BMJ小小統計問題（5）：什麼是P value？
什麼是P value？
匯東華的小小統計問題 :D
每周末出刊
British Medical Journal，英國醫學期刊（British Medical Journal，簡稱 BMJ），是一份同行評審性質的綜合醫學期刊，創始於1840年，是最古老的醫學期刊之一。2020年的IF=39.890，在醫學研究領域享有盛名。
BMJ自2008年9月開始至2015年由兩位流行病與統計學專家持續出了300多期Statistical question系列。在這個系列中，兩位學者每次出一道統計與流行病學有關的選擇題作答及解釋。本系列將精選Statistical Question，採用中英對照，有興趣的朋友們可進行回答。
BMJ統計問題(5)：下列針對P值的敘述何者正確？
Which one statement is true of the P value?
Which one statement is true of the P value?
a) 它指虛無假設為真的機率 (It is the probability that the null hypothesis is true)
b) 它指對立假設為真的機率 (It is the probability that the alternative hypothesis is true)
c) 它指虛無假設錯誤的機率 (It is the probability that the null hypothesis is false)
d) 它指對立假設錯誤的機率 (It is the probability that the alternative hypothesis is false)
e) 它指當虛無假設為真，則比已知結果或更極端結果發生的機率 (It is the probability of the given result or more extreme results if the null hypothesis were true).
Answer：
Statistical testing doesn’t quite do what clinicians would wish for. We are interested to know how near the truth a study result is likely to be. Standard statistics start from a the theoretical probability distribution and give answers to questions such as: “If this study were based on completely random data, how unusual would these actual results be?”
統計檢驗並沒有達到臨床醫生所希望的結果。我們想知道研究結果與事實有多接近。標準統計學從理論概率分佈開始，並回答如下問題:“如果這項研究是基於完全隨機的數據，那麼這些實際結果會有多不尋常(常見)?”
統計檢驗並沒有達到臨床醫生所希望的結果。我們想知道研究結果與事實有多接近。標準統計學從理論概率分佈開始，並回答如下問題:“如果這項研究是基於完全隨機的數據，那麼這些實際結果會有多不尋常(常見)?”
Answer a) is frequently assumed to be the practical interpretation of a P value. It is not strictly correct, but for most people (except under exam conditions) that will not matter much when working to this assumption.
答案a)通常被認為是P值的實際解釋。嚴格來看，它並不正確，但對於大多數人(除了在考試條件下)，按照這一假設進行操作並沒有甚麼問題。。
答案a)通常被認為是P值的實際解釋。嚴格來看，它並不正確，但對於大多數人(除了在考試條件下)，按照這一假設進行操作並沒有甚麼問題。。
答案是選擇 e)，我們假設H0(虛無假設)是對的，然後使用實際樣本資料進行分析，檢視在H0成立的時候，樣本以及更極端樣本發生的概率。正如前面所述，選項a)在考試的時候不能這麼理解，但對於醫務工作者（公共衛生除外），沒這麼嚴格要求。
參考：BMJ Statistical Question
為什麼會看到廣告
11會員
34內容數
她叫"匯東華統計顧問有限公司"。匯東華意味著匯聚東方璀璨之月華。月長在，東方長在，匯東華長在；月有情，東方有情，匯東華有情。我創造她抑或是最後會是她造就了我，不可而得，我很期待。
這是我跟她、她跟我的成長過程，她有機會活得比我久，承襲我的信念留下來，那將會是件很美好的事。
留言0
查看全部
你可能也想看
Google News 追蹤
大家好，我是woody，是一名料理創作者，非常努力地在嘗試將複雜的料理簡單化，讓大家也可以體驗到料理的樂趣而我也非常享受料理的過程，今天想跟大家聊聊，除了料理本身，料理創作背後的成本。
哈囉～很久沒跟各位自我介紹一下了～
大家好～我是爺恩
我是一名圖文插畫家，有追蹤我一段時間的應該有發現爺恩這個品牌經營了好像.....快五年了(汗)時間過得真快！隨著時間過去，創作這件事好像變得更忙碌了，也很開心跟很多厲害的創作者以及廠商互相合作幫忙，還有最重要的是大家的支持與陪伴🥹。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
本篇文章介紹陰性（Negative）和陽性（Positive）的概念，這些術語源於統計學和醫學檢測，廣泛應用於二分類問題的預測模型表現評估。本文解釋了真陽性、真陰性、假陽性和假陰性的定義及其在不同應用場景（中的重要性，並探討瞭如何選擇合適的評估指標和調整模型閾值，以提高模型性能與業務決策的有效性。
我們做實驗的目的，
往往是想要量化「確定的不確定性 Certain Uncertainty」。
什麼是「不確定性 Uncertainty」？
其實就是無法透過控制各種變因來控制下來的現象。
在做實驗的時候，
就算你已經把實驗條件盡量控制一樣了，
其實實驗的結果每次還是會有一些差異。
除了「夠好」經驗法則和避免最壞結果的決策模式外，作者也特別強調機率和自然頻率的觀念。
我們在前面討論蒙提霍爾問題時已經稍微接觸過，接下來我們繼續進行更深入的探討。以下是作者舉的一個例子:
女性罹患乳癌的盛行機率是1%。
如果一名婦女有乳癌，那麼她檢驗為陽性的機率是90%。
倘若一名婦女沒有乳
前面說明了所謂「假設檢定」的邏輯，也就是推論統計的基礎。但前面都還只是概念的階段，目前沒有真正進行任何的操作──還沒有提到推論統計的技術。
這篇其實有點像是一個過渡，是將前面的概念銜接到下一篇t分數之間的過程，也可以說是稍微解釋一下t檢定怎麼發展出來的。
隨因為推論統計邏輯明顯有問題
心理學實驗看到的 p value是 P(Data| Hyptohesis), 也就是假設成立的情況下拿到這樣的資料的機率 以下是大家常見的推論步驟:
先設一個虛無假設 (H0)
拿資料, 算 p value ( = P(Data | Hypothesis)
選舉民調是預測選舉結果的重要工具。然而，如果我們不了解樣本和母體的概念，就很容易被民調結果誤導。
在本文中，我們將介紹樣本和母體的概念，以及它們對民調結果的影響。我們還將提供一些在閱讀民調報告時的注意事項。
接續上一篇，繼續來講如何從常態分布的機率進行假設檢定，進而推論母體的平均數吧！
這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。
在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率，而更之前也看過了抽樣分布是如何形成常態分布的過程，現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。
今天我們來說一下「英國數學與統計心理學」，AKA British Journal Of Mathematical & Statistical Psychology。這是由英國心理學會支持，由 John Wiley & Sons 出版的期刊，每年發行 4 期。
"管過去它做了什麼"是絕對不對的觀念，不是只有政治而已，而是為人處世必須要小心萬劫不復的陷阱。
在數學或流行病統計上有一個叫做貝氏定理，應用在觀察一個人，則相當於觀察他失去信任的過程。
大家好，我是woody，是一名料理創作者，非常努力地在嘗試將複雜的料理簡單化，讓大家也可以體驗到料理的樂趣而我也非常享受料理的過程，今天想跟大家聊聊，除了料理本身，料理創作背後的成本。
哈囉～很久沒跟各位自我介紹一下了～
大家好～我是爺恩
我是一名圖文插畫家，有追蹤我一段時間的應該有發現爺恩這個品牌經營了好像.....快五年了(汗)時間過得真快！隨著時間過去，創作這件事好像變得更忙碌了，也很開心跟很多厲害的創作者以及廠商互相合作幫忙，還有最重要的是大家的支持與陪伴🥹。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
本篇文章介紹陰性（Negative）和陽性（Positive）的概念，這些術語源於統計學和醫學檢測，廣泛應用於二分類問題的預測模型表現評估。本文解釋了真陽性、真陰性、假陽性和假陰性的定義及其在不同應用場景（中的重要性，並探討瞭如何選擇合適的評估指標和調整模型閾值，以提高模型性能與業務決策的有效性。
我們做實驗的目的，
往往是想要量化「確定的不確定性 Certain Uncertainty」。
什麼是「不確定性 Uncertainty」？
其實就是無法透過控制各種變因來控制下來的現象。
在做實驗的時候，
就算你已經把實驗條件盡量控制一樣了，
其實實驗的結果每次還是會有一些差異。
除了「夠好」經驗法則和避免最壞結果的決策模式外，作者也特別強調機率和自然頻率的觀念。
我們在前面討論蒙提霍爾問題時已經稍微接觸過，接下來我們繼續進行更深入的探討。以下是作者舉的一個例子:
女性罹患乳癌的盛行機率是1%。
如果一名婦女有乳癌，那麼她檢驗為陽性的機率是90%。
倘若一名婦女沒有乳
前面說明了所謂「假設檢定」的邏輯，也就是推論統計的基礎。但前面都還只是概念的階段，目前沒有真正進行任何的操作──還沒有提到推論統計的技術。
這篇其實有點像是一個過渡，是將前面的概念銜接到下一篇t分數之間的過程，也可以說是稍微解釋一下t檢定怎麼發展出來的。
隨因為推論統計邏輯明顯有問題
心理學實驗看到的 p value是 P(Data| Hyptohesis), 也就是假設成立的情況下拿到這樣的資料的機率 以下是大家常見的推論步驟:
先設一個虛無假設 (H0)
拿資料, 算 p value ( = P(Data | Hypothesis)
選舉民調是預測選舉結果的重要工具。然而，如果我們不了解樣本和母體的概念，就很容易被民調結果誤導。
在本文中，我們將介紹樣本和母體的概念，以及它們對民調結果的影響。我們還將提供一些在閱讀民調報告時的注意事項。
接續上一篇，繼續來講如何從常態分布的機率進行假設檢定，進而推論母體的平均數吧！
這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。
在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率，而更之前也看過了抽樣分布是如何形成常態分布的過程，現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。
今天我們來說一下「英國數學與統計心理學」，AKA British Journal Of Mathematical & Statistical Psychology。這是由英國心理學會支持，由 John Wiley & Sons 出版的期刊，每年發行 4 期。
"管過去它做了什麼"是絕對不對的觀念，不是只有政治而已，而是為人處世必須要小心萬劫不復的陷阱。
在數學或流行病統計上有一個叫做貝氏定理，應用在觀察一個人，則相當於觀察他失去信任的過程。