शून्य परिकल्पना कौन सी है? विज्ञान सिद्धांत, तर्क और सांख्यिकी के बीच संघर्ष?


20

अशक्त परिकल्पना को स्थापित करने में अंतर्निहित तर्क को समझने में मुझे कठिनाई हो रही है । इस उत्तर में स्पष्ट रूप से स्वीकार किए गए प्रस्ताव में कहा गया है कि अशक्त परिकल्पना इस परिकल्पना है कि कोई प्रभाव नहीं होगा, सब कुछ एक जैसा रहता है, अर्थात सूर्य के नीचे कुछ भी नया नहीं है, इसलिए बोलने के लिए।

वैकल्पिक परिकल्पना तब आप क्या साबित करने की कोशिश करते हैं, जैसे कि एक नई दवा अपने वादों पर काम करती है।

अब आने वाले विज्ञान सिद्धांत और सामान्य तर्क से हम जानते हैं कि हम केवल प्रस्तावों को गलत साबित कर सकते हैं, हम कुछ साबित नहीं कर सकते हैं (सफेद हंस की संख्या साबित नहीं कर सकती है कि सभी हंस सफेद हैं, लेकिन एक काला हंस इसे बाधित कर सकता है)। यही कारण है कि हम अशक्त परिकल्पना को खारिज करने की कोशिश करते हैं, जो वैकल्पिक परिकल्पना को साबित करने के बराबर नहीं है - और यह वह जगह है जहां मेरा संदेह शुरू होता है - मैं एक आसान उदाहरण दूंगा:

मान लीजिए कि मैं यह पता लगाना चाहता हूं कि एक पर्दे के पीछे किस तरह का जानवर है। दुर्भाग्य से मैं सीधे जानवर का निरीक्षण नहीं कर सकता, लेकिन मेरे पास एक परीक्षण है जो मुझे इस जानवर के पैरों की संख्या देता है। अब मेरे पास निम्नलिखित तार्किक तर्क हैं:

अगर जानवर कुत्ता है तो उसके 4 पैर होंगे।

अगर मैं परीक्षण करता हूं और यह पता लगाता हूं कि इसके 4 पैर हैं तो यह कोई सबूत नहीं है कि यह एक कुत्ता है (यह एक घोड़ा, राइनो या कोई अन्य 4-पैर वाला जानवर हो सकता है)। लेकिन अगर मुझे पता चलता है कि उसके 4 पैर नहीं हैं, तो यह एक निश्चित प्रमाण है कि यह कुत्ता नहीं हो सकता है (एक स्वस्थ जानवर मानकर)।

दवा के प्रभाव में अनुवादित मैं यह पता लगाना चाहता हूं कि पर्दे के पीछे दवा प्रभावी है या नहीं। केवल एक चीज मुझे मिलेगी जो एक संख्या है जो मुझे प्रभाव देती है। यदि प्रभाव सकारात्मक है, तो कुछ भी साबित नहीं होता है (4 पैर)। यदि कोई प्रभाव नहीं है, तो मैं दवा की प्रभावशीलता को नापसंद करता हूं।

यह सब कहते हुए मुझे लगता है - सामान्य ज्ञान के विपरीत - केवल मान्य शून्य परिकल्पना होनी चाहिए

दवा प्रभावी है (यानी: यदि दवा प्रभावी है तो आपको एक प्रभाव दिखाई देगा)।

क्योंकि यह एकमात्र ऐसी चीज है जिसे मैं अस्वीकार कर सकता हूं - अगले दौर तक जहां मैं और अधिक विशिष्ट होने की कोशिश करता हूं। तो यह अशक्त परिकल्पना है जो प्रभाव को बताता है और वैकल्पिक परिकल्पना डिफ़ॉल्ट ( कोई प्रभाव नहीं ) है।

ऐसा क्यों है कि सांख्यिकीय परीक्षणों से यह पीछे की ओर लगता है?

पुनश्च : आप एक मान्य समतुल्य परिकल्पना प्राप्त करने के लिए उपरोक्त परिकल्पना को नकार नहीं सकते हैं, इसलिए आप यह नहीं कह सकते हैं कि "दवा प्रभावी नहीं है" एक शून्य परिकल्पना के रूप में है क्योंकि केवल तार्किक रूप से समकक्ष रूप "होगा यदि आप कोई प्रभाव नहीं देखते हैं तो दवा नहीं होगी" प्रभावी "जो आपको कहीं नहीं लाता है क्योंकि अब निष्कर्ष यह है कि आप क्या पता लगाना चाहते हैं!

PPS : अभी तक के उत्तरों को पढ़ने के बाद स्पष्टीकरण के लिए: यदि आप वैज्ञानिक सिद्धांत को स्वीकार करते हैं, तो आप केवल बयानों को गलत साबित कर सकते हैं, लेकिन उन्हें साबित नहीं कर सकते, केवल एक चीज जो तार्किक रूप से सुसंगत है, नए सिद्धांत के रूप में शून्य परिकल्पना का चयन कर रही है - जो कि हो सकता है ग़लत साबित। क्योंकि यदि आप यथास्थिति को ग़लत साबित करते हैं तो आपको खाली हाथ छोड़ दिया जाता है (यथास्थिति अव्यवस्थित है लेकिन नए सिद्धांत को सिद्ध होने से रोक दिया जाता है!)। और यदि आप इसे गलत साबित करते हैं तो आप बेहतर स्थिति में नहीं हैं।


3
संकेत: "दवा प्रभावी है" वैज्ञानिक या सांख्यिकीय कथन होने के लिए पर्याप्त मात्रा में निर्धारित नहीं किया गया है। आप इसे मात्रात्मक कैसे बनाने जा रहे हैं?
व्हिबर

1
@ वाउचर: यह मेरी समस्याओं में से सबसे कम है: बस यह कहें कि उदाहरण के लिए रक्त की जलन 10% कम हो जाती है। मेरा तर्क है कि यह अशक्त परिकल्पना होनी चाहिए - वैकल्पिक परिकल्पना "कुछ नहीं होता" है।
vonjd

9
इसके विपरीत, यह सवाल का क्रूस है। यह आंकड़ों में पूरी तरह से ठीक है कि एक अशक्त स्थिति को प्रभावित करता है -10% है। यदि यह इसके विपरीत पर्याप्त पुख्ता सबूत पैदा करता है तो आपका प्रयोग इसे अस्वीकार कर सकेगा। ध्यान दें, हालांकि, यह (असाधारण कम्प्यूटेशनल और वैचारिक तंत्रिकाओं को छोड़कर) आप प्रति प्रयोग केवल एक ही परिकल्पना का परीक्षण कर सकते हैं। ध्यान दें, यह भी कि यह एक दुर्लभ प्रयोगकर्ता है जो जानता है कि वास्तव में प्रभाव का आकार क्या होगा (लेकिन अभी भी इसे परीक्षण करने की आवश्यकता महसूस होती है!)।
व्हिबर

3
ठीक है, दवा परीक्षणों के साथ आमतौर पर अशक्त है "दवा वर्तमान उपचार की तुलना में अधिक प्रभावी नहीं है" और विकल्प है "दवा वर्तमान उपचार की तुलना में अधिक प्रभावी है।" एक अंतर्निहित प्रभाव आकार है, संयोग से। इस सूत्रीकरण के साथ, दवा की प्रभावकारिता के लिए सबूत अशक्त अस्वीकार कर सकते हैं। परिकल्पना की अदला-बदली करने पर, प्रभावकारिता के लिए सबूत केवल इस दावे को खारिज करने से हतोत्साहित करता है कि दवा अच्छी है। पहले मामले में सबूत का बोझ कहीं अधिक कठोर है।
व्हीबर

1
@vonjd: आप कहते हैं, "यदि आप यथास्थिति को गलत मानते हैं तो आप खाली हाथ रह जाते हैं"। गलत। यदि हम गुणात्मक निर्णय "कुत्ता" / "कुत्ता नहीं" बना रहे हैं, तो यह सच है कि "कुत्ते को नहीं" सबूत प्रदान करना "कुत्ते" के लिए विशेष रूप से मजबूत सबूत नहीं है। हालांकि, यह चीजों को मात्रा देने का मूल्य है। अगर मैं "नहीं 0" का सबूत प्रदान करता हूं तो यह 0. के अलावा कुछ और होने के मूल्य के लिए अच्छा सबूत प्रदान करता है। यदि आप चिंतित हैं कि एक अच्छा प्रभाव और बुरे प्रभाव के लिए समान सबूत प्रदान करता है, तो एक-पूंछ वाले परीक्षण का उपयोग करें।
russellpierce

जवाबों:


12

आँकड़ों में तुल्यता के परीक्षण के साथ-साथ अधिक सामान्य परीक्षण नल का परीक्षण करते हैं और तय करते हैं कि इसके खिलाफ पर्याप्त सबूत हैं या नहीं। समतुल्यता परीक्षण इसे अपने सिर पर घुमाता है और मानता है कि प्रभाव नल के रूप में भिन्न हैं और हम निर्धारित करते हैं कि क्या इस नल के खिलाफ पर्याप्त सबूत हैं।

मैं आपकी दवा के उदाहरण पर स्पष्ट नहीं हूं। यदि प्रतिक्रिया प्रभाव का एक मान / सूचक है, तो 0 का प्रभाव प्रभावी नहीं होने का संकेत देगा। एक कि अशक्त के रूप में सेट और इस के खिलाफ सबूत का मूल्यांकन करेंगे। यदि प्रभाव शून्य से पर्याप्त रूप से भिन्न है, तो हम निष्कर्ष निकालेंगे कि डेटा के साथ कोई प्रभावशीलता परिकल्पना असंगत नहीं है। दो-पूंछ वाला परीक्षण नल के खिलाफ सबूत के रूप में प्रभाव के पर्याप्त नकारात्मक मूल्यों की गणना करेगा। एक पूंछ वाला परीक्षण, प्रभाव सकारात्मक है और शून्य से पर्याप्त रूप से अलग है, एक अधिक दिलचस्प परीक्षण हो सकता है।

यदि आप परीक्षण करना चाहते हैं यदि प्रभाव 0 है, तो हमें इसे चारों ओर फ्लिप करना होगा और एक समतुल्यता परीक्षण का उपयोग करना होगा जहां H0 प्रभाव शून्य के बराबर नहीं है, और विकल्प यह है कि H1 = प्रभाव = 0. इस विचार के खिलाफ सबूतों का मूल्यांकन करेगा कि प्रभाव 0 से अलग था।


9
इस मुद्दे का एक हिस्सा यह है कि, IIRC, कारण हम नो-इफेक्ट का चयन करते हैं क्योंकि अशक्त है क्योंकि उस प्रभाव के लिए पैरामीटर ज्ञात है, यह है 0। यदि आप इसे चारों ओर मोड़ना चाहते हैं और अशक्त के रूप में कुछ गैर-शून्य प्रभाव है, तो हमें पहले से यह जानना होगा कि इस पैरामीटर का मान पूरी आबादी के लिए क्या था, और अगर हम पैरामीटर के लिए मान जानते थे जनसंख्या परीक्षण में कोई मतलब नहीं होगा।
मोनिका - जी। सिम्पसन

खैर, ऐसा लगता है कि हमें वैकल्पिक परिकल्पना के साथ एक ही समस्या होगी (हम वहां पैरामीटर नहीं जानते हैं)। तो मेरा सवाल है: क्यों नहीं दोनों की अदला-बदली? यह तार्किक रूप से अधिक सुसंगत लगता है।
vonjd

मैं दूसरों को तुल्यता परीक्षणों पर टिप्पणी करने देता हूँ। वे मानक परीक्षणों में केवल परिकल्पना की अदला-बदली नहीं कर रहे हैं, लेकिन मैं उन विचारों से परिचित नहीं हूं। मुझे नहीं लगता कि आप सही हैं कि समतुल्यता परीक्षण मेरे द्वारा टिप्पणियों में बताई गई समस्या से ग्रस्त हैं। वे एक बहुत अलग सैद्धांतिक दृष्टिकोण से तैयार किए गए हैं।
मोनिका को बहाल करें - जी। सिम्पसन

5

मुझे लगता है कि यह एक और मामला है, जहां लगातार आंकड़े उस सवाल का सीधा जवाब नहीं दे सकते हैं जो आप वास्तव में पूछना चाहते हैं, और इसलिए उत्तर (नहीं तो) सूक्ष्मता से अलग सवाल है, और इसका सीधा जवाब देना गलत है। प्रश्न आप वास्तव में पूछना चाहते थे।

हम वास्तव में पूछना चाहते हैं कि सामान्य रूप से क्या संभावना है कि वैकल्पिक परिकल्पना सच है (या शायद कितना अधिक सच होने की संभावना है, यह शून्य परिकल्पना की तुलना में है)। हालाँकि एक बार-बार होने वाला विश्लेषण मौलिक रूप से इस प्रश्न का उत्तर नहीं दे सकता है, क्योंकि एक व्यक्ति के लिए प्रायिकता एक लंबी अवधि की आवृत्ति है, और इस मामले में हम एक विशेष परिकल्पना की सच्चाई में रुचि रखते हैं, जिसमें एक लंबी दौड़ आवृत्ति नहीं होती है - यह या तो है सच है या यह नहीं है। दूसरी तरफ एक बायेसियन सीधे इस सवाल का जवाब दे सकता है , जैसा कि ए बायेसियन एक संभावना कुछ प्रस्ताव की बहुलता का एक उपाय है, इसलिए एक विशेष परिकल्पना की सच्चाई को एक संभावना प्रदान करने के लिए बायेसियन विश्लेषण में यह पूरी तरह से उचित है।

जिस तरह से फ्रिक्वेंट डील डील होती है, वह कुछ (संभवतः काल्पनिक) आबादी से एक नमूना के रूप में व्यवहार करना है और विशेष नमूने के बारे में एक बयान के स्थान पर उस आबादी के बारे में एक बयान करना है। उदाहरण के लिए, यदि आप इस संभावना को जानना चाहते हैं कि एक विशेष सिक्का पक्षपाती है, तो एन फ्लैप्स और एच हेड्स और टेल्स का अवलोकन करने के बाद, एक निरंतर विश्लेषण उस प्रश्न का उत्तर नहीं दे सकता है, हालांकि वे आपको वितरण के सिक्कों के अनुपात को बता सकते हैं निष्पक्ष सिक्के जो एन बार फ़्लिप होने पर एच या अधिक सिर देंगे। जैसा कि हम रोजमर्रा की जिंदगी में उपयोग होने वाली प्रायिकता की प्राकृतिक परिभाषा के रूप में आमतौर पर एक बायिसियन है, एक बार-बार होने वाले के बजाय, यह व्यवहार करना बहुत आसान है कि यह असंभवता है कि अशक्त परिकल्पना (सिक्का निष्पक्ष है) सत्य है।

अनिवार्य रूप से बार-बार होने वाली परिकल्पना परीक्षणों में एक अंतर्निहित विषयवादी बायेसियन घटक होता है जो इसके दिल में छिप जाता है। बार-बार होने वाला परीक्षण आपको एक परिकल्पना को शून्य परिकल्पना के तहत चरम रूप से देखने की संभावना बता सकता है, हालांकि उन आधारों पर शून्य परिकल्पना को अस्वीकार करने का निर्णय पूरी तरह से व्यक्तिपरक है, ऐसा करने के लिए आपके लिए कोई तर्कसंगत आवश्यकता नहीं है। Essentiall के अनुभव से पता चला है कि हम आमतौर पर ठोस रूप से ठोस जमीन पर होते हैं ताकि नल को अस्वीकार कर दिया जा सके यदि पी-मान जानबूझकर छोटा हो (फिर से दहलीज व्यक्तिपरक है), इसलिए यह परंपरा है। AFAICS यह विज्ञान के दर्शन या सिद्धांत में अच्छी तरह से फिट नहीं है, यह अनिवार्य रूप से एक अनुमान है।

इसका मतलब यह नहीं है कि यह एक बुरी बात है, हालांकि इसकी खामियों के बावजूद लगातार परिकल्पना परीक्षण एक बाधा प्रदान करता है जो हमारे शोध को खत्म करना चाहिए, जो हमें वैज्ञानिकों के रूप में हमारे आत्म-संदेह को बनाए रखने में मदद करता है और हमारे सिद्धांतों के साथ उत्साह से दूर नहीं किया जाता है। इसलिए जब मैं दिल में एक बायेसियन हूं, तब भी मैं नियमित आधार पर फ़्रीक्वेंसी हाइपोथिसिस परीक्षण का उपयोग करता हूं (कम से कम जब तक जर्नल समीक्षक बेयसेन विकल्प के साथ सहज नहीं होते हैं)।


3

गैविन के जवाब में जोड़ने के लिए, कुछ बातें:

सबसे पहले, मैंने यह विचार सुना है कि प्रस्तावों को केवल गलत ठहराया जा सकता है, लेकिन कभी भी साबित नहीं किया जाता है। क्या आप इसके बारे में चर्चा करने के लिए एक लिंक पोस्ट कर सकते हैं, क्योंकि हमारे शब्दांकन के साथ यह बहुत अच्छी तरह से पकड़ में नहीं आता है - यदि X एक प्रस्ताव है, तो नहीं (X) एक प्रस्ताव भी है। यदि प्रस्ताव को अस्वीकार करना संभव है, तो X को साबित नहीं करना (X) को सिद्ध करने के समान है, और हमने एक प्रस्ताव सिद्ध किया है।

test+

दवा प्रभावी है (यानी: यदि दवा प्रभावी है तो आपको एक प्रभाव दिखाई देगा)।

test+test+H0 । लेकिन एक प्रभावी दवा एक सकारात्मक परीक्षण नहीं करती है; जब दवा प्रभावी होती है और विचरण अधिक होता है तो परीक्षण में प्रभाव डाला जा सकता है।

test+H0test+H0 ) <0.05 हो।

तो कुत्ते के मामले और प्रभावशीलता के मामले के बीच का अंतर सबूत से निष्कर्ष तक निष्कर्ष की उपयुक्तता में है। कुत्ते के मामले में, आपने कुछ ऐसे सबूत देखे हैं जो कुत्ते को दृढ़ता से प्रभावित नहीं करते हैं। लेकिन क्लिनिकल ट्रायल केस में आपने कुछ ऐसे सबूत देखे हैं जो प्रभावोत्पादकता को प्रबल रूप से प्रभावित करते हैं।


1
धन्यवाद। यदि आप स्वीकार करते हैं कि आप केवल बयानों को गलत साबित कर सकते हैं, लेकिन उन्हें साबित नहीं कर सकते (एक सेकंड में लिंक) तो केवल एक चीज जो तार्किक रूप से सुसंगत है, नए सिद्धांत के रूप में अशक्त परिकल्पना का चयन कर रही है - जिसे बाद में गलत माना जा सकता है। यदि आप यथास्थिति को झूठा ठहराते हैं तो आपको खाली हाथ छोड़ दिया जाता है (यथास्थिति अव्यवस्थित है लेकिन नए सिद्धांत को सिद्ध होने से!)। अब लिंक के लिए, मुझे लगता है कि एक अच्छा प्रारंभिक बिंदु होगा: en.wikipedia.org/wiki/Falsifiable
vonjd

2
मुझे लगता है कि यहां उल्लेख करने के लिए एक बिंदु यह है कि आप अशक्त परिकल्पना को साबित या बाधित नहीं कर रहे हैं। आप जो निर्णय कर रहे हैं (शास्त्रीय रूप से) उसे बनाए रखने या अशक्त परिकल्पना को अस्वीकार करने के लिए। जब आप अशक्त परिकल्पना को अस्वीकार कर देते हैं तो आप उसे अस्वीकार नहीं कर रहे हैं। आप सभी कह रहे हैं कि, देखे गए आंकड़ों को देखते हुए, शून्य परिकल्पना की संभावना नहीं है।
rusellpierce

@drknexus: ठीक है, क्या आप इस बात से सहमत नहीं होंगे कि यह तर्क में मिथ्याकरण की संभावना के बराबर है?
vonjd

4
@drnenexus यह कहना अधिक सटीक नहीं होगा कि "देखे गए आंकड़ों को देखते हुए, अशक्त परिकल्पना की संभावना नहीं है" बल्कि "यदि अशक्त परिकल्पना सत्य है तो यह डेटा संभावना नहीं है"? सांख्यिकीय परिकल्पना परीक्षण में उन दो क्लासिक गलती को स्वीकार नहीं कर रहा है?
माइकल मैकगोवन

1
MM: तुम सही हो। मैं अपने शब्दों में मैला हो गया।
russellpierce

3

आप सही हैं कि, एक अर्थ में, लगातार परिकल्पना परीक्षण के पीछे यह है। मैं यह नहीं कह रहा हूं कि यह दृष्टिकोण गलत है, बल्कि यह है कि परिणाम अक्सर उन सवालों के जवाब देने के लिए डिज़ाइन नहीं किए जाते हैं जो शोधकर्ता सबसे अधिक रुचि रखते हैं। यदि आप वैज्ञानिक पद्धति के समान एक तकनीक चाहते हैं, तो बायेसियन निष्कर्ष देखें

एक "शून्य परिकल्पना" के बारे में बात करने के बजाय जिसे आप अस्वीकार कर सकते हैं या अस्वीकार करने में असफल हो सकते हैं, बेयसियन इंट्रेंस के साथ आप हाथ में स्थिति की अपनी समझ के आधार पर एक पूर्व संभाव्यता वितरण के साथ शुरू करते हैं। जब आप नए साक्ष्य प्राप्त करते हैं, तो बायेसियन इंट्रेंस आपके खाते में लिए गए साक्ष्यों के साथ आपकी धारणा को अद्यतन करने के लिए एक रूपरेखा प्रदान करता है। मुझे लगता है कि यह विज्ञान कैसे काम करता है के समान है।


3

मुझे लगता है कि आपको यहां एक मौलिक त्रुटि मिली है (यह नहीं कि परिकल्पना परीक्षण का पूरा क्षेत्र स्पष्ट है!) लेकिन आप कहते हैं कि विकल्प वही है जिसे हम साबित करने का प्रयास करते हैं। लेकिन यह सही नहीं है। हम अशक्त (अस्वीकार) को अस्वीकार करने का प्रयास करते हैं। यदि हमें प्राप्त होने वाले परिणाम बहुत कम होने की संभावना है यदि अशक्त सही थे, तो हम अशक्त को अस्वीकार करते हैं।

अब, जैसा कि दूसरों ने कहा है, यह आमतौर पर वह सवाल नहीं है जिसे हम पूछना चाहते हैं: हम आमतौर पर परवाह नहीं करते हैं कि परिणाम कितने संभावित हैं यदि अशक्त सही है, तो हम परवाह करते हैं कि परिणाम कितना संभावित है।


3

अगर मैं आपको सही तरीके से समझ रहा हूं, तो आप स्वर्गीय, पॉल पॉल मेथेल के साथ समझौता कर रहे हैं। देख

मेहल, पीई (1967)। मनोविज्ञान और भौतिकी में सिद्धांत-परीक्षण: एक पद्धतिगत विरोधाभासदर्शन शास्त्र , 34 : 103-115।


6
क्या आप इस उत्तर को थोड़ा विकसित करना चाहेंगे?
chl

लिंक मर चुका है :-(
vonjd

लिंक ठीक किया गया।
peuhp

2

मैं पॉल मीहल के उल्लेख पर @ डॉक द्वारा विस्तार करूंगा:

1) अपने शोध परिकल्पना के विपरीत परीक्षण करना क्योंकि अशक्त परिकल्पना इसे बनाती है इसलिए आप केवल उस परिणाम की पुष्टि कर सकते हैं जो "औपचारिक रूप से अमान्य" तर्क है। निष्कर्ष आवश्यक रूप से आधार से पालन नहीं करता है।

If Bill Gates owns Fort Knox, then he is rich.
Bill Gates is rich.
Therefore, Bill Gates owns Fort Knox.

http://rationalwiki.org/wiki/Affirming_the_consequent

यदि सिद्धांत है "यह दवा वसूली में सुधार करेगी" और आप बेहतर वसूली का निरीक्षण करते हैं इसका मतलब यह नहीं है कि आप कह सकते हैं कि आपका सिद्धांत सही है। बेहतर वसूली की उपस्थिति किसी अन्य कारण से हो सकती है। रोगियों या जानवरों के कोई दो समूह बेसलाइन पर बिल्कुल समान नहीं होंगे और अध्ययन के दौरान समय के साथ और बदलेंगे। यह प्रायोगिक अनुसंधान की तुलना में अवलोकन के लिए एक बड़ी समस्या है क्योंकि बेसलाइन के आधार पर अज्ञात भ्रमित कारकों के गंभीर असंतुलन के खिलाफ यादृच्छिककरण "बचाव" करता है। हालांकि, यादृच्छिककरण वास्तव में समस्या का समाधान नहीं करता है। यदि भ्रम अज्ञात हैं तो हमारे पास यह बताने का कोई तरीका नहीं है कि "यादृच्छिकता रक्षा" किस हद तक सफल रही है।

इसके अलावा तालिका 14.1 देखें और इस पर कोई सिद्धांत क्यों नहीं परीक्षण किया जा सकता है इसकी चर्चा (हमेशा सहायक कारक हैं जो टैग के साथ हैं):

पॉल मेहाल। "समस्या महामारी विज्ञान है, सांख्यिकी नहीं: आत्मविश्वास अंतरालों द्वारा महत्वपूर्ण परीक्षणों को बदलें और जोखिमपूर्ण संख्यात्मक भविष्यवाणियों की सटीकता निर्धारित करें" महामारी विज्ञान है, रिप्लेसमेंट भरे मात्रा निर्धारित करें एलएल हार्लो, एसए मुलिक और जेएच स्टीगर (एडीएस) में, क्या होगा यदि कोई महत्वपूर्ण परीक्षण नहीं थे? (पीपी। 393–425) महवा, एनजे: एर्लबम, 1997।

2) यदि कुछ प्रकार के पूर्वाग्रह पेश किए जाते हैं (जैसे, कुछ भ्रमित कारकों पर असंतुलन) तो हमें नहीं पता कि यह पूर्वाग्रह किस दिशा में झूठ होगा या यह कितना मजबूत है। सबसे अच्छा अनुमान हम दे सकते हैं कि उच्च वसूली की दिशा में उपचार समूह को पूर्वाग्रह करने का 50% मौका है। जैसा कि नमूना आकार बड़ा हो जाता है, वहाँ भी 50% संभावना है कि आपका महत्व परीक्षण इस अंतर का पता लगाएगा और आप डेटा को अपने सिद्धांत के आधार के रूप में व्याख्या करेंगे।

यह स्थिति एक शून्य परिकल्पना के मामले से पूरी तरह से अलग है कि "यह दवा x% द्वारा वसूली में सुधार करेगी"। इस मामले में किसी भी पूर्वाग्रह (जो मैं जानवरों और मनुष्यों के समूहों की तुलना में हमेशा मौजूद होता हूं) की उपस्थिति आपके लिए अपने सिद्धांत को अस्वीकार करने की अधिक संभावना बनाती है।

"अंतरिक्ष" के बारे में सोचें (Meehl इसे "स्पिल्रामम" कहता है) संभव सबसे चरम मापों से बंधे हुए संभावित परिणाम। शायद 0-100% वसूली हो सकती है, और आप 1% के संकल्प के साथ माप सकते हैं। सामान्य महत्व के परीक्षण के मामले में, आपके सिद्धांत के अनुरूप स्थान आपके द्वारा देखे जा सकने वाले संभावित परिणामों का 99% होगा। मामले में जब आप एक विशिष्ट अंतर की भविष्यवाणी करते हैं तो आपके सिद्धांत के अनुरूप स्थान संभावित परिणामों का 1% होगा।

इसे लगाने का एक और तरीका यह है कि माध्य 1 = माध्य 2 की एक अशक्त परिकल्पना के खिलाफ सबूत ढूंढना शोध परिकल्पना का गंभीर परीक्षण नहीं है कि कोई दवा कुछ करती है। मीन 1 <मीन 2 का एक नल बेहतर है लेकिन फिर भी बहुत अच्छा नहीं है।

यहाँ आंकड़ा 3 और 4 देखें: (1990)। सिद्धांतों का मूल्यांकन और संशोधन: लैकटोसियन रक्षा की रणनीति और दो सिद्धांतों का उपयोग करके वारंट । मनोवैज्ञानिक पूछताछ, 1, 108-141, 173-180


0

क्या सभी आँकड़े इस धारणा पर आधारित नहीं हैं कि प्राकृतिक दुनिया में कुछ भी निश्चित नहीं है (जैसा कि गेम और सी की मानव निर्मित दुनिया से अलग है)। दूसरे शब्दों में, जिस तरह से हम इसे समझने के करीब पहुंच सकते हैं वह संभावना को मापने के द्वारा होता है कि एक चीज दूसरे के साथ संबंध रखती है और यह 0 और 1 के बीच भिन्न होती है लेकिन केवल 1 हो सकता है यदि हम परिकल्पना का परीक्षण कर सकते हैं अनंत बार एक संख्या में विभिन्न परिस्थितियों की अनंत संख्या, निश्चित रूप से असंभव है। और हम कभी नहीं जान सकते कि यह उसी कारण से शून्य था। यह गणित की तुलना में प्रकृति की वास्तविकता को समझने के लिए एक अधिक विश्वसनीय दृष्टिकोण है, जो निरपेक्षता में सौदा करता है और ज्यादातर समीकरणों पर निर्भर करता है, जिसे हम आदर्शवादी मानते हैं क्योंकि यदि, वस्तुतः, एक समीकरण का एलएच पक्ष = आरएच पक्ष, दो पक्ष उलटा हो सकता है और हम कुछ भी नहीं सीखेंगे। कड़ाई से बोलते हुए यह केवल एक स्थिर दुनिया पर लागू होता है, न कि एक 'प्राकृतिक' जो आंतरिक रूप से अशांत है। इसलिए, शून्य परिकल्पना को गणित को भी समझना चाहिए - जब भी इसका उपयोग प्रकृति को समझने के लिए किया जाता है।


0

मुझे लगता है कि समस्या 'सत्य' शब्द में है। प्राकृतिक दुनिया की वास्तविकता सहज रूप से ज्ञात नहीं है क्योंकि यह समय के साथ असीम रूप से जटिल और असीम रूप से परिवर्तनशील है, इसलिए प्रकृति पर लागू 'सत्य' हमेशा सशर्त होता है। सभी हम कर सकते हैं दोहराया प्रयोग द्वारा चर के बीच संभावित पत्राचार के स्तर को खोजने की कोशिश करते हैं। वास्तविकता का बोध कराने के हमारे प्रयास में, हम इसके लिए आदेश की तरह लग रहे हैं और हमारे दिमाग में वैचारिक रूप से जागरूक मॉडल का निर्माण करने में मदद करने के लिए हमें समझदार निर्णय लेने में मदद करते हैं लेकिन यह बहुत हिट-एंड-मिस चक्कर है क्योंकि वहाँ हमेशा है अप्रत्याशित। वास्तविकता की समझ बनाने के हमारे प्रयास में अशक्त परिकल्पना एकमात्र विश्वसनीय प्रारंभिक बिंदु है।


1
मुझे लगता है कि आपको अपने दो उत्तर मिलाने चाहिए।
वॉनजड

-1

हमें अशक्त परिकल्पना का चयन करना चाहिए जिसे हम अस्वीकार करना चाहते हैं।

क्योंकि हमारे परिकल्पना परीक्षण परिदृश्य में, एक महत्वपूर्ण क्षेत्र है, यदि परिकल्पना के तहत क्षेत्र महत्वपूर्ण क्षेत्र में आता है, तो हम परिकल्पना को अस्वीकार करते हैं अन्यथा हम परिकल्पना को स्वीकार करते हैं।

तो मान लीजिए कि हम अशक्त परिकल्पना का चयन करते हैं, जिसे हम स्वीकार करना चाहते हैं। और अशक्त परिकल्पना के तहत क्षेत्र महत्वपूर्ण क्षेत्र के अंतर्गत नहीं आता है, इसलिए हम अशक्त परिकल्पना को स्वीकार करेंगे। लेकिन यहाँ समस्या यह है कि यदि शून्य परिकल्पना के तहत क्षेत्र स्वीकार्य क्षेत्र के अंतर्गत आता है, तो इसका मतलब यह नहीं है कि वैकल्पिक परिकल्पना के तहत क्षेत्र स्वीकार्य क्षेत्र के अंतर्गत नहीं आएगा। और अगर ऐसा है तो परिणाम के बारे में हमारी व्याख्या गलत होगी। इसलिए हमें केवल उस परिकल्पना को एक शून्य परिकल्पना के रूप में लेना चाहिए जिसे हम अस्वीकार करना चाहते हैं। यदि हम अशक्त परिकल्पना को अस्वीकार करने में सक्षम हैं, तो इसका मतलब है कि वैकल्पिक परिकल्पना सच है। लेकिन अगर हम अशक्त परिकल्पना को अस्वीकार करने में सक्षम नहीं हैं, तो इसका मतलब है कि दोनों परिकल्पनाओं में से कोई भी सही हो सकता है। फिर हम एक और परीक्षा ले सकते हैं, जिसमें हम अपनी वैकल्पिक परिकल्पना को शून्य परिकल्पना के रूप में ले सकते हैं, और फिर हम इसे अस्वीकार करने का प्रयास कर सकते हैं। यदि हम वैकल्पिक परिकल्पना को अस्वीकार करने में सक्षम हैं (जो अब अशक्त परिकल्पना है।), तो हम कह सकते हैं कि हमारी प्रारंभिक अशक्त परिकल्पना सच थी।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.