※ 引述《circlelee (想转心理系)》之铭言：
: ※ 引述《jasonjojo (jasonjojo)》之铭言：
:
: 这是power的基本定义没错，但你实际上计算power，你怎知虚无假设是真是假？
: 虚无假设是真是假，是要看你定的alpha跟所算出的p值的大小
: 而且无论你检定出来拒绝或无法拒绝h0，都会有错误的发生机会
: 所以真正虚无假设是真是假，你根本无法确知
: 所以实际上计算power，我们会假设虚无假设是错的，在这个假设成立下，
: 去计算此研究会发生显著的机率，此即power
这边我的意思是指我们"假设H0是错的前提之下"啊
我有说到是在假设这样的情况发生之下的条件机率
这段我同意 所以才会有需要做power分析来提升power
: : 这两句话看起来差不多但是背后概念完全不一样
: : power跟alpha其实是两回事但都是条件机率
: : power=P(rejectH0∣H1 true(有的书上或维基写的是H0 fales))
: : alpha=P(rejectH0∣H0 true)
: : 这两个一样都是会拒绝虚无假设的机率 但是发生的前提不一样
: : 所以只有当H0为假的时候power机率才会成立
: : 接下来我们来说推论统计
: : 推统分
: : 直接推论 (估计:分点估跟区间估计)
: : 跟
: : 间接推论(假设检定)
: : 这两者都会用到中央极限定理 并不是像C大说的只有估计才会用到
: 错误观念！
: 假设检定 只是一套否证逻辑而己，跟中央极限定理无关
: 假设检定的逻辑就是：找出h0与h1两互斥假设，当h0被拒绝时，才会
: h1才获得支持，即看h0能不能被证否。
: 你把它搞混了，如果要做母群平均数的检定时才是 假设检定+中央极限定理
: 你若做无母数检定的话，一样是假设检定，但也没有用到中央极限定理
这点我需要澄清一下 我是以在做平均数假设检定的范围为前提之下立论的
不过如你所提无母数的话的确如你所说无误 没考虑到这部份是我的错
: : 理由我懒得说 请自行翻书找资料
: : 区间估计需要点估计值跟一个范围区间来代表母数有多大范围落入此区间
: : 加上产生的估计误差
: : 但直接推论(估计)的结果并不足以完全支持我们想支持的理论
: : 后来科学哲学家Popper提出否证论(1968)(详细内容有兴趣者可自行拜大神一下)
: : 才产生的假设检定这东西
: : 回归正题
: : C大说:
: : ‘假设power=0.6
: : 这里一样有几个问题
: : power并不是这样解释的
: : power并不表示你做几次实验会有多少的机率会显著(我后面会补充power的用途)
: : C大这边的论述实际上跟power的定义无关:
: : "做了100次的研究中会有60次达到显著的结果"
: : "但这60次显著中，会有5%是错误的显著"
: : 在此借用当中的数据重新论述:
: : 实际上是区间估计的概念论述 因为只有属直接推论的区间估计才会这样论述实验结果
: : 而且真正要表示也应该是(只能择一):
: : "如果alpha=0.05 那表示这100次实验当中会有100*0.05=5次犯错"(这代表C.I=95%)
: 错错错！
: alpha是指错误拒绝虚无假设的机率
: 不是100次实验中会有5次犯错！
: 错错错！
: 而是 100次显著中，会有5次是错误显著。
这边你是对的 是我的叙述错了 因为我把C大的叙述"一百次实验"误理解成"一百次的显著"
所以才会有如下叙述
: : 或著是说:
: : "在C.I(信赖区间)=60%的情况下
: : 会包含支持实验的结果
: : 并且会有40%的机率犯错"
: : 如果要用假设检定的方式用同样的数据重新论述，则:
: : power=0.6
: : alpha=0.05
: : 应该是说:当我们做一次实验(不用到一百次)
: : 在H0为真的情况下仍会有0.05的机率犯错
应该说是在我们假设H0为真的情况底下 真正还要等到算出来才知道
但我们通常先假设H0是真的
: : 或 在H0为假的情况下接受H1(或拒绝H0的机率)=0.6
这是事前也可以算的 只要有alpha跟effect size就能算power大小
: 你讲了半天，还是在repeat power跟alpha的定义
: 而且你讲power时，h0是假的，power才能是0.6
: 在讲alpha时，h0又变成是真的，alpha才会出现
: 如果h0是假的话，此时，就没有alpha了，所有的显著都是power的
: 如果h0是真的话，此时，就没有power了，所有的显著都是alpha的
: 一个研究中，怎么h0一下真一下假呢？道底h0是真的还是假的？
在这边讲的真假并不是指算出来的结果 而是我们以假设为真或为假的情况为前提
况且如前面C大所说 我们根本不知道实际上H0是对还是错
这边我要讲一下 是当其中一种结果(真或假)出现的时候
并不是有时这样有时那样
并且我是分开叙述两种情况 不过可能是文字的叙述让你误解了
如上 这边的论述在于我错误理解了你的说法所以才会有以上论述
: : 最后
: : ‘如果观察分配的平均值与比较分配的平均值相等时
: : power与alpha的关系如前所述 是完全不同的事情 所以概念上不会相等
: : 当然你可以说我alpha=0.05 power也0.05在两平均相等的情况 嗯这没问题
: : 但是power最小值并不是在这个时候 power最小值其实是0 原因请自行思考
: : 所以C大请不要激动 我的回文针对的是你把区间估计的想法混入假设检定的解释而不知
: 拜托你做个名词定义好吗？
C.I的定义我已在文中说明
: 我道底那里有讲到区间估计？
这点我也要说一下 我并没有说你在说区间估计
只是当时我在看原文时的理解是你把区间估计的概念混进去了
原因还是在于我把一百次的实验误理解成一百次的显著 这点我必需道歉
: 从头到尾都是在讲假设检定、都是在讲机率而己，那里有区间估计？
: 区间估计是指：想从一群样本中去估计母群的某一参数，如平均数
: 此时可以由样本的平均数，经由中央极限定理去估计母群的平均数区间
: 此称区间估计。
: : 小弟并没有说你全错或是不对 我只是指出观念混淆的地方而已
: : 并且你会说 "所以此时power=alpha 此即为power的最小值。"
: : 这表示你对这两者的关系不够清楚才会认为power最小值会等于alpha
: : 因为你把这两者混在一起看了
: 是你自己被这些定义给混淆了
: 实际上计算的时候，power的最小值就是alpha。
: 不信你自己跑统计软件试试看，看看power的最小值是什么…
: 或是你把林清山那本烂书的231页的图移一移你就知道 林清山是不怎么样没错XD
power虽然在统计软件上是=alpha
我原先也能认同你的说法 因为图移一移的确是会得到这样的结果
但power一样是机率 所以"理论上"最小会是0
: 或是你去问你们伟大的台大的统计教授、天神、皇帝，看他怎么说。
: 再麻烦，传旨、传福音给我们大家，阿门。
: PS:实在是很高兴，你可以很认真的，花了很多时间，教导我们很多观念
: 非常感谢。只是我不喜欢你的态度，尤其是当你自己观念不清时，
(这么巧XD看来咱俩都用同样的态度看对方啊XD)
: 却要说是别人错，这样的态度。
(我并不是说你有错 我从来都没说你有错 只是认为在观念上有不清楚的地方)
: 我是用词比较激动一点，也跟您抱歉。
最后我想我欠C大一个道歉
原本在回文的时候我是抱着来乱的心情(因为C大讲话实在太呛又容易激动让人受不了)
我想也是因为带有偏见去看C大的文章导致自己误解了C大的意思而不自知
其实我在po到一半的时候觉得
C大应该是个认为以理就足以服人
你只要有理就没问题
但你只要无理就不会对你客气的类型 而且个性可能有些急燥
(讲到这里大概会被C大呛:你又不认识我最好你可以说成这样XD)
不过也有可能是因为匿名性的关系所以在网络世界特别呛XD(?
但撇开这些不谈 C大对于统计的态度是显而易见的
只有对统计有兴趣的人才会去思考这些问题
但因为我之前对C大有偏见所以才会以轻忽的眼光看待
也造成让C大讨厌的高高在上态度(我以为我藏的很好了XD(误))
这点我会改进
所以C大很抱歉我用带有偏见的眼光看待你 (因为文如其人嘛XD~(被拖走))
但是C大拜托你可不可以不要这么呛啊!XD
虽然你也抱歉过了 可是还是很容易呛起来啊!
这样我们怎么受得了XD