फरवरी 2016 में, अमेरिकी सांख्यिकीय एसोसिएशन ने सांख्यिकीय महत्व और पी-मूल्यों पर एक औपचारिक बयान जारी किया। इसके बारे में हमारे सूत्र ने इन मुद्दों पर व्यापक चर्चा की। हालाँकि, कोई भी प्राधिकारी अब तक एक सार्वभौमिक मान्यता प्राप्त प्रभावी विकल्प की पेशकश करने के लिए आगे नहीं आया है - अब तक। अमेरिकन स्टेटिस्टिकल सोसाइटी (ASS) ने अपनी प्रतिक्रिया, पी-वैल्यू प्रकाशित की है : आगे क्या है?
"पी-मान ज्यादा के लिए अच्छा नहीं है।"
हमें लगता है कि एएसए पर्याप्त दूर नहीं गया। यह स्वीकार करने का समय है कि पी-मूल्यों का युग समाप्त हो गया है। सांख्यिकीविदों ने उन्हें हर जगह अंडरग्रेजुएट्स, ट्रिक वैज्ञानिकों और मूर्ख संपादकों को चकमा देने के लिए सफलतापूर्वक इस्तेमाल किया है, लेकिन दुनिया इस रज़्यू के माध्यम से देखना शुरू कर रही है। हमें निर्णय लेने को नियंत्रित करने के लिए सांख्यिकीविदों द्वारा 20 वीं शताब्दी के शुरुआती प्रयास को छोड़ने की आवश्यकता है। हमें वास्तव में काम करने के लिए वापस लौटने की आवश्यकता है ।
ASS का आधिकारिक प्रस्ताव यह है:
पी-मूल्यों के स्थान पर, ASS STOP (SeaT-to-पैंट प्रक्रिया) की वकालत करता है । इस समय सम्मानित और -tested पद्धति का उपयोग प्राचीन यूनानियों, पुनर्जागरण पुरुषों और सभी वैज्ञानिकों द्वारा किया गया था जब तक कि रोनाल्ड फिशर ने साथ नहीं आया और चीजों को बर्बाद कर दिया। STOP सरल, प्रत्यक्ष, डेटा-चालित और आधिकारिक है। इसे बाहर ले जाने के लिए, एक अथॉरिटी फिगर (वरीयता से एक बड़ा पुरुष) डेटा की समीक्षा करता है और निर्णय लेता है कि क्या वे उसकी राय से सहमत हैं। जब वह निर्णय लेता है कि वे क्या करते हैं, तो परिणाम "महत्वपूर्ण" होता है, अन्यथा यह पूरी तरह से नहीं है और हर किसी को पूरी बात भूलना चाहिए।
सिद्धांतों
प्रतिक्रिया एएसए के छह सिद्धांतों में से प्रत्येक को संबोधित करती है।
STOP यह संकेत दे सकता है कि एक निर्दिष्ट सांख्यिकीय मॉडल के साथ डेटा कितना असंगत है।
हम इस वाक्यांश को पसंद करते हैं क्योंकि यह कहने का एक फैंसी तरीका है कि STOP किसी भी प्रश्न का उत्तर हाँ या नहीं में देगा। पी-वैल्यू या अन्य सांख्यिकीय प्रक्रियाओं के विपरीत, यह कोई संदेह नहीं छोड़ता है। यह उन लोगों के लिए एकदम सही प्रतिक्रिया है, जो कहते हैं कि "हमें किसी बदबूदार अशक्त परिकल्पना की आवश्यकता नहीं है!" क्या *?! @ है, वैसे भी? कोई भी कभी भी यह पता नहीं लगा सका कि यह क्या होना चाहिए था। ”
STOP इस संभावना को नहीं मापता है कि एक परिकल्पना सच है: यह वास्तव में तय करता है कि यह सच है या नहीं।
हर कोई संभावनाओं से भ्रमित है। तस्वीर से संभावना निकालकर, STOP स्नातक और स्नातक अध्ययन के वर्षों की आवश्यकता को समाप्त करता है। अब कोई भी (जो पर्याप्त रूप से बूढ़ा और पुरुष है) बिना एक भी सांख्यिकीय व्याख्यान या रनिंग आर्कान सॉफ्टवेयर के सुनने के दर्द और यातना के बिना सांख्यिकीय विश्लेषण कर सकता है जो अनजाने में आउटपुट को फैलाता है।
वैज्ञानिक निष्कर्ष और व्यापार या नीतिगत निर्णय सामान्य ज्ञान और वास्तविक प्राधिकरण के आंकड़ों पर आधारित हो सकते हैं।
महत्वपूर्ण निर्णय हमेशा अधिकारियों द्वारा किए गए हैं, वैसे भी, तो चलो इसे स्वीकार करते हैं और बिचौलियों को काटते हैं। एसटीओपी का उपयोग सांख्यिकीविदों को वह करने के लिए स्वतंत्र होगा जो वे इसके लिए सबसे उपयुक्त हैं: संख्याओं का उपयोग सच्चाई को बाधित करने और सत्ता में उन लोगों की वरीयताओं को पवित्र करने के लिए।
उचित अनुमान के लिए पूर्ण रिपोर्टिंग और पारदर्शिता की आवश्यकता होती है।
STOP अब तक की गई सबसे पारदर्शी और स्व-स्पष्ट सांख्यिकीय प्रक्रिया है: आप डेटा को देखते हैं और आप तय करते हैं। यह उन सभी भ्रामक z- परीक्षणों, टी-परीक्षणों, ची-स्क्वेर्ड परीक्षणों, और वर्णमाला सूप प्रक्रियाओं (ANOVA! GLM! MLE!) को लोगों द्वारा उपयोग किए गए तथ्य को छिपाने के लिए उपयोग करता है कि उनके पास कोई सुराग नहीं है कि डेटा का क्या मतलब है।
STOP परिणाम के महत्व को मापता है।
यह स्वयं स्पष्ट है: यदि प्राधिकरण का कोई व्यक्ति STOP नियुक्त करता है, तो परिणाम महत्वपूर्ण होना चाहिए।
अपने आप में, STOP एक मॉडल या परिकल्पना के बारे में सबूत का एक अच्छा उपाय प्रदान करता है।
हम एक प्राधिकरण को चुनौती नहीं देना चाहेंगे? शोधकर्ता और निर्णय निर्माता यह पहचानेंगे कि STOP वे सभी जानकारी प्रदान करता है जो उन्हें जानने की आवश्यकता होती है। इन कारणों से, डेटा विश्लेषण STOP के साथ समाप्त हो सकता है; वैकल्पिक दृष्टिकोणों की आवश्यकता नहीं है, जैसे पी-वैल्यू, मशीन लर्निंग, या ज्योतिष।
अन्य दृष्टिकोण
कुछ सांख्यिकीविद तथाकथित "बायेसियन" विधियों को पसंद करते हैं, जिसमें एक अस्पष्ट प्रमेय को मरणोपरांत 18 वीं शताब्दी के मौलवी द्वारा प्रकाशित किया जाता है, जो हर समस्या को हल करने के लिए निडरता से लागू होता है। इसके सबसे विख्यात वकील इन विधियों को स्वतंत्र रूप से स्वीकार करने की वकालत करते हैं "व्यक्तिपरक"। यदि हम व्यक्तिपरक तरीकों का उपयोग करने जा रहे हैं, तो जाहिर है कि निर्णय निर्माता जितना अधिक आधिकारिक और जानकार होगा, उतना ही बेहतर परिणाम होगा। इस प्रकार STOP सभी Bayes विधियों की तार्किक सीमा के रूप में उभरता है। क्यों उन भयानक गणनाओं को काम करने के लिए और इतने कंप्यूटर समय को बांधने के प्रयास पर जाएं, जब आप केवल प्रभारी व्यक्ति को डेटा दिखा सकते हैं और उससे पूछ सकते हैं कि उसकी राय क्या है? कहानी का अंत।
एक अन्य समुदाय हाल ही में सांख्यिकीविदों की पुरोहिती को चुनौती देने के लिए पैदा हुआ है। वे खुद को "मशीन सीखने वाले" और "डेटा वैज्ञानिक" कहते हैं, लेकिन वे वास्तव में सिर्फ हैकर उच्च स्थिति की तलाश कर रहे हैं। यह ASS की आधिकारिक स्थिति है कि इन लोगों को अपना पेशेवर संगठन बनाना चाहिए अगर वे चाहते हैं कि लोग उन्हें गंभीरता से लें।
प्रश्न
क्या यह उन समस्याओं का जवाब है जो एएसए ने पी-मूल्यों और अशक्त परिकल्पना परीक्षण के साथ पहचानी हैं? क्या यह वास्तव में बायेसियन और फ़्रीक्वेंटिस्ट प्रतिमानों को एकजुट कर सकता है (जैसा कि प्रतिक्रिया में दावा किया गया है)?