Маалыматтарды талдоо жана статистикалык текшерүү

Пайдалар:

• Берилиштердин түрүнө жана бөлүштүрүлүшүнө ылайыктуу тестти тандап алуу жана божомолдорду текшерүү (нормалуулук, дисперсия)
• p-баасынын чыныгы маанисин түшүнүү жана эффекттин өлчөмү жана ишеним аралыгы менен натыйжаларды билдирүү мүмкүнчүлүгү
• Ачылыш-текшерүү бөлүү, бир нече салыштыруу түзөтүү жана толук отчеттуулук менен p-хакерден коргоо

Эксперимент бүттү, маалыматтар кирди. Азыр биз эң критикалык жана эң жаңылыш баскычта турабыз: маалыматтарды туура талдоо жана натыйжаларды чынчылдык менен чечмелөө. Биологиялык маалыматтар көбүнчө ызы-чуу, туруксуз жана көп түрдүү. Тестти туура эмес тандоо, имплициттүү божомолдорду бузуу жана аң-сезимсиз p-hacking (талдоо каалаган натыйжаны бергенге чейин аракет кылуу) басылып чыккан биологиялык адабияттардагы кайталануу кризисинин негизги себептери болуп саналат. AI туура тестти тандоого, божомолдорду текшерүүгө жана талдоо кодун жазууга жардам берет; бирок статистикалык бүтүндүк сиздин жоопкерчилигиңиз.

Бул бөлүмдө биз жалпы статистикалык тесттерди, божомолдорду текшерүүнү жана өзүңүздү p-хакердиктен коргоо жолдорун карайбыз.

Туура тестти тандоо

Тестти тандоо маалыматтардын түрүнө жана бөлүштүрүлүшүнө жараша болот. Жасалма интеллект сизге бул тандоого жардам берет, бирок аны сокур колдонууга болбойт:

• Эки топ, үзгүлтүксүз маалыматтар, нормалдуу бөлүштүрүү: Көз карандысыз т-тест.
• Эки топ, нормалдуу эмес: Mann-Whitney U (параметрдик эмес: бөлүштүрүү божомолун талап кылбайт).
• Экиден ашык топ: ANOVA (дисперсиялык анализ) + пост-хок тест.
• Категориялык маалыматтар (эсептер): Хи-квадрат же Фишердин так тести.
• Байланыш: Корреляция (Пирсон/Спирман) же регрессия.

Кеңеш: Тестти тандоодон мурун маалыматтарды визуализациялаңыз. Гистограмма же кутуча t-тест талап кылган нормалдуулукту жана четтөөлөрдү заматта көрсөтөт. "Адегенде график, кийин сынап көр" деген жакшы адат.

Божомолдорду текшерүү

Ар бир тесттин жашыруун божомолдору бар. t-тест нормалдуу бөлүштүрүүнү жана дисперсиянын теңдигин болжолдойт; Эгер булар бузулса, натыйжасы жаңылыштык болот. AI бул божомолдорду текшерген кодду жазат:

Рол: Сиз биостатистиканын жардамчысысыз. Тапшырма: Берилиштердин эки тобун салыштыруудан мурун t-тесттин божомолдорун текшерген кодду жазыңыз: нормалдуулук (Шапиро-Уилк), дисперсия теңдиги (Левене). Эгер божомол бузулса, кайсы альтернативалуу тестке өтүшүм керектигин айтыңыз. Питон кодун комментарийлер менен бериңиз.

Эгер нормалдуу режим бузулса, код сизди Манн-Уитниге багыттайт. Бул "биринчи текшерүү, кийинчерээк чеч" агымы сизди туура эмес сыноодон сактайт.

p-hacking жана өзүңүздү кантип коргоо керек

p-hacking - бул p<0,05ке чейин маалыматтарды ар кандай жолдор менен талдоо: ар кандай тесттерди сынап көрүү, чектен чыгууларды тандап алып салуу, топторду кошуу/алып салуу, көп сандагы өзгөрмөлөрдүн арасында эмне "маанилүү" экенин билдирүү. Бул жасалма ачылыштардын негизги булагы болуп саналат. Коргоо жолдору:

1. Талдоо планын алдын ала түзүңүз (7-блок).
2. Маанилүү болгон сыноолорду гана эмес, бардык сыноолорду билдириңиз.
3. Бир нече салыштырууну оңдоо (FDR/Bonferroni).
4. p-маанисинин жанына эффекттин өлчөмүн жана ишеним аралыгын бериңиз.
5. Өзүнчө ачылыш жана валидация: Көз карандысыз топтомдогу ачылыштар топтомунан тапканыңызды сынап көрүңүз.

Кадам сайын: чынчыл талдоо

1. Берилиштерди визуалдаштыруу (чачырап, четтөө).
2. Божомолдорду текшериңиз.
3. Сиз алдын ала белгилеген тестти аткарыңыз.
4. Бир нече салыштырууну оңдоо.
5. Отчеттун эффектинин өлчөмү + ишеним аралыгы.
6. Чектөөлөрдү так жазыңыз.

Көчүрүлүүчү тез шаблондор

Өткөрүү жөндөмдүүлүгүн визуализациялоо: графиктин гистограммалары жана ар бир топ үчүн кутучалар, четтөөлөрдү белгилөө. Андан кийин normality.Data мамычаларды чечмелөө: [аты]. Питон кодун комментарийлер менен бериңиз.

Мен эки топту салыштыргым келет. Маалыматтын мүнөздөмөлөрү: [тип, N, бөлүштүрүү]. Кайсы тест ылайыктуу? Божомолдорду текшериңиз, тестти жасаңыз, эффекттин өлчөмү жөнүндө отчет бериңиз ЖАНА p-маании МЕНЕН 95% ишеним аралыгы.

Мен анализимде 15 түрдүү генди текшердим. Bonferroni жана Benjamini-Hochberg түзөтүүсүн колдонгон кодду бериңиз жана эки ыкманын ортосундагы айырманы түшүндүрүңүз.

Алсыз тездик / Күчтүү тездик

Алсыз: "Бул эки топ башкабы, t-тест жасагыла."

Күчтүү: "Менде эки топ бар (көзөмөлдөө n=18, дарылоо n=20), көз каранды өзгөрмө ферменттин активдүүлүгү (үзгүлтүксүз). Алгач Шапиро-Уилк менен бөлүштүрүүнү визуализациялаңыз жана нормалдуулукту сынаңыз. Эгерде нормалдуу болсо, t-тестти колдонуңуз, эгерде жок болсо, Mann-Whitney. Натыйжаны p-маании, эффекттин өлчөмү жана (Cohen-9 rankdence интервалы) менен кабарлаңыз. Кайсы тестти жана эмне үчүн тандаганыңызды түшүндүрүңүз».

Айырмасы: Күчтүү кеңеште маалымат түрү, үлгү номерлери, божомолду текшерүү жана толук отчеттуулук талабы бар. Модел t-тестти сокур колдонуунун ордуна туура жолду карманат.

үч мини учурлар

1-жагдай - Туура эмес тест: Студент олуттуу бурмаланган (нормалдуу эмес) маалыматтарга t-тестти колдонуп, p=0,048 тапты. Жасалма интеллект нормалдуулук текшерүүсүн кошкондо, маалыматтар нормалдуу чыккан жок; Mann-Whitney менен, p = 0,11. Чыныгы натыйжа маанисиз болгон. Сабак: божомолду текшербей туруп тестирлөө адашуу.

2-жагдай - Тандалган четтөөлөрдү жокко чыгаруу: Изилдөөчү натыйжаны маңыздуу кылуу үчүн эки "четки" пунктту жок кылды. Модель четтөөлөрдү жокко чыгаруу алдын ала аныкталган эрежеге негизделиши керек (мисалы, IQR ыкмасы) жана билдирилгенин баса белгиледи; өзүм билемдик менен жок кылуу p-hacking болуп саналат. Сабак: Чектөө эрежесин алдын ала белгиле.

3-жагдай - Эффект өлчөмүн калыбына келтирүү: Бир изилдөөдө p=0,001 болгон, бирок эффекттин өлчөмү (d=0,1) дээрлик нөлгө барабар болгон; чоң үлгү маанилүү эмес айырмачылыкты көрсөттү. Жасалма интеллект эффекттин көлөмүн билдиргенде, табылга практикалык мааниге ээ эмес экени аныкталган. Сабак: р кичинекей болгону үчүн маанилүү эмес.

салыштыруу диаграммасы

Статус

туура мамиле

качуу үчүн

анормалдуу маалыматтар

Параметрдик эмес тест

Мажбурланган t-тест

көп тест

Түзөтүүнү колдонуу

Crude p<0,05

четтөөчү

Алдын ала аныкталган эреже

өзүм билемдик менен жок кылуу

олуттуу натыйжа

Эффекттин өлчөмү + CI

жөн гана б

ачылыш табуу

Көз карандысыз топтомдо текшерүү

Бир топтомдо жыйынтыктоо

Жалпы каталар

• Гипотеза көзөмөлсүз тестирлөө: жалган тестирлөө менен жасалма маани.
• p-hacking: Талдоо каалаган натыйжаны бергенге чейин аракет кылуу.
• Жалаң гана p-маанисин билдирүү: Эффект өлчөмүн жана ишеним аралыгын өткөрүп жиберүү.
• Бир нече салыштырууларды оңдоо эмес: Жалган позитив.
• Себептик секирүү: Корреляциядан себептүүлүккө тыянак чыгаруу.

Эскертүү: AI сиз каалаган натыйжаны "чыгарбайт", бирок адашып кетсе, туура эмес тесттин кодун кубануу менен жазат. Сизде статистикалык бүтүндүк бар: бардык сыноолор жөнүндө кабарлаңыз, анализди алдын ала пландаштырыңыз, эффекттин көлөмүн эч качан өткөрүп жибербеңиз. Басылмага алып баруучу анализдер үчүн биостатист менен иштешиңиз.

p-баанын чыныгы мааниси

Биологиядагы эң туура эмес түшүнүк - бул p-маани. p-мааниси "гипотезанын чын болушу ыктымалдыгы" эмес; Бул "чындыгында эч кандай айырма жок болгондо, сиз байкагандан чоң же экстремалдуу айырманы көрүү ыктымалдыгы". Бул тымызын, бирок критикалык айырмачылык натыйжаларды апыртып жибербөөнүн ачкычы болуп саналат. p=0,03 "эффект 97% реалдуу" дегенди билдирбейт. AI натыйжаны чечмелеп жатканда, анын бул аныктаманы туура колдонгонун текшериңиз; Модель кээде жалпы туура эмес чечмелөөнү кайталай алат.

Ишеним аралыгы (CI) көбүнчө p-баалыгына караганда көбүрөөк маалыматтуу, анткени ал эффекттин чоңдугун жана белгисиздигин бирге көрсөтөт. "Айырма 2,4 эсе (95% CI: 1,8-3,1)" "p<0,05" караганда алда канча көп айтылат: эффекттин багыты да, анын чоңдугу да, канчалык так өлчөнгөнү да. Отчетторуңузда GAны белгилеңиз.

Менин натыйжамды чечмелөөдө p-баанын туура аныктамасын колдонуңуз. "Таасирдин чын болушу ыктымалдыгы" сыяктуу туура эмес билдирүүлөрдөн алыс болуңуз. Анын ордуна, практикалык маанисин эффекттин өлчөмү жана 95% ишеним аралыгы менен түшүндүрүңүз. Натыйжа: [маалымат]

Корреляция, себептүүлүк жана байкоо маалыматтары

Биологиялык маалыматтардын көбү байкоочу болуп саналат: бир нерсе башка нерсе менен өзгөрүп жатканын көрөсүз, бирок эмнеге себеп болгонун көрө албайсыз. "Х генинин экспрессиясы оору менен байланышат" деген сүйлөм X ооруну пайда кылаарын билдирбейт; Оору X жогорулашы мүмкүн, же үчүнчү фактор экөөнө тең таасир этиши мүмкүн. Себептүүлүк интервенциялык эксперимент аркылуу гана аныкталышы мүмкүн (X өзгөртүү жана натыйжаны өлчөө). AI сиздин тексттериңизде билбестен себептик тилди («себептер», «алып баруучу») колдонушу мүмкүн; Корреляциялык тилде байкоонун жыйынтыгын билдирип, ар бир корутунду сүйлөмдү ушул көз караштан карап чыккыла («корреляцияланган», «бирге өзгөргөн»).

Жупташкан жана көз карандысыз маалыматтарды бөлүү

Сыноо тандоодо эң көп көз жаздымда калган айырмачылык бул үлгүлөр көз карандысызбы же жупташканбы. Эгерде сиз бир эле адамдан өлчөөлөрдү (мисалы, дарылоого чейин жана андан кийин ошол эле пациенттердин канынын баалуулуктары) чейин жана андан кийин алып жатсаңыз, бул өлчөөлөр көз карандысыз эмес; Жупташкан тест талап кылынат. Бул жерде көз карандысыз эки үлгүлүү t-тестти колдонуу маалыматтардагы дал келген маалыматты жокко чыгарат жана кубаттуулукту азайтат; Ал тургай, жыйынтыгын тескери кылышы мүмкүн. Эреже жөнөкөй: "Бул эки өлчөө бир биологиялык бирдиктен келеби?" Эгерде жооп ооба болсо, жупташтырылган тест (жупташкан t-тест же Wilcoxon кол коюлган ранг тести) колдонулат, эгерде жок болсо, көз карандысыз тест колдонулат. Тесттер үчүн жасалма интеллект сураганыңызда, маалыматтарыңыздын дал түзүмүн көрсөтүүнү унутпаңыз; Эгерде сиз тактабасаңыз, модель көбүнчө көз карандысыздыкты кабыл алат жана туура эмес тестти сунуштайт.

Менде эки өлчөө топтому бар. Маанилүү: бул өлчөөлөр ОШОЛ адамдардан мурун/кийин алынган (жупташкан). Бул дал келүүнү эске алган туура тестти тандаңыз (жупташкан t-тест же Вилкоксон), өз божомолдоруңузду текшериңиз жана эффекттин өлчөмү менен отчет бериңиз. Эгемендүүлүк деп ойлобо.

Кыскача айтканда

маалыматтарды так талдоо; маалыматтардын түрү үчүн ылайыктуу тестти тандоо, божомолдорду текшерүү, бир нече салыштырууларды оңдоо жана p-баасынан тышкары эффекттин өлчөмүн жана ишеним аралыгын билдирүү. Эң чоң коркунуч - бул p-hacking; Антидот алдын ала талдоо планы, толук отчеттуулук жана ачылыш-текшерүү бөлүү болуп саналат. Жасалма интеллект тестти тандоодо жана божомолдорду текшерүүдө күчтүү жардамчы болуп саналат, бирок статистикалык бүтүндүк адамда.

Колдонмо тапшырмасы

Эки топ менен маалымат топтомун (өзүңүздүн маалыматтарыңыз же үлгү) алыңыз. Алгач маалыматтарды визуализациялаган жана нормалдуулукту сынаган AI жазуу коду бар. Натыйжага жараша, тиешелүү тестти (t-test же Mann-Whitney) колдонуңуз жана эффекттин өлчөмүн жана ишеним аралыгын p-маани менен бирге билдириңиз. Андан кийин коррекциясыз жана коррекция менен бир нече салыштыруунун натыйжага тийгизген таасирин салыштырыңыз.

текшерүү тизмеси

• [ ] Мен тестирлөөдөн мурун маалыматтарды визуалдаштым.
• [ ] Мен тесттик божомолдорду текшердим (нормалуулук, дисперсия).
• [ ] Мен ылайыктуу тестти тандадым, t-тестти сокур түрдө колдонгон жокмун.
• [ ] Мен бир нече салыштырууну түздүм.
• Мен [ ] p-маанисин, ошондой эле эффект өлчөмүн жана ишеним аралыгын билдирдим.
• [ ] Мен алдын ала талдоо планын түздүм жана p-хакердиктен качтым.