දත්ත විශ්ලේෂණය සහ සංඛ්‍යාන වලංගුකරණය

ලාභ:

• දත්ත වර්ගය සහ බෙදාහැරීම සඳහා සුදුසු පරීක්ෂණය තෝරා ගැනීමට සහ උපකල්පන පරීක්ෂා කිරීමට හැකියාව (සාමාන්‍යය, විචලනය)
• p-අගයෙහි සැබෑ අරුත අවබෝධ කර ගැනීමේ හැකියාව සහ ප්‍රතිඵල ප්‍රමාණය හා විශ්වාසනීය පරතරය සමඟ වාර්තා කිරීමේ හැකියාව
• සොයාගැනීම්-සත්‍යාපනය වෙන් කිරීම, බහු සංසන්දනය නිවැරදි කිරීම සහ සම්පූර්ණ වාර්තාකරණය සමඟ p-හැකින් වලින් ආරක්ෂා වීම

අත්හදා බැලීම අවසන්, දත්ත ඇත. දැන් අප සිටින්නේ ඉතාමත් තීරණාත්මක සහ වඩාත්ම වැරදි අවධියේ ය: දත්ත නිවැරදිව විශ්ලේෂණය කිරීම සහ ප්‍රතිඵල අවංකව අර්ථ නිරූපණය කිරීම. ජීව විද්යාත්මක දත්ත බොහෝ විට ඝෝෂාකාරී, අස්ථායී සහ බහුවිධ වේ. ප්‍රකාශිත ජීව විද්‍යාත්මක සාහිත්‍යයේ ප්‍රතිනිෂ්පාදන අර්බුදයේ ප්‍රධාන හේතු වන්නේ වැරදි පරීක්ෂණ තේරීම, ව්‍යංග උපකල්පන උල්ලංඝනය කිරීම් සහ සිහිසුන් p-හැක් කිරීම (එය අපේක්ෂිත ප්‍රතිඵලය ලබා දෙන තෙක් විශ්ලේෂණයක් කිරීමට උත්සාහ කිරීම) ය. AI ඔබට නිවැරදි පරීක්ෂණය තෝරා ගැනීමට, උපකල්පන පරීක්ෂා කිරීමට සහ විශ්ලේෂණ කේතය ලිවීමට උදවු කරයි; නමුත් සංඛ්‍යාලේඛන අඛණ්ඩතාව ඔබේ වගකීමකි.

මෙම ඒකකය තුළ, අපි පොදු සංඛ්‍යාන පරීක්ෂණ, උපකල්පන පිරික්සුම් සහ p-හැකින් වලින් ඔබව ආරක්ෂා කර ගැනීමේ ක්‍රම ආවරණය කරන්නෙමු.

නිවැරදි පරීක්ෂණය තෝරා ගැනීම

පරීක්ෂණය තෝරා ගැනීම දත්ත වර්ගය සහ බෙදා හැරීම මත රඳා පවතී. කෘතිම බුද්ධිය ඔබට මෙම තේරීම කිරීමට උපකාරී වනු ඇත, නමුත් ඔබ එය අන්ධ ලෙස යෙදිය යුතු නොවේ:

• කණ්ඩායම් දෙකක්, අඛණ්ඩ දත්ත, සාමාන්‍ය ව්‍යාප්තිය: ස්වාධීන t-test.
• කණ්ඩායම් දෙකක්, සාමාන්‍ය නොවන: Mann-Whitney U (පරාමිතික නොවන: බෙදා හැරීමේ උපකල්පනය අවශ්‍ය නොවේ).
• කණ්ඩායම් දෙකකට වඩා: ANOVA (විචලනය පිළිබඳ විශ්ලේෂණය) + පශ්චාත්-හොක් පරීක්ෂණය.
• වර්ගීකරණ දත්ත (ගණන්): Chi-square හෝ Fisher නියම පරීක්ෂණය.
• සම්බන්ධතාවය: සහසම්බන්ධය (පියර්සන් / ස්පියර්මන්) හෝ පසුබෑම.

ඉඟිය: පරීක්ෂණය තේරීමට පෙර දත්ත දර්ශනය කරන්න. හිස්ටෝග්‍රැම් හෝ බොක්ස් ප්ලොට් ටී-පරීක්‍ෂණයකට අවශ්‍ය සාමාන්‍යභාවය සහ පිටස්තරයන් ක්ෂණිකව පෙන්වයි. "පළමුව ප්‍රස්ථාරය, පසුව පරීක්ෂා කරන්න" යනු හොඳ පුරුද්දකි.

උපකල්පන පරීක්ෂා කිරීම

සෑම පරීක්ෂණයකම සැඟවුණු උපකල්පන ඇත. t-පරීක්‍ෂණය සාමාන්‍ය ව්‍යාප්තිය සහ විචලනයේ සමානාත්මතාවය උපකල්පනය කරයි; මේවා කඩ කළහොත් ප්‍රතිඵලය නොමඟ යවන සුළුය. AI මෙම උපකල්පන පරීක්ෂා කරන කේතය ලියයි:

භූමිකාව: ඔබ ජීව සංඛ්‍යාලේඛන සහායකයෙකි. කාර්යය: දත්ත කණ්ඩායම් දෙකක් සංසන්දනය කිරීමට පෙර t-test එකක උපකල්පන පරීක්ෂා කරන කේතය ලියන්න: සාමාන්‍යය (Shapiro-Wilk), සමානාත්මතාවයේ විචලනය (Levene). උපකල්පනය උල්ලංඝනය වී ඇත්නම්, මා ඉදිරියට යා යුතු විකල්ප පරීක්ෂණය මට කියන්න. අදහස් සමග Python කේතය ලබා දෙන්න.

සාමාන්‍ය තත්ත්වය කැඩී ගියහොත් කේතය ඔබව Mann-Whitney වෙත හරවා යවයි. මෙම "පළමුව පරීක්ෂා කරන්න, පසුව තීරණය කරන්න" ප්‍රවාහය ඔබව වැරදි පරීක්ෂණයකින් වළක්වයි.

p-හැක් කිරීම සහ ඔබව ආරක්ෂා කර ගන්නේ කෙසේද

p-hacking යනු p<0.05 දක්වා විවිධ ආකාරවලින් දත්ත විශ්ලේෂණය කිරීමයි: විවිධ පරීක්ෂණ උත්සාහ කිරීම, පිටස්තරයන් තෝරා ඉවත දැමීම, කණ්ඩායම් එකතු කිරීම/ඉවත් කිරීම, විචල්‍ය විශාල සංඛ්‍යාවක් අතර "වැදගත්" දේ වාර්තා කිරීම. ව්යාජ සොයාගැනීම්වල ප්රධාන මූලාශ්රය මෙයයි. ආරක්ෂණ ක්රම:

1. විශ්ලේෂණ සැලැස්ම කල්තියා සවි කරන්න (ඒකකය 7).
2. වැදගත්කම පෙන්වන ඒවා පමණක් නොව සියලුම පරීක්ෂණ වාර්තා කරන්න.
3. බහු සංසන්දනය නිවැරදි කරන්න (FDR/Bonferroni).
4. p-අගය අසලින් ප්‍රයෝගයේ ප්‍රමාණය සහ විශ්වාස අන්තරය දෙන්න.
5. වෙනම සොයාගැනීම් සහ වලංගුකරණය: ස්වාධීන කට්ටලයක සොයාගැනීම් කට්ටලයේ ඔබ සොයා ගන්නා දේ පරීක්ෂා කරන්න.

පියවරෙන් පියවර: අවංක විශ්ලේෂණයක්

1. දත්ත දෘශ්‍යමාන කරන්න (විසිරීම, පිටත).
2. උපකල්පන පරීක්ෂා කරන්න.
3. ඔබ කලින් තීරණය කළ පරීක්ෂණය සිදු කරන්න.
4. බහු සංසන්දනය නිවැරදි කරන්න.
5. වාර්තා ප්‍රයෝග ප්‍රමාණය + විශ්වාස අන්තරය.
6. සීමාවන් පැහැදිලිව ලියන්න.

පිටපත් කළ හැකි ක්ෂණික සැකිලි

ප්‍රතිදානය දෘශ්‍යමාන කරන්න: එක් එක් කණ්ඩායම සඳහා ප්ලොට් හිස්ටෝග්‍රෑම් සහ කොටු බිම්, ධජ පිටස්තර. ඉන්පසු සාමාන්‍ය බව අර්ථ දක්වන්න.දත්ත තීරු: [නම]. අදහස් සමග Python කේතය ලබා දෙන්න.

මට මගේ කණ්ඩායම් දෙක සංසන්දනය කිරීමට අවශ්‍යයි. දත්තවල ලක්ෂණ: [වර්ගය, N, බෙදා හැරීම]. සුදුසු පරීක්ෂණය කුමක්ද? උපකල්පන පරීක්ෂා කරන්න, පරීක්ෂණය සිදු කරන්න, බලපෑමේ ප්‍රමාණය වාර්තා කරන්න සහ p-අගය සමඟ 95% විශ්වාසනීය පරතරය.

මම මගේ විශ්ලේෂණයේදී විවිධ ජාන 15ක් සඳහා පරීක්‍ෂා කළෙමි. Bonferroni සහ Benjamini-Hochberg නිවැරදි කිරීම අදාළ වන කේතය ලබා දී ක්‍රම දෙක අතර වෙනස පැහැදිලි කරන්න.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල: "මේ කණ්ඩායම් දෙක වෙනස්ද, t-test එකක් කරන්න."

ප්‍රබල: "මට කණ්ඩායම් දෙකක් ඇත (පාලනය n=18, ප්‍රතිකාරය n=20), යැපෙන විචල්‍යය එන්සයිම ක්‍රියාකාරකම් (අඛණ්ඩ) වේ. පළමුව බෙදාහැරීම සහ සාමාන්‍ය බව Shapiro-Wilk සමඟින් මවා ගන්න. සාමාන්‍ය නම්, t-test යොදන්න, එසේ නොවේ නම්, Mann-Whitney. ප්‍රතිඵලය p-value, Effects size (Cohen'sranks biderial 9) සමඟ වාර්තා කරන්න. ඔබ තෝරාගත් පරීක්ෂණය සහ ඇයි යන්න පැහැදිලි කරන්න."

වෙනස: බලවත් විමසුමෙහි දත්ත වර්ගය, නියැදි අංක, උපකල්පන පරීක්ෂා කිරීම සහ සම්පූර්ණ වාර්තා කිරීමේ ඉල්ලීම ඇත. t-test අන්ධ ලෙස යෙදීම වෙනුවට ආකෘතිය නිවැරදි මාර්ගය අනුගමනය කරයි.

කුඩා නඩු තුනක්

සිද්ධි 1 — වැරදි පරීක්ෂණය: ශිෂ්‍යයෙක් සැලකිය යුතු ලෙස විකෘති වූ (සාමාන්‍ය නොවන) දත්ත සඳහා t-පරීක්ෂණයක් යෙදූ අතර p=0.048 සොයා ගන්නා ලදී. කෘත්‍රිම බුද්ධිය සාමාන්‍ය පරීක්ෂාව එක් කළ විට, දත්ත සාමාන්‍ය තත්ත්වයට පත් නොවීය; Mann-Whitney සමඟ, p=0.11. සැබෑ ප්රතිඵලය අර්ථ විරහිත විය. පාඩම: උපකල්පනය පරීක්ෂා නොකර පරීක්ෂා කිරීම නොමඟ යවන සුළුය.

2 වන අවස්ථාව - වරණීය පිටස්තර ඉවතලීම: ප්‍රතිඵලය අර්ථවත් කිරීම සඳහා පර්යේෂකයෙකු "පිටස්තර" කරුණු දෙකක් මකා දැමීය. ආදර්ශය අවධාරනය කර ඇත්තේ පිටස්තර ඉවතලීම පූර්ව නිශ්චිත රීතියක් මත පදනම් විය යුතු බවයි (උදා: IQR ක්‍රමය) සහ වාර්තා කිරීම; අත්තනෝමතික මකාදැමීම p-හැක් කිරීමකි. පාඩම: බාහිර රීතිය කලින් සකසන්න.

3 වන අවස්ථාව - ප්‍රයෝග ප්‍රමාණය ප්‍රතිසාධනය: එක් අධ්‍යයනයක p=0.001 තිබුණ නමුත් බලපෑම ප්‍රමාණය (d=0.1) පාහේ ශුන්‍ය විය; විශාල සාම්පලයේ නොවැදගත් වෙනස සැලකිය යුතු බව පෙන්නුම් කළේය. කෘත්‍රිම බුද්ධිය බලපෑමේ ප්‍රමාණය වාර්තා කළ විට, සොයාගැනීමේ ප්‍රායෝගික වටිනාකමක් නොමැති බව සොයා ගන්නා ලදී. පාඩම: p කුඩා නිසා කමක් නැත.

සංසන්දනාත්මක සටහන

තත්ත්වය

නිවැරදි ප්රවේශය

වළක්වා ගත යුතු ය

අසාමාන්ය දත්ත

පරාමිතික නොවන පරීක්ෂණය

බලහත්කාර ටී-පරීක්ෂණය

බහු පරීක්ෂණය

නිවැරදි කිරීම අයදුම් කරන්න

බොර p<0.05

පිටතින්

පූර්ව නිශ්චිත රීතිය

අත්තනෝමතික මකාදැමීම

සැලකිය යුතු ප්රතිඵලය

බලපෑම ප්රමාණය + CI

හුදෙක් p

සොයාගැනීම් සොයා ගැනීම

ස්වාධීන කට්ටලයක් මත වලංගු කරන්න

එක් කට්ටලයකින් අවසන් කරන්න

පොදු වැරදි

• උපකල්පිත පාලනයකින් තොර පරීක්ෂණය: ව්‍යාජ පරීක්ෂණ සමඟ ව්‍යාජ වැදගත්කම.
• p-හැක් කිරීම: අපේක්ෂිත ප්රතිඵලය ලබා දෙන තෙක් විශ්ලේෂණය උත්සාහ කිරීම.
• p-අගය පමණක් වාර්තා කිරීම: ප්‍රයෝග ප්‍රමාණය සහ විශ්වාස පරතරය මඟ හැරීම.
• බහු සංසන්දනය සඳහා නිවැරදි නොකිරීම: වැරදි ධනාත්මක.
• හේතු පැනීම: සහසම්බන්ධයෙන් හේතුඵල අනුමාන කිරීම.

අවවාදයයි: AI ඔබට අවශ්‍ය ප්‍රතිඵලය "නිෂ්පාදනය" නොකරනු ඇත, නමුත් නොමඟ ගියහොත් වැරදි පරීක්ෂණය සඳහා කේතය සතුටින් ලියනවා. ඔබට සංඛ්‍යානමය අඛණ්ඩතාව ඇත: සියලුම අත්හදා බැලීම් වාර්තා කරන්න, විශ්ලේෂණය කල්තියා සැලසුම් කරන්න, කිසිවිටෙකත් බලපෑමේ ප්‍රමාණය අතපසු නොකරන්න. ප්‍රකාශනයට තුඩු දෙන විශ්ලේෂණ සඳහා ජීව විද්‍යාඥයකු සමඟ වැඩ කරන්න.

p-අගය යන්නෙහි සැබෑ අර්ථය

ජීව විද්‍යාවේ වඩාත්ම වරදවා වටහාගත් සංකල්පය වන්නේ p-අගයයි. p-අගය යනු "උපකල්පනය සත්‍ය වීමේ සම්භාවිතාව" නොවේ; එය "යථාර්ථයේ වෙනසක් නොමැති විට, ඔබ නිරීක්ෂණය කරන දෙයට වඩා විශාල හෝ අන්ත ලෙස වෙනසක් දැකීමේ සම්භාවිතාවයි." මෙම සියුම් නමුත් විවේචනාත්මක වෙනස ප්‍රතිඵල අතිශයෝක්තියට පත් නොකිරීමට ප්‍රධාන වේ. p=0.03 යන්නෙන් අදහස් වන්නේ "බලපෑම 97% සැබෑ" යන්න නොවේ. AI ප්‍රතිඵලයක් අර්ථකථනය කරන විට, එය මෙම නිර්වචනය නිවැරදිව භාවිතා කරන්නේ දැයි පරීක්ෂා කරන්න; ආකෘතිය සමහර විට පොදු වැරදි අර්ථකථනය නැවත නැවතත් කළ හැක.

විශ්වාස අන්තරය (CI) බොහෝ විට p-අගයට වඩා තොරතුරු සපයන්නේ එය බලපෑමේ විශාලත්වය සහ අවිනිශ්චිත බව එකට පෙන්වන බැවිනි. “වෙනස 2.4 ගුණයකින් (95% CI: 1.8-3.1)” “p<0.05” ට වඩා බොහෝ දේ කියයි: බලපෑමේ දිශාව, එහි විශාලත්වය සහ එය කෙතරම් නිවැරදිව මැනියද යන දෙකම. ඔබගේ වාර්තා වල GA ඉස්මතු කරන්න.

මගේ ප්‍රතිඵලය අර්ථකථනය කිරීමේදී p-අගය පිළිබඳ නිවැරදි අර්ථ දැක්වීම භාවිතා කරන්න. "ඵලය සත්‍ය වීමේ සම්භාවිතාව" වැනි වැරදි ප්‍රකාශවලින් වළකින්න. ඒ වෙනුවට, බලපෑමේ විශාලත්වය සහ 95% විශ්වාසනීය පරතරය අනුව ප්‍රායෝගික අර්ථය පැහැදිලි කරන්න. ප්‍රතිඵලය: [දත්ත]

සහසම්බන්ධය, හේතුව සහ නිරීක්ෂණ දත්ත

බොහෝ ජීව විද්‍යාත්මක දත්ත නිරීක්ෂණාත්මක ය: ඔබට වෙනත් දෙයක් සමඟ යමක් වෙනස් වන බව පෙනේ, නමුත් එයට හේතුව කුමක්දැයි ඔබට නොපෙනේ. "X ජානයේ ප්‍රකාශනය රෝග සමඟ සහසම්බන්ධ වේ" යන වාක්‍ය ඛණ්ඩයෙන් X රෝග ඇති කරන බව නොපෙන්වයි; රෝගය X වැඩි වීම හෝ තුන්වන සාධකය දෙකම බලපානු ඇත. හේතුව තහවුරු කළ හැක්කේ මැදිහත්වීමේ අත්හදා බැලීම් (X වෙනස් කිරීම සහ ප්රතිඵලය මැනීම) හරහා පමණි. AI නොදැනුවත්වම ඔබේ පාඨවල හේතුකාරක භාෂාව ("හේතු," "මාර්ග") භාවිතා කළ හැක; මෙම ඉදිරිදර්ශනයෙන් එක් එක් නිගමන වාක්‍ය සමාලෝචනය කරන්න, සහසම්බන්ධ භාෂාවෙන් නිරීක්ෂණ සොයාගැනීම් ප්‍රකාශ කිරීම ("සබැඳි", "එකට වෙනස් වීම").

යුගල සහ ස්වාධීන දත්ත වෙන් කිරීම

පරීක්ෂණ තෝරාගැනීමේදී බොහෝ විට නොසලකා හරින ලද වෙනස වන්නේ සාම්පල ස්වාධීන හෝ යුගල කර තිබේද යන්නයි. ඔබ එකම පුද්ගලයාගෙන් මිනුම් වලට පෙර සහ පසු ගන්නේ නම් (උදාහරණයක් ලෙස, ප්‍රතිකාරයට පෙර සහ පසු එකම රෝගීන්ගේ රුධිර අගයන්), මෙම මිනුම් ස්වාධීන නොවේ; යුගල පරීක්ෂණයක් අවශ්ය වේ. මෙහි ස්වාධීන ද්වි-නියැදි t-පරීක්‍ෂණය භාවිතා කිරීමෙන් දත්තවල ගැළපෙන තොරතුරු ඉවතලන අතර බලය අඩු කරයි; එය ප්‍රතිඵලය ආපසු හැරවීමට පවා ඉඩ ඇත. රීතිය සරලයි: "මෙම මිනුම් දෙක එකම ජීව විද්යාත්මක ඒකකයකින් පැමිණෙන්නේද?" පිළිතුර ඔව් නම්, යුගල පරීක්ෂණය (යුගල කළ t-test හෝ Wilcoxon අත්සන් කළ ශ්‍රේණිගත පරීක්ෂණය) භාවිතා වේ, එසේ නොවේ නම්, ස්වාධීන පරීක්ෂණය භාවිතා වේ. ඔබ පරීක්ෂණ සඳහා කෘතිම බුද්ධිය විමසන විට, ඔබේ දත්තවල ගැළපුම් ව්‍යුහය සඳහන් කිරීමට වග බලා ගන්න; ඔබ සඳහන් නොකරන්නේ නම්, ආකෘතිය බොහෝ විට ස්වාධීනත්වය උපකල්පනය කර වැරදි පරීක්ෂණයක් නිර්දේශ කරයි.

මට මිනුම් කට්ටල දෙකක් තිබේ. වැදගත්: මෙම මිනුම් එකම පුද්ගලයන්ට පෙර/පසු (යුගල කළ) ගන්නා ලදී. මෙම ගැළපීම සැලකිල්ලට ගන්නා නිවැරදි පරීක්ෂණය තෝරන්න (යුගල කළ t-test හෝ Wilcoxon), ඔබේ උපකල්පන පරීක්ෂා කර ප්‍රයෝග ප්‍රමාණය සමඟ වාර්තා කරන්න. ස්වාධීනත්වය උපකල්පනය නොකරන්න.

සාරාංශයකින්

නිවැරදි දත්ත විශ්ලේෂණය; දත්ත වර්ගය සඳහා සුදුසු පරීක්ෂණය තෝරා ගැනීම, උපකල්පන පරීක්ෂා කිරීම, බහු සැසඳීම් නිවැරදි කිරීම සහ p-අගයට අමතරව බලපෑමේ ප්‍රමාණය සහ විශ්වාස පරතරය වාර්තා කිරීම. විශාලතම අන්තරාය වන්නේ p-හැක් කිරීම; ප්‍රතිවිරෝධය යනු පූර්ව විශ්ලේෂණ සැලැස්මක්, සම්පූර්ණ වාර්තාකරණයක් සහ සොයාගැනීම්-සත්‍යාපනය වෙන්කිරීමකි. කෘත්‍රිම බුද්ධිය පරීක්ෂණ තේරීමේ සහ උපකල්පන පරීක්ෂා කිරීමේ ප්‍රබල උපකාරයකි, නමුත් සංඛ්‍යාලේඛන අඛණ්ඩතාව මිනිසා සමඟ පවතී.

යෙදුම් කාර්යය

කණ්ඩායම් දෙකක් සමඟ දත්ත කට්ටලයක් (ඔබගේම දත්ත හෝ නියැදියක්) ගන්න. පළමුව දත්ත දෘශ්‍යමාන කරන සහ සාමාන්‍යභාවය සඳහා පරීක්ෂණ කරන AI ලිවීමේ කේතය ලබා ගන්න. ප්‍රතිඵලය මත පදනම්ව, සුදුසු පරීක්ෂණය (t-test හෝ Mann-Whitney) යොදන්න සහ p-අගය සමඟ බලපෑමේ ප්‍රමාණය සහ විශ්වාස අන්තරය වාර්තා කරන්න. ඉන්පසුව නිවැරදි කිරීමකින් තොරව සහ ප්රතිඵලය මත නිවැරදි කිරීම සමඟ බහු සංසන්දනය කිරීමේ බලපෑම සංසන්දනය කරන්න.

පිරික්සුම් ලැයිස්තුව

• [] මම පරීක්ෂා කිරීමට පෙර දත්ත දෘශ්‍යමාන කළෙමි.
• [ ] මම පරීක්ෂණ උපකල්පන (සාමාන්‍යය, විචලනය) පරීක්ෂා කළෙමි.
• [ ] මම සුදුසු පරීක්ෂණය තෝරා ගත්තෙමි, මම t-test අන්ධ ලෙස යෙදුවේ නැත.
• [ ] මම බහු සංසන්දනය නිවැරදි කළා.
• මම [ ] p-අගය මෙන්ම බලපෑම් ප්‍රමාණය සහ විශ්වාස අන්තරය වාර්තා කළෙමි.
• [ ] මම විශ්ලේෂණ සැලැස්ම කල්තියා සවි කළ අතර p-හැක් කිරීම වැළකුණෙමි.