Табыстар:
- Деректердің түрі мен таралуына сәйкес тестті таңдау және болжамдарды тексеру мүмкіндігі (қалыптылық, дисперсия)
- p-мәнінің шынайы мағынасын түсіну және нәтижелерді әсер мөлшері мен сенімділік аралығымен хабарлау мүмкіндігі
- Ашу-тексеруді бөлу, бірнеше салыстыру түзету және толық есеп беру арқылы p-бұзудан қорғау
Эксперимент аяқталды, деректер енгізілді. Қазір біз ең қиын және ең қате кезеңде тұрмыз: деректерді дұрыс талдау және нәтижелерді шынайы түсіндіру. Биологиялық деректер көбінесе шулы, тұрақсыз және көп нұсқалы. Қате сынақ таңдау, жасырын болжамды бұзу және бейсаналық p-бұзу (талдауды қажет нәтиже бергенше әрекет ету) жарияланған биологиялық әдебиеттердегі қайталану дағдарысының негізгі себептері болып табылады. AI дұрыс сынақты таңдауға, болжамдарды тексеруге және талдау кодын жазуға көмектеседі; бірақ статистикалық тұтастық сіздің жауапкершілігіңіз.
Бұл бөлімде біз жалпы статистикалық сынақтарды, болжамды тексерулерді және өзіңізді p-бұзудан қорғау жолдарын қарастырамыз.
Дұрыс тест таңдау
Тестті таңдау деректердің түрі мен таралуына байланысты. Жасанды интеллект сізге бұл таңдауды жасауға көмектеседі, бірақ оны соқыр қолданбау керек:
- Екі топ, үздіксіз деректер, қалыпты таралу: Тәуелсіз t-тест.
- Екі топ, қалыпты емес: Mann-Whitney U (параметрлік емес: бөлу болжамын талап етпейді).
- Екі топтан көп: ANOVA (дисперсиялық талдау) + пост-хок тест.
- Категориялық деректер (санақтар): Хи-квадрат немесе Фишердің нақты сынағы.
- Қарым-қатынас: Корреляция (Пирсон/Спирман) немесе регрессия.
Кеңес: Сынақты таңдау алдында деректерді визуализациялаңыз. Гистограмма немесе қорап сызбасы t-сынағы талап ететін қалыптылық пен шектен тыс мәндерді бірден көрсетеді. «Алдымен сызба, кейін сынау» жақсы әдет.
Болжамдарды тексеру
Әрбір сынақта жасырын болжамдар бар. t-тест қалыпты үлестірімді және дисперсияның теңдігін болжайды; Егер олар бұзылса, нәтиже жаңылыстыруға әкеледі. AI осы болжамдарды тексеретін кодты жазады:
Рөл: Сіз биостатистиканың көмекшісісіз. Тапсырма: Мәліметтердің екі тобын салыстыру алдында t-тестінің болжамдарын тексеретін кодты жазыңыз: қалыптылық (Шапиро-Уилк), дисперсия теңдігі (Левене). Егер болжам бұзылса, маған қандай балама сынаққа өтуім керектігін айтыңыз. Түсініктемелері бар Python кодын беріңіз.
Қалыптылық бұзылса, код сізді Манн-Уитниге қайта бағыттайды. Бұл «алдымен тексер, кейін шеш» ағыны қате сынақты орындаудан сақтайды.
p-hacking және өзіңізді қалай қорғауға болады
p-hacking - бұл p<0,05 дейін әртүрлі тәсілдермен деректерді талдау: әртүрлі сынақтарды сынау, шектен шыққан мәндерді таңдап алып тастау, топтарды қосу/жою, айнымалылардың үлкен санының арасында «маңызды» болып табылатынын хабарлау. Бұл жалған жаңалықтардың негізгі көзі. Қорғау жолдары:
- Талдау жоспарын алдын ала түзетіңіз (7 блок).
- Маңыздылығын көрсететін сынақтарды ғана емес, барлық сынақтарды хабарлаңыз.
- Бірнеше салыстыруды түзетіңіз (FDR/Bonferroni).
- p-мәнінің жанындағы әсер өлшемін және сенімділік интервалын беріңіз.
- Бөлек табу және тексеру: табу жинағында не тапқаныңызды тәуелсіз жиында тексеріңіз.
Қадамдық: шынайы талдау
- Деректерді визуализациялау (шашырау, шектен шығу).
- Болжамдарды тексеріңіз.
- Алдын ала белгілеген сынақты орындаңыз.
- Бірнеше салыстыруды түзетіңіз.
- Есеп әсерінің өлшемі + сенімділік аралығы.
- Шектеулерді анық жазыңыз.
Көшіретін шақыру үлгілері
Өткізу қабілетін визуализациялау: әр топ үшін гистограммалар мен қорап сызбалары, ауытқуларды белгілеу. Содан кейін normality.Data бағандарын түсіндіріңіз: [атауы]. Түсініктемелері бар Python кодын беріңіз.
Мен екі топты салыстырғым келеді. Деректер сипаттамасы: [түрі, N, таралуы].Қандай тест сәйкес келеді? Болжамдарды тексеріңіз, сынақты орындаңыз, әсер мөлшері туралы есеп беріңіз және p-мәні бар 95% сенімділік аралығы.
Мен талдауымда 15 түрлі генді тексердім. Бонферрони және Бенджамини-Хочберг түзетулерін қолданатын кодты беріңіз және екі әдіс арасындағы айырмашылықты түсіндіріңіз.
Әлсіз шақыру / Күшті шақыру
Әлсіз: «Бұл екі топ әртүрлі ме, t-тест жасаңыз».
Күшті: "Менің екі тобым бар (бақылау n=18, емдеу n=20), тәуелді айнымалы - фермент белсенділігі (үздіксіз). Алдымен Шапиро-Уилк көмегімен таралуды визуализациялаңыз және қалыптылықты сынаңыз. Қалыпты болса, t-сынамасын, егер жоқ болса, Манн-Уитниді қолданыңыз. Нәтижені p-мәні, әсер ету өлшемі немесе (Cohen-9bis 5% интервалы) арқылы хабарлаңыз. Қандай сынақты таңдағаныңызды және неліктен екенін түсіндіріңіз».
Айырмашылық: қуатты сұрауда деректер түрі, үлгі нөмірлері, болжамды тексеру және толық есеп беру сұрауы бар. Модель t-тестін соқыр қолданудың орнына дұрыс жолды ұстанады.
үш шағын іс
1-жағдай – Қате тест: Студент айтарлықтай бұрмаланған (қалыпты емес) деректерге t-тестін қолданып, p=0,048 тапты. Жасанды интеллект қалыпты тексеруді қосқанда, деректер қалыпты болып шықпады; Манн-Уитнимен, p=0,11. Нақты нәтиже мағынасыз болды. Сабақ: болжамды тексермей тестілеу жаңылыстырады.
2-жағдай - Таңдамалы шектен шығуды жою: зерттеуші нәтижені мәнді ету үшін екі «шығыс» нүктені жойды. Модель шектен тыс мәнді жою алдын ала анықталған ережеге (мысалы, IQR әдісі) негізделуі және хабарлануы керек екенін атап өтті; ерікті жою p-бұзу болып табылады. Сабақ: алдын ала шектен шығу ережесін белгілеу.
3-жағдай – Әсер өлшемін қалпына келтіру: Бір зерттеуде p=0,001 болды, бірақ әсер мөлшері (d=0,1) нөлге жуық болды; үлкен іріктеу елеусіз айырмашылықтың маңызды екенін көрсетті. Жасанды интеллект әсер мөлшері туралы хабарлағанда, нәтиженің практикалық мәні жоқ екені анықталды. Сабақ: p кішкентай болғандықтан ғана маңызды емес.
салыстыру диаграммасы
Күй
дұрыс көзқарас
Алдын алу үшін
қалыптан тыс деректер
Параметрлік емес тест
Мәжбүрлі t-тест
көп сынақ
Түзетуді қолдану
Шикі p<0,05
шектен тыс
Алдын ала анықталған ереже
ерікті жою
елеулі нәтиже
Әсер өлшемі + CI
жай б
ашу табу
Тәуелсіз жиынтықта растау
Бір жиынтықта аяқтаңыз
Жалпы қателер
- Гипотезаның бақыланбайтын тестілеуі: жалған тестілеудің жалған маңыздылығы.
- p-hacking: қажетті нәтиже бергенше талдауға тырысу.
- Тек p-мәні туралы есеп беру: әсер өлшемі мен сенімділік аралығын алып тастау.
- Бірнеше салыстыруларды түзетпеу: жалған позитивтер.
- Себептік байланыстың секіруі: Корреляциядан себептілік туралы қорытынды жасау.
Абайлаңыз: AI сіз қалаған нәтижені «шығармайды», бірақ жаңылысқан жағдайда қате сынақтың кодын қуана жазады. Сізде статистикалық тұтастық бар: барлық сынақтар туралы есеп беріңіз, талдауды алдын ала жоспарлаңыз, әсер өлшемін ешқашан жіберіп алмаңыз. Жариялануға әкелетін талдаулар үшін биостатистпен жұмыс жасаңыз.
p-мәнінің нақты мағынасы
Биологиядағы ең дұрыс түсінілмейтін ұғым - p-мәні. p-мәні «гипотезаның ақиқат болу ықтималдығы» емес; Бұл «шын мәнінде ешқандай айырмашылық болмаған кезде, сіз байқағаныңыздан үлкен немесе одан да үлкен айырмашылықты көру ықтималдығы». Бұл нәзік, бірақ маңызды айырмашылық нәтижелерді асыра алмаудың кілті болып табылады. p=0,03 «әсер 97% нақты» дегенді білдірмейді. AI нәтижені интерпретациялағанда, оның осы анықтаманы дұрыс пайдаланатынын тексеріңіз; Модель кейде әдеттегі қате түсіндіруді қайталай алады.
Сенім аралығы (CI) көбінесе p-мәніне қарағанда ақпараттандырады, өйткені ол әсердің шамасы мен белгісіздігін бірге көрсетеді. «Айырмашылық 2,4 есе (95% CI: 1,8-3,1)» «p<0,05» қарағанда әлдеқайда көп айтады: әсердің бағыты да, оның шамасы да, оның қаншалықты дәл өлшенгені де. Есептеріңізде GA-ны бөлектеңіз.
Менің нәтижені түсіндіру кезінде p-мәнінің дұрыс анықтамасын пайдаланыңыз. «Әсердің шындық болу ықтималдығы» сияқты қате мәлімдемелерден аулақ болыңыз. Оның орнына әсер мөлшері және 95% сенімділік аралығы тұрғысынан практикалық мағынаны түсіндіріңіз. Нәтиже: [деректер]
Корреляция, себептілік және бақылау деректері
Биологиялық деректердің көпшілігі бақылау болып табылады: сіз бір нәрсенің басқа нәрсемен өзгеретінін көресіз, бірақ не себеп болғанын көре алмайсыз. «Х генінің экспрессиясы аурумен сәйкес келеді» деген сөйлем X ауруды тудыратынын көрсетпейді; Ауру X ұлғаюы мүмкін немесе үшінші фактор екеуіне де әсер етуі мүмкін. Себептілікті тек интервенциялық эксперимент арқылы анықтауға болады (Х өзгерту және нәтижені өлшеу). AI мәтіндеріңізде білместіктен себептік тілді («себептер», «әкеліп соғады») қолдануы мүмкін; Корреляциялық тілде (корреляциялық, «бірге өзгеретін») бақылау нәтижелерін білдіре отырып, әрбір қорытынды сөйлемді осы тұрғыдан қарап шығыңыз.
Жұпталған және тәуелсіз деректерді бөлу
Сынақ таңдаудағы ең жиі назардан тыс қалған айырмашылық үлгілердің тәуелсіз немесе жұптастырылғандығы болып табылады. Егер сіз бір адамнан өлшеуге дейін және кейін өлшеп жатсаңыз (мысалы, емделуге дейінгі және кейінгі емделушілердің қан көрсеткіштері), бұл өлшемдер тәуелсіз емес; Жұптастырылған сынақ қажет. Мұнда тәуелсіз екі үлгілік t-сынамасын пайдалану деректердегі сәйкестік ақпаратын жоққа шығарады және қуатты азайтады; Бұл тіпті нәтижені кері қайтаруы мүмкін. Ереже қарапайым: «Бұл екі өлшем бір биологиялық бірліктен келеді ме?» Жауап иә болса, жұптастырылған тест (жұптастырылған t-тест немесе Вилкоксон қолтаңбалы ранг сынағы) пайдаланылады, егер жоқ болса, тәуелсіз тест қолданылады. Тесттер үшін жасанды интеллект сұраған кезде, деректеріңіздің сәйкестік құрылымын көрсетуді ұмытпаңыз; Егер сіз көрсетпесеңіз, модель жиі тәуелсіздікті қабылдайды және қате сынақты ұсынады.
Менде екі өлшем жиынтығы бар. Маңызды: бұл өлшемдер SAME тұлғалардан (жұптастырылған) бұрын/кейін алынған. Осы сәйкестікті ескеретін дұрыс тестті таңдаңыз (жұптастырылған t-тест немесе Вилкоксон), өз болжамдарыңызды тексеріңіз және әсер мөлшерімен есеп беріңіз. Тәуелсіздік деп ойламаңыз.
Қысқаша
Мәліметтерді нақты талдау; деректер түріне сәйкес сынақты таңдау, болжамдарды тексеру, бірнеше салыстыруларды түзету және p-мәніне қосымша әсер өлшемі мен сенімділік аралығын хабарлау. Ең үлкен қауіп - p-hacking; Антидот - алдын ала талдау жоспары, толық есеп беру және ашу-тексеруді бөлу. Жасанды интеллект тест таңдауда және болжамды тексеруде күшті көмекші болып табылады, бірақ статистикалық тұтастық адамға байланысты.
Қолданбалы тапсырма
Екі топпен деректер жинағын (өз деректеріңіз немесе үлгі) алыңыз. Алдымен деректерді визуализациялайтын және қалыптылықты тексеретін AI жазу коды бар. Нәтижеге байланысты сәйкес сынақты (t-test немесе Mann-Whitney) қолданыңыз және p-мәнімен бірге әсер өлшемі мен сенімділік аралығын хабарлаңыз. Содан кейін нәтижеге түзетусіз және түзетумен бірнеше салыстырудың әсерін салыстырыңыз.
бақылау парағы
- [ ] Тестілеу алдында деректерді визуалды түрде көрсеттім.
- [ ] Мен сынақ болжамдарын (қалыптылық, дисперсия) тексердім.
- [ ] Мен сәйкес тест таңдадым, t-тестін соқыр қолданбадым.
- [ ] Мен бірнеше салыстыруды бекіттім.
- Мен [ ] p-мәнін, сондай-ақ әсер өлшемі мен сенімділік аралығын хабарладым.
- [ ] Мен талдау жоспарын алдын ала түзетіп, p-бұзудан аулақ болдым.