※ 引述《circlelee (想轉心理系)》之銘言：
: ※ 引述《jasonjojo (jasonjojo)》之銘言：
:
: 這是power的基本定義沒錯，但你實際上計算power，你怎知虛無假設是真是假？
: 虛無假設是真是假，是要看你定的alpha跟所算出的p值的大小
: 而且無論你檢定出來拒絕或無法拒絕h0，都會有錯誤的發生機會
: 所以真正虛無假設是真是假，你根本無法確知
: 所以實際上計算power，我們會假設虛無假設是錯的，在這個假設成立下，
: 去計算此研究會發生顯著的機率，此即power
這邊我的意思是指我們"假設H0是錯的前提之下"啊
我有說到是在假設這樣的情況發生之下的條件機率
這段我同意 所以才會有需要做power分析來提升power
: : 這兩句話看起來差不多但是背後概念完全不一樣
: : power跟alpha其實是兩回事但都是條件機率
: : power=P(rejectH0∣H1 true(有的書上或維基寫的是H0 fales))
: : alpha=P(rejectH0∣H0 true)
: : 這兩個一樣都是會拒絕虛無假設的機率 但是發生的前提不一樣
: : 所以只有當H0為假的時候power機率才會成立
: : 接下來我們來說推論統計
: : 推統分
: : 直接推論 (估計:分點估跟區間估計)
: : 跟
: : 間接推論(假設檢定)
: : 這兩者都會用到中央極限定理 並不是像C大說的只有估計才會用到
: 錯誤觀念！
: 假設檢定 只是一套否證邏輯而己，跟中央極限定理無關
: 假設檢定的邏輯就是：找出h0與h1兩互斥假設，當h0被拒絕時，才會
: h1才獲得支持，即看h0能不能被證否。
: 你把它搞混了，如果要做母群平均數的檢定時才是 假設檢定+中央極限定理
: 你若做無母數檢定的話，一樣是假設檢定，但也沒有用到中央極限定理
這點我需要澄清一下 我是以在做平均數假設檢定的範圍為前提之下立論的
不過如你所提無母數的話的確如你所說無誤 沒考慮到這部份是我的錯
: : 理由我懶得說 請自行翻書找資料
: : 區間估計需要點估計值跟一個範圍區間來代表母數有多大範圍落入此區間
: : 加上產生的估計誤差
: : 但直接推論(估計)的結果並不足以完全支持我們想支持的理論
: : 後來科學哲學家Popper提出否證論(1968)(詳細內容有興趣者可自行拜大神一下)
: : 才產生的假設檢定這東西
: : 回歸正題
: : C大說:
: : 『假設power=0.6
: : 這裡一樣有幾個問題
: : power並不是這樣解釋的
: : power並不表示你做幾次實驗會有多少的機率會顯著(我後面會補充power的用途)
: : C大這邊的論述實際上跟power的定義無關:
: : "做了100次的研究中會有60次達到顯著的結果"
: : "但這60次顯著中，會有5%是錯誤的顯著"
: : 在此借用當中的數據重新論述:
: : 實際上是區間估計的概念論述 因為只有屬直接推論的區間估計才會這樣論述實驗結果
: : 而且真正要表示也應該是(只能擇一):
: : "如果alpha=0.05 那表示這100次實驗當中會有100*0.05=5次犯錯"(這代表C.I=95%)
: 錯錯錯！
: alpha是指錯誤拒絕虛無假設的機率
: 不是100次實驗中會有5次犯錯！
: 錯錯錯！
: 而是 100次顯著中，會有5次是錯誤顯著。
這邊你是對的 是我的敘述錯了 因為我把C大的敘述"一百次實驗"誤理解成"一百次的顯著"
所以才會有如下敘述
: : 或著是說:
: : "在C.I(信賴區間)=60%的情況下
: : 會包含支持實驗的結果
: : 並且會有40%的機率犯錯"
: : 如果要用假設檢定的方式用同樣的數據重新論述，則:
: : power=0.6
: : alpha=0.05
: : 應該是說:當我們做一次實驗(不用到一百次)
: : 在H0為真的情況下仍會有0.05的機率犯錯
應該說是在我們假設H0為真的情況底下 真正還要等到算出來才知道
但我們通常先假設H0是真的
: : 或 在H0為假的情況下接受H1(或拒絕H0的機率)=0.6
這是事前也可以算的 只要有alpha跟effect size就能算power大小
: 你講了半天，還是在repeat power跟alpha的定義
: 而且你講power時，h0是假的，power才能是0.6
: 在講alpha時，h0又變成是真的，alpha才會出現
: 如果h0是假的話，此時，就沒有alpha了，所有的顯著都是power的
: 如果h0是真的話，此時，就沒有power了，所有的顯著都是alpha的
: 一個研究中，怎麼h0一下真一下假呢？道底h0是真的還是假的？
在這邊講的真假並不是指算出來的結果 而是我們以假設為真或為假的情況為前提
況且如前面C大所說 我們根本不知道實際上H0是對還是錯
這邊我要講一下 是當其中一種結果(真或假)出現的時候
並不是有時這樣有時那樣
並且我是分開敘述兩種情況 不過可能是文字的敘述讓你誤解了
如上 這邊的論述在於我錯誤理解了你的說法所以才會有以上論述
: : 最後
: : 『如果觀察分配的平均值與比較分配的平均值相等時
: : power與alpha的關係如前所述 是完全不同的事情 所以概念上不會相等
: : 當然你可以說我alpha=0.05 power也0.05在兩平均相等的情況 嗯這沒問題
: : 但是power最小值並不是在這個時候 power最小值其實是0 原因請自行思考
: : 所以C大請不要激動 我的回文針對的是你把區間估計的想法混入假設檢定的解釋而不知
: 拜託你做個名詞定義好嗎？
C.I的定義我已在文中說明
: 我道底那裡有講到區間估計？
這點我也要說一下 我並沒有說你在說區間估計
只是當時我在看原文時的理解是你把區間估計的概念混進去了
原因還是在於我把一百次的實驗誤理解成一百次的顯著 這點我必需道歉
: 從頭到尾都是在講假設檢定、都是在講機率而己，那裡有區間估計？
: 區間估計是指：想從一群樣本中去估計母群的某一參數，如平均數
: 此時可以由樣本的平均數，經由中央極限定理去估計母群的平均數區間
: 此稱區間估計。
: : 小弟並沒有說你全錯或是不對 我只是指出觀念混淆的地方而已
: : 並且你會說 "所以此時power=alpha 此即為power的最小值。"
: : 這表示你對這兩者的關係不夠清楚才會認為power最小值會等於alpha
: : 因為你把這兩者混在一起看了
: 是你自己被這些定義給混淆了
: 實際上計算的時候，power的最小值就是alpha。
: 不信你自己跑統計軟體試試看，看看power的最小值是什麼…
: 或是你把林清山那本爛書的231頁的圖移一移你就知道 林清山是不怎麼樣沒錯XD
power雖然在統計軟體上是=alpha
我原先也能認同你的說法 因為圖移一移的確是會得到這樣的結果
但power一樣是機率 所以"理論上"最小會是0
: 或是你去問你們偉大的台大的統計教授、天神、皇帝，看他怎麼說。
: 再麻煩，傳旨、傳福音給我們大家，阿門。
: PS:實在是很高興，你可以很認真的，花了很多時間，教導我們很多觀念
: 非常感謝。只是我不喜歡你的態度，尤其是當你自己觀念不清時，
(這麼巧XD看來咱倆都用同樣的態度看對方啊XD)
: 卻要說是別人錯，這樣的態度。
(我並不是說你有錯 我從來都沒說你有錯 只是認為在觀念上有不清楚的地方)
: 我是用詞比較激動一點，也跟您抱歉。
最後我想我欠C大一個道歉
原本在回文的時候我是抱著來亂的心情(因為C大講話實在太嗆又容易激動讓人受不了)
我想也是因為帶有偏見去看C大的文章導致自己誤解了C大的意思而不自知
其實我在po到一半的時候覺得
C大應該是個認為以理就足以服人
你只要有理就沒問題
但你只要無理就不會對你客氣的類型 而且個性可能有些急燥
(講到這裡大概會被C大嗆:你又不認識我最好你可以說成這樣XD)
不過也有可能是因為匿名性的關係所以在網路世界特別嗆XD(?
但撇開這些不談 C大對於統計的態度是顯而易見的
只有對統計有興趣的人才會去思考這些問題
但因為我之前對C大有偏見所以才會以輕忽的眼光看待
也造成讓C大討厭的高高在上態度(我以為我藏的很好了XD(誤))
這點我會改進
所以C大很抱歉我用帶有偏見的眼光看待你 (因為文如其人嘛XD~(被拖走))
但是C大拜託你可不可以不要這麼嗆啊!XD
雖然你也抱歉過了 可是還是很容易嗆起來啊!
這樣我們怎麼受得了XD