Ma'lumotlarni tahlil qilish va statistik tasdiqlash

Daromadlar:

• Ma'lumotlarning turi va taqsimotiga mos keladigan testni tanlash va taxminlarni tekshirish qobiliyati (normallik, dispersiya)
• P-qiymatining haqiqiy ma'nosini tushunish va natijalarni ta'sir hajmi va ishonch oralig'i bilan hisobot berish qobiliyati
• Kashfiyot-tekshirish ajratish, bir nechta taqqoslash tuzatish va to'liq hisobot bilan p-xakerlikdan himoya

Tajriba tugadi, ma'lumotlar kiritildi. Endi biz eng muhim va eng xato bosqichda turibmiz: ma'lumotlarni to'g'ri tahlil qilish va natijalarni halol talqin qilish. Biologik ma'lumotlar ko'pincha shovqinli, beqaror va ko'p o'zgaruvchan. Noto'g'ri test tanlash, yashirin taxminlarning buzilishi va ongsiz p-hacking (istalgan natijani bermaguncha tahlil qilishga urinish) nashr etilgan biologik adabiyotlarda takrorlanish inqirozining asosiy sabablari hisoblanadi. AI to'g'ri testni tanlashga, taxminlarni tekshirishga va tahlil kodini yozishga yordam beradi; ammo statistik yaxlitlik sizning javobgarligingizdir.

Ushbu bo'limda biz umumiy statistik testlarni, taxminlarni tekshirishni va o'zingizni p-xakerlikdan himoya qilish usullarini ko'rib chiqamiz.

To'g'ri testni tanlash

Sinovni tanlash ma'lumotlarning turi va tarqalishiga bog'liq. Sun'iy intellekt sizga bu tanlovni amalga oshirishda yordam beradi, lekin uni ko'r-ko'rona qo'llamaslik kerak:

• Ikki guruh, uzluksiz ma'lumotlar, normal taqsimot: Mustaqil t-test.
• Ikki guruh, normal bo'lmagan: Mann-Whitney U (parametrik bo'lmagan: tarqatish taxminini talab qilmaydi).
• Ikkitadan ortiq guruh: ANOVA (diferensial tahlil) + post-hoc test.
• Kategorik ma'lumotlar (hisoblash): Chi-kvadrat yoki Fisherning aniq testi.
• Aloqa: Korrelyatsiya (Pirson/Spearman) yoki regressiya.

Maslahat: Sinovni tanlashdan oldin ma'lumotlarni ingl. Gistogramma yoki quti grafigi t-testi talab qiladigan normallik va chegaralarni darhol ko'rsatadi. "Avval grafik, keyin sinab ko'ring" - bu yaxshi odat.

Taxminlarni tekshirish

Har bir testda yashirin taxminlar mavjud. t-testi normal taqsimot va dispersiya tengligini nazarda tutadi; Agar ular buzilgan bo'lsa, natija noto'g'ri bo'ladi. AI ushbu taxminlarni tekshiradigan kod yozadi:

Rol: Siz biostatistik yordamchisiz. Vazifa: Ikki guruh ma'lumotlarni solishtirishdan oldin t-testining taxminlarini tekshiradigan kodni yozing: normallik (Shapiro-Wilk), dispersiya tengligi (Levene). Agar taxmin buzilgan bo'lsa, qaysi muqobil testga o'tishim kerakligini ayting. Izohlar bilan Python kodini bering.

Oddiylik buzilgan bo'lsa, kod sizni Mann-Whitneyga yo'naltiradi. Ushbu "avval tekshir, keyinroq qaror" oqimi sizni noto'g'ri test o'tkazishdan saqlaydi.

p-xakerlik va o'zingizni qanday himoya qilish kerak

p-hacking - bu p<0,05 gacha bo'lgan ma'lumotlarni turli usullarda tahlil qilish: turli xil testlarni sinab ko'rish, o'zgaruvchan qiymatlarni tanlab olib tashlash, guruhlarni qo'shish/o'chirish, ko'p sonli o'zgaruvchilar orasida nima "muhim" ekanligini xabar qilish. Bu soxta kashfiyotlarning asosiy manbai. Himoya usullari:

1. Tahlil rejasini oldindan tuzating (7-bo'lim).
2. Faqat muhimligini ko'rsatadigan testlar haqida emas, balki barcha testlar haqida xabar bering.
3. Bir nechta taqqoslashni tuzatish (FDR/Bonferroni).
4. p-qiymati yonidagi effekt hajmi va ishonch oralig'ini bering.
5. Alohida kashfiyot va tekshirish: kashfiyotlar to'plamida topilgan narsalarni mustaqil to'plamda sinab ko'ring.

Bosqichma-bosqich: halol tahlil

1. Ma'lumotlarni ingl. (tarqalish, chetga chiqish).
2. Taxminlarni tekshiring.
3. Oldindan belgilagan testni bajaring.
4. Bir nechta taqqoslashni tuzatish.
5. Hisobot effekt hajmi + ishonch oralig'i.
6. Cheklovlarni aniq yozing.

Ko‘chirish mumkin bo‘lgan shablonlar

O'tkazish qobiliyatini tasavvur qiling: har bir guruh uchun gistogrammalar va qutilar chizmalari, bayroqchalar. Keyin normallikni talqin qiling.Ma'lumotlar ustunlari: [nom]. Izohlar bilan Python kodini bering.

Men ikki guruhimni solishtirmoqchiman. Ma'lumotlarning xarakteristikalari: [turi, N, taqsimoti]. Qaysi test mos keladi? Taxminlarni tekshiring, sinovni o'tkazing, ta'sir hajmi haqida xabar bering va p-qiymati BILAN 95% ishonch oralig'i.

Men tahlilimda 15 xil genni sinab ko'rdim. Bonferroni va Benjamini-Xochberg tuzatishlarini qo'llaydigan kodni keltiring va ikkala usul o'rtasidagi farqni tushuntiring.

Zaif taklif / Kuchli taklif

Zaif: "Bu ikki guruh farq qiladimi, t-testini bajaring."

Kuchli: "Menda ikkita guruh bor (nazorat n = 18, davolash n = 20), bog'liq o'zgaruvchi ferment faolligi (uzluksiz). Avval Shapiro-Wilk bilan taqsimlanishni tasavvur qiling va normallikni sinab ko'ring. Agar normal bo'lsa, t-testini qo'llang, agar bo'lmasa, Mann-Whitney. Natijani p-qiymati, ta'sir o'lchami yoki (Cohen-9bis oralig'i) bilan hisobot qiling. Qaysi testni va nima uchun tanlaganingizni tushuntiring."

Farqi: Kuchli so'rovda ma'lumotlar turi, namuna raqamlari, taxminlarni tekshirish va to'liq hisobot so'rovi mavjud. Model t-testini ko'r-ko'rona qo'llash o'rniga to'g'ri yo'ldan boradi.

uchta mini holat

1-holati - Noto'g'ri test: Talaba sezilarli darajada egri (normal bo'lmagan) ma'lumotlarga t-testini qo'lladi va p=0,048 ni topdi. Sun'iy intellekt normallik tekshiruvini qo'shganda, ma'lumotlar normal chiqmadi; Mann-Whitney bilan, p = 0,11. Haqiqiy natija ma'nosiz edi. Dars: taxminni tekshirmasdan sinovdan o'tkazish noto'g'ri.

2-holat - Tanlangan chegaradan voz kechish: tadqiqotchi natijani mazmunli qilish uchun ikkita "cheklangan" nuqtani o'chirib tashladi. Model, cheklovni bekor qilish oldindan belgilangan qoidaga (masalan, IQR usuli) asoslanishi va xabar qilinishi kerakligini ta'kidladi; o'zboshimchalik bilan o'chirish p-hacking hisoblanadi. Dars: oldindan chetlab o'tish qoidasini belgilang.

3-holati - Ta'sir hajmini tiklash: Bir tadqiqotda p=0,001 bo'lgan, ammo ta'sir hajmi (d=0,1) deyarli nolga teng edi; katta tanlov ahamiyatsiz farqning muhimligini ko'rsatdi. Sun'iy intellekt effekt hajmi haqida xabar berganida, topilma amaliy ahamiyatga ega emasligi aniqlandi. Dars: Faqat p kichik bo'lgani uchun muhim emas.

taqqoslash jadvali

Status

to'g'ri yondashuv

Oldini olish uchun

g'ayritabiiy ma'lumotlar

Parametrik bo'lmagan test

Majburiy t-testi

ko'p sinov

Tuzatishni qo'llash

Xom p<0,05

chegaradan tashqari

Oldindan belgilangan qoida

o'zboshimchalik bilan o'chirish

muhim natija

Effekt hajmi + CI

faqat p

kashfiyot topish

Mustaqil to'plamda tasdiqlash

Bitta to'plamda yakunlang

Umumiy xatolar

• Gipotezaning nazoratsiz sinovi: noto'g'ri test bilan soxta ahamiyatga ega.
• p-hacking: kerakli natijani bermaguncha tahlil qilishga urinish.
• Faqat p-qiymati haqida xabar berish: Effekt hajmi va ishonch oralig'ini o'tkazib yuborish.
• Bir nechta taqqoslashlar uchun tuzatish kiritilmaydi: noto'g'ri ijobiy.
• Sababli bog‘lanish: korrelyatsiyadan sababiy xulosa chiqarish.

Diqqat: AI siz xohlagan natijani "ishlab chiqarmaydi", lekin agar noto'g'ri yo'l tutilgan bo'lsa, noto'g'ri test uchun kodni mamnuniyat bilan yozadi. Sizda statistik yaxlitlik bor: barcha sinovlar haqida xabar bering, tahlilni oldindan rejalashtiring, ta'sir hajmini hech qachon o'tkazib yubormang. Nashrga olib keladigan tahlillar uchun biostatistik bilan ishlang.

p-qiymatining haqiqiy ma'nosi

Biologiyada eng noto'g'ri tushunilgan tushuncha bu p-qiymati. p-qiymati "gipotezaning to'g'ri bo'lish ehtimoli" emas; Bu "farqni siz kuzatganingizdan kattaroq yoki ekstremalroq ko'rish ehtimoli, aslida hech qanday farq yo'q". Ushbu nozik, ammo tanqidiy farq natijalarni bo'rttirib yubormaslikning kalitidir. p=0,03 “ta’sir 97% real” degani emas. AI natijani talqin qilganda, u ushbu ta'rifni to'g'ri ishlatganligini tekshiring; Model ba'zan umumiy noto'g'ri talqinni takrorlashi mumkin.

Ishonch oralig'i (CI) ko'pincha p-qiymatiga qaraganda ko'proq ma'lumot beradi, chunki u ta'sirning kattaligi va noaniqligini birgalikda ko'rsatadi. "Farq 2,4 barobar (95% CI: 1,8-3,1)" "p<0,05" dan ko'ra ko'proq narsani aytadi: ta'sirning yo'nalishi, uning kattaligi va qanchalik aniq o'lchanganligi. Hisobotingizda GA ni ajratib ko'rsating.

Natijamni sharhlashda p-qiymatining to'g'ri ta'rifidan foydalaning. "Ta'sirning haqiqat bo'lish ehtimoli" kabi noto'g'ri bayonotlardan saqlaning. Buning o'rniga, amaliy ma'noni ta'sir hajmi va 95% ishonch oralig'i nuqtai nazaridan tushuntiring. Natija: [ma'lumotlar]

Korrelyatsiya, sabab va kuzatuv ma'lumotlari

Ko'pgina biologik ma'lumotlar kuzatuvga asoslangan: siz nimadir boshqa narsa bilan o'zgarib borayotganini ko'rasiz, lekin nima sabab bo'lganini ko'ra olmaysiz. "X genining ifodasi kasallik bilan bog'liq" jumlasi X kasallikni keltirib chiqarishini ko'rsatmaydi; Kasallik X ni oshirishi mumkin yoki uchinchi omil ikkalasiga ham ta'sir qilishi mumkin. Sabab bog'liqligini faqat interventsion tajriba (X ni o'zgartirish va natijani o'lchash) orqali aniqlash mumkin. AI bilmagan holda matnlaringizda sabab-oqibatli tildan (“sabablar”, “olib keladi”) foydalanishi mumkin; Kuzatuv natijalarini korrelyatsion tilda ifodalab, har bir xulosa jumlasini shu nuqtai nazardan ko'rib chiqing ("korrelyatsiya qilingan", "birgalikda o'zgaruvchan").

Juftlangan va mustaqil ma'lumotlarni ajratish

Sinov tanlashda eng ko'p e'tibordan chetda qoladigan farq bu namunalar mustaqil yoki juftlashganmi. Agar siz bir xil odamdan oldin va keyin o'lchovlarni olayotgan bo'lsangiz (masalan, davolanishdan oldin va keyin bir xil bemorlarning qon qiymatlari), bu o'lchovlar mustaqil emas; Juftlangan test talab qilinadi. Mustaqil ikki namunali t-testidan foydalanish bu erda ma'lumotlardagi moslik ma'lumotlarini yo'q qiladi va quvvatni kamaytiradi; Bu hatto natijani o'zgartirishi mumkin. Qoida oddiy: "Bu ikki o'lchov bir xil biologik birlikdan kelib chiqadimi?" Agar javob ha bo'lsa, juftlashtirilgan test (juftlangan t-test yoki Wilcoxon imzolangan daraja testi), yo'q bo'lsa, mustaqil test qo'llaniladi. Sinovlar uchun sun'iy intellektni so'raganingizda, ma'lumotlaringizning mos tuzilishini belgilab qo'ying; Agar siz aniqlamasangiz, model ko'pincha mustaqillikni qabul qiladi va noto'g'ri testni tavsiya qiladi.

Menda ikkita o'lchov to'plami bor. Muhim: bu o'lchovlar bir xil shaxslardan oldin / keyin olingan (juftlangan). Ushbu moslikni hisobga oladigan to'g'ri testni tanlang (juftlangan t-test yoki Wilcoxon), taxminlaringizni tekshiring va ta'sir hajmi bilan hisobot bering. Mustaqillik deb o'ylamang.

qisqa bayoni; yakunida

Ma'lumotlarni aniq tahlil qilish; ma'lumotlar turi uchun mos testni tanlash, taxminlarni tekshirish, bir nechta taqqoslashlarni tuzatish va p-qiymatiga qo'shimcha ravishda ta'sir hajmi va ishonch oralig'i haqida xabar berish. Eng katta xavf - bu p-xakerlik; Antidot - bu oldindan tahlil rejasi, to'liq hisobot va kashfiyot-tekshirish ajratish. Sun'iy intellekt testlarni tanlash va taxminlarni tekshirishda kuchli yordamchidir, ammo statistik yaxlitlik insonga bog'liq.

Ilova vazifasi

Ikki guruh bilan ma'lumotlar to'plamini (o'z ma'lumotlaringiz yoki namunangizni) oling. Avval ma'lumotlarni vizualizatsiya qiladigan va normallikni sinab ko'radigan AI yozish kodiga ega bo'ling. Natijaga qarab, tegishli testni (t-test yoki Mann-Whitney) qo'llang va p-qiymati bilan birga ta'sir hajmi va ishonch oralig'i haqida xabar bering. Keyin bir nechta taqqoslashlarning natijaga ta'sirini tuzatishsiz va tuzatish bilan solishtiring.

nazorat ro'yxati

• [ ] Sinovdan oldin maʼlumotlarni ingl.
• [ ] Men test taxminlarini (normallik, dispersiya) tekshirdim.
• [ ] Men tegishli testni tanladim, men t-testni ko'r-ko'rona qo'llamadim.
• [ ] Men bir nechta taqqoslashni tuzatdim.
• Men [ ] p-qiymati, shuningdek, ta'sir hajmi va ishonch oralig'i haqida xabar berdim.
• [ ] Men tahlil rejasini oldindan tuzatdim va p-xakerlikdan qochdim.