मैं अपने सिर को चारों ओर लपेटने की कोशिश कर रहा हूं कि कैसे झूठी डिस्कवरी दर (एफडीआर) को व्यक्तिगत शोधकर्ता के निष्कर्ष को सूचित करना चाहिए। उदाहरण के लिए, यदि आपका अध्ययन कमज़ोर है, तो क्या आपको α = पर महत्वपूर्ण होने पर भी अपने परिणामों को छूट देनी चाहिए? नोट: मैं एफडीआर के बारे में समग्र अध्ययन में कई अध्ययनों के परिणामों की जांच करने के संदर्भ में बात कर रहा हूं,नकि कई परीक्षण सुधारों के लिए एक विधि के रूप में।
(हो सकता है उदार) धारणा बनाना है कि परीक्षण किया परिकल्पना की वास्तव में सही हैं, एफडीआर दोनों प्रकार की एक समारोह है मैं और द्वितीय त्रुटि दरों टाइप इस प्रकार है:
यह इस कारण से है कि यदि कोई अध्ययन पर्याप्त रूप से कम आंका गया है , तो हमें परिणामों पर भरोसा नहीं करना चाहिए, भले ही वे महत्वपूर्ण हों, जितना कि हम एक पर्याप्त रूप से संचालित अध्ययन के हैं। इसलिए, जैसा कि कुछ सांख्यिकीविद् कहेंगे , ऐसी परिस्थितियाँ हैं जिनके तहत, "लंबे समय में", हम कई महत्वपूर्ण परिणामों को प्रकाशित कर सकते हैं जो कि यदि हम पारंपरिक दिशानिर्देशों का पालन करते हैं तो झूठा है। यदि अनुसंधान के एक निकाय को निरंतर कम अध्ययन (जैसे, उम्मीदवार जीन पिछले दशक पर्यावरण बातचीत साहित्य ) की विशेषता है, तो भी महत्वपूर्ण निष्कर्षों पर संदेह किया जा सकता है।
आर संकुल को लागू करने extrafont, ggplot2और xkcd, मैं इस उपयोगी एक रूप में की अवधारणा हो सकता है लगता है परिप्रेक्ष्य के मुद्दे:
इस जानकारी को देखते हुए, एक व्यक्तिगत शोधकर्ता को आगे क्या करना चाहिए ? अगर मुझे इस बात का अंदाजा है कि जो प्रभाव मैं पढ़ रहा हूं उसका आकार क्या होना चाहिए (और इसलिए का एक अनुमान - β , मेरा नमूना आकार दिया गया), तो क्या मुझे एफडीआर = .05 तक अपना α स्तर समायोजित करना चाहिए ? क्या मुझे α = .05 स्तर पर परिणाम प्रकाशित करना चाहिए, भले ही मेरी पढ़ाई कमज़ोर हो और साहित्य के उपभोक्ताओं के लिए FDR पर विचार छोड़ दें?
मुझे पता है कि यह एक ऐसा विषय है जिस पर इस साइट और सांख्यिकी साहित्य दोनों में अक्सर चर्चा की गई है, लेकिन मुझे इस मुद्दे पर एक आम सहमति नहीं मिल सकती है।
संपादित करें: @ अमीबा की टिप्पणी के जवाब में, एफडीआर मानक प्रकार I / प्रकार II त्रुटि दर आकस्मिक तालिका (इसकी कुरूपता को क्षमा करें) से प्राप्त की जा सकती है:
| |Finding is significant |Finding is insignificant |
|:---------------------------|:----------------------|:------------------------|
|Finding is false in reality |alpha |1 - alpha |
|Finding is true in reality |1 - beta |beta |
इसलिए, यदि हमें एक महत्वपूर्ण खोज (स्तंभ 1) के साथ प्रस्तुत किया जाता है, तो यह मौका कि यह वास्तविकता में गलत है, स्तंभ के योग पर अल्फा है।
लेकिन हाँ, हम (पूर्व) संभावना को प्रतिबिंबित करने के कि किसी दिए गए परिकल्पना सच है, हालांकि अध्ययन शक्ति एफडीआर की हमारी परिभाषा संशोधित कर सकते हैं अभी भी एक भूमिका निभाता है:
