¿Cuál es la "severidad" de Deborah Mayo?

¿Alguien puede dar una explicación detallada (y clara) de lo que significa su "gravedad" (¿no es solo la función de potencia evaluada en diferentes discrepancias tomadas como hipótesis nula?) Y cómo encaja en la literatura de pruebas estadísticas en general?

hypothesis-testing statistical-significance

— statslearner2
fuente

Creo que incluso yo mismo puedo responder a la pregunta, después de que termine de leer sus papeles (todavía estoy leyendo). No entiendo cómo esto puede ser demasiado amplio.

— statslearner2

Gracias por la edición; Creo que eso mejora la pregunta. La pregunta tal vez podría hacerse un poco más precisa / enfocada en su alcance, pero tampoco veo que sea demasiado amplia ahora. Volveré a abrir, pero le animo a que refuerce la pregunta un poco más si puede.

— Glen_b -Reinstate a Monica el

Tenemos una respuesta de la creadora del concepto, lo cual es maravilloso. Animo a otros a responder también. Aunque la idea básica de gravedad no es difícil, puede describirse de diferentes maneras. Mayo y sus coautores han sido los principales presentadores de la idea. Sería valioso que otros lo presentaran de otras maneras, así como diferentes libros de texto sobre el mismo tema pueden ser valiosos para diferentes lectores. (Mayo ha escrito muchos artículos y dos libros sobre la gravedad y sus implicaciones, y su presentación no siempre es la misma, pero todavía valoraría los enfoques de los demás.)

— Marte,

Sí, la gravedad de una declaración estadística C siempre está en relación con una prueba y un resultado. Es una medida de qué tan bien los defectos de un reclamo se ponen a prueba y se encuentran ausentes. Una hipótesis C pasa severamente una prueba con el resultado x en la medida en que un resultado que sea más discordante de C de lo que es x, habría ocurrido si C fuera falso. Digamos que una hipótesis nula se rechaza en una prueba normal unilateral de la media con un resultado que solo alcanza el nivel de significancia de .025. El resultado significativo indica cierta discrepancia de la nula, pero existe la preocupación de que alguien haga montañas de colinas. Estropear el poder contra una alternativa mu 'es alto. Entonces la severidad para inferir mu> mu 'es BAJA. Esto se debe a que la probabilidad de observar una diferencia mayor que la observada es probable asumiendo que mu 'es verdadero.

— Deborah Mayo
fuente

p = {Pr}_{0} {t (X) > t (x)}

$p = \text{Pr}_0\{t(X) > t(x)\}$

t

$t$

s = \dots

$s = \dots$