Preguntas etiquetadas con power

Es una propiedad de un método de prueba de hipótesis: la probabilidad de rechazar la hipótesis nula dado que es falsa, es decir, la probabilidad de no cometer un error tipo II. El poder de una prueba depende del tamaño de la muestra, el tamaño del efecto y el nivel de significancia ( ) de la prueba. α




1
Cálculos de potencia / tamaño de muestra para estudio de biomarcadores
Tenemos un biomarcador potencial para predecir si un paciente tiene cáncer o no. El resultado de la prueba de biomarcadores es binario positivo o negativo. Queremos tener una idea de la cantidad de pacientes que necesitan ser evaluados para determinar si este biomarcador es un buen predictor o no. Al …
13 r  power 


2
¿Cómo justificar rigurosamente las tasas de error falso positivo / falso negativo elegidas y la relación de costo subyacente?
Contexto Un grupo de científicos sociales y estadísticos ( Benjamin et al., 2017 ) han sugerido recientemente que la tasa típica de falsos positivos ( = .05) utilizada como umbral para determinar la "significación estadística" debe ajustarse a un umbral más conservador. ( = .005). Un grupo competitivo de científicos …

1
¿Por qué la prueba F en modelos lineales gaussianos es más poderosa?
Y=μ+σGY=μ+σGY=\mu+\sigma Gμμ\muWWWGGGRnRn\mathbb{R}^nFFFH0:{μ∈U}H0:{μ∈U}H_0\colon\{\mu \in U\}U⊂WU⊂WU \subset Wf=ϕ(2logsupμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=ϕ(2log⁡supμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=\phi\left( 2\log \frac{\sup_{\mu \in W, \sigma>0} L(\mu, \sigma | y)}{\sup_{\mu \in U, \sigma>0} L(\mu, \sigma | y)} \right). ¿Cómo podemos saber que esta estadística proporciona la prueba más poderosa para (tal vez después de descartar casos particulares inusuales)? Esto no se deriva del teorema de …









Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.