看板 Statistics 關於我們 聯絡資訊
當我們想測試新藥的效果是否比標準藥的效果更好的時候, 直觀想,假說的設計應該是: Hn: mu1 <= mu0 v.s. Ha: mu1 > mu0, given alpha 但是忘了哪邊看到的網路文章提到,以下兩種設計是等效的,且都能 達到測試新藥效果是否優於標準藥效之目的。 設計一︰ Hn: m1 = mu0 v.s. Ha: m1 /= mu0, given alpha 進行實驗後先看實驗數據是否統計顯著的(p-value < alpha/2) (即推翻虛無假說), 然後看實驗測得的藥效,實驗組的是否大於控制組的;倘是者 ,則新藥效果更好。 設計二: Hn: mu1 <= mu0 v.s. Ha: mu1 > mu0, given alpha 統計顯著判定: p-value < alpha 上面的說法是真的嗎? 為什麼? 有證明嗎? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.204.50 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1719322262.A.C98.html
recorriendo: 一個是雙尾 一個是單尾 同樣的alpha下 怎麼會等效 06/25 23:04
alpha 不同,雙尾者僅為單尾者之半
recorriendo: 還有依你的目的 應該要專門去看關於non-inferior t 06/25 23:05
recorriendo: rial的資料 有一些特別的眉角 06/25 23:05
※ 編輯: saltlake (220.136.204.50 臺灣), 06/26/2024 00:15:29 ※ 編輯: saltlake (220.136.204.50 臺灣), 06/26/2024 00:19:12
yhliu: 與其說 "等效", 不如說有人建議應採用 "一" 的檢定,即:不 06/26 09:56
yhliu: 採用單邊對立假說檢定(單尾檢定), 而一律用雙邊對立假說檢 06/26 09:58
yhliu: 定。不過,這種想法無非是做這種主張者認為其型一誤機率太 06/26 10:00
yhliu: 高,既如此,仍採單邊對立假說,但顯著水準折半,更符應用 06/26 10:02
yhliu: 另者,也有一理由是說本來就可能有 "較好" 與 "較壞" 兩種 06/26 10:03
yhliu: 變化之方向,何故偏取一方?但這完全看應用目的,研究者關 06/26 10:05
yhliu: 心的是 "有沒有改善", 因此對立假說只取單邊是自然的。 06/26 10:06
yhliu: 結語:當研究目的只關注單邊時,當然對立假說只取單邊; 06/26 10:08
yhliu: 至於是否顯著水準要減半,不應從雙邊與單邊對立假說之比較 06/26 10:10
yhliu: 來看,完全應著眼於能容許多大的型一誤發生機率。 06/26 10:11
請問有文獻透過數學推導證明這兩種方式等效嗎? 或者用數值實驗的方式證實 這兩種方式等效?
andrew43: 簡單回答是,若只想確認「效果更好」可用單尾;若要看 06/26 17:43
andrew43: 「效果是否相同」用雙尾。 06/26 17:44
andrew43: 當然,「效果更好」在反應值上有特定方向才有意義,例如 06/26 17:45
andrew43: 血壓藥效果越好總是使血壓下降。 06/26 17:46
※ 編輯: saltlake (114.36.193.7 臺灣), 07/21/2024 05:35:37