi). Süni intellekt mətnlərinizdə bilmədən səbəbli dildən (“səbəblər”, “aparır”) istifadə edə bilər; Müşahidə nəticələrini korrelyasiya dili ilə ifadə edərək (“əlaqəli”, “birlikdə dəyişən”) hər bir nəticə cümləsini bu baxımdan nəzərdən keçirin.
Cütlənmiş və müstəqil məlumatların ayrılması
Test seçimində ən çox diqqətdən kənarda qalan fərq nümunələrin müstəqil və ya qoşalaşmış olmasıdır. Əgər eyni şəxsdən əvvəl və sonra ölçmələr aparırsınızsa (məsələn, müalicədən əvvəl və sonra eyni xəstələrin qan dəyərləri), bu ölçmələr müstəqil deyil; Cütlənmiş test tələb olunur. Müstəqil iki nümunəli t-testindən istifadə burada verilənlərdəki uyğunluq məlumatlarını ləğv edir və gücü azaldır; Hətta nəticəni tərsinə çevirə bilər. Qayda sadədir: "Bu iki ölçü eyni bioloji vahiddən gəlirmi?" Cavab bəli olarsa, qoşalaşmış test (qoşalaşmış t-test və ya Wilcoxon imzalı dərəcə testi), yoxsa, müstəqil test istifadə olunur. Testlər üçün süni intellektdən soruşduqda, məlumatlarınızın uyğunluq strukturunu dəqiqləşdirməyi unutmayın; Dəqiqləşdirməsəniz, model tez-tez müstəqilliyi qəbul edir və yanlış testi tövsiyə edir.
Məndə iki ölçmə dəsti var. Əhəmiyyətli: bu ölçmələr EYNİ şəxslərdən əvvəl/sonra aparılmışdır (qoşalaşmış). Bu uyğunluğu nəzərə alan düzgün testi seçin (qoşalaşmış t-test və ya Wilcoxon), fərziyyələrinizi yoxlayın və təsir ölçüsü ilə hesabat verin. Müstəqillik düşünməyin.
Xülasə
Məlumatların dəqiq təhlili; verilənlərin növü üçün uyğun testin seçilməsi, fərziyyələrin yoxlanılması, çoxsaylı müqayisələrin düzəldilməsi və p-dəyərinə əlavə olaraq təsir ölçüsü və etimad intervalının bildirilməsi. Ən böyük təhlükə p-hackingdir; Antidot əvvəlcədən təhlil planı, tam hesabat və kəşf-yoxlama ayrılmasıdır. Süni intellekt test seçimində və fərziyyələrin yoxlanılmasında güclü köməkçidir, lakin statistik bütövlük insana aiddir.
Tətbiq tapşırığı
İki qrupla məlumat dəstini (öz məlumatlarınız və ya nümunə) götürün. Əvvəlcə məlumatları vizuallaşdıran və normallığı test edən AI yazma koduna sahib olun. Nəticədən asılı olaraq, müvafiq testi (t-test və ya Mann-Whitney) tətbiq edin və p-dəyəri ilə birlikdə təsir ölçüsünü və etimad intervalını bildirin. Sonra nəticəyə düzəliş etmədən və düzəlişlə çoxsaylı müqayisələrin təsirini müqayisə edin.
yoxlama siyahısı
- [ ] Mən sınaqdan əvvəl məlumatları vizuallaşdırdım.
- [ ] Test fərziyyələrini yoxladım (normallıq, variasiya).
- [ ] Mən uyğun testi seçdim, t-testini kor-koranə tətbiq etmədim.
- [ ] Çoxsaylı müqayisəni düzəltdim.
- Mən [ ] p-dəyəri, eləcə də təsir ölçüsü və güvən intervalı haqqında məlumat verdim.
- [ ] Mən analiz planını əvvəlcədən düzəltdim və p-hackdən qaçdım.