Testing Fisher, Neyman, Pearson, and Bayes

Christensen, Ronald

doi:10.1198/000313005x20871

Cited by 120 publications

(94 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…More detailed information can be found in Bayesian articles and books that discuss philosophical foundations (Lindley, 2000;O'Hagan & Forster, 2004), computational innovations (Gamerman & Lopes, 2006), and practical contributions (Congdon, 2003;Ntzoufras, 2009). An indepth discussion on the advantages of Bayesian inference, especially when compared to p-value 1 For more information about the difference between the three statistical paradigms, see for instance Christensen (2005), Hubbard and Bayarri (2003) and Royall (1997).…”

Section: Bayesian Backgroundmentioning

confidence: 99%

Bayesian hypothesis testing for psychologists: A tutorial on the Savage–Dickey method

Wagenmakers

Lodewyckx

Kuriyal

et al. 2010

Cognitive Psychology

636

642

View full text Add to dashboard Cite

a b s t r a c tIn the field of cognitive psychology, the p-value hypothesis test has established a stranglehold on statistical reporting. This is unfortunate, as the p-value provides at best a rough estimate of the evidence that the data provide for the presence of an experimental effect. An alternative and arguably more appropriate measure of evidence is conveyed by a Bayesian hypothesis test, which prefers the model with the highest average likelihood. One of the main problems with this Bayesian hypothesis test, however, is that it often requires relatively sophisticated numerical methods for its computation. Here we draw attention to the Savage-Dickey density ratio method, a method that can be used to compute the result of a Bayesian hypothesis test for nested models and under certain plausible restrictions on the parameter priors. Practical examples demonstrate the method's validity, generality, and flexibility.

show abstract

Section: Bayesian Backgroundmentioning

confidence: 99%

Bayesian hypothesis testing for psychologists: A tutorial on the Savage–Dickey method

Wagenmakers

Lodewyckx

Kuriyal

et al. 2010

Cognitive Psychology

636

642

View full text Add to dashboard Cite

show abstract

“…XX w. (Fisher, 1935;Neyman, Pearson, 1933) i wprowadzają one całkowicie różne metodologie. Zagadnienia wielu, nie tylko Fishera i Neymana-Pearsona, "teorii statystyki" były, i nadal są, przedmiotem zainteresowania matematyków i statystyków (Inman, 1994;Lehmann, 1993Lehmann, , 1995Berger, 2003;Christensen, 2005;Manthey, 2010).…”

Section: Konkurencyjne Teorie Testowania Hipotez Statystycznychunclassified

Pojęcie wielkości efektu na tle teorii Neymana-Pearsona testowania hipotez statystycznych

Szymczak¹

2015

FoliaPsych

View full text Add to dashboard Cite

Abstrakt. Celem tej pracy jest zwrócenie uwagi badaczy wykorzystujących metody statystyczne w analizie wyników swoich badań na pomieszanie dwóch różnych teorii testowania hipotez statystycznych, teorii Fishera i teorii Neymana-Pearsona. Zawarcie, w obecnie stosowanym instrumentarium statystycznym, pomysłów z obu tych teorii, powoduje, że znakomita większość badaczy bez chwili namysłu za prawdziwą przyjmuje stwierdzenie, iż im mniejsze prawdopodobieństwo, tym silniejsza zależność. Przedstawione zostały słabe strony teorii Neymana-Pearsona i wynikające z nich problemy przy podejmowaniu decyzji w wyniku przeprowadzonych testów. Problemy te stały się usprawiedliwionym poszukiwaniem mniej zawodnych rozwiązań, jednakże zaproponowane mierniki wielkości efektu, jako wykorzystujące z jednej strony dogmat o związku między wielkością prawdopodobieństwa w teście i siłą zależności, a z drugiej -brak jakichkolwiek podstaw teoretycznych tego rozwiązania, wydają się jeszcze jednym pseudorozwiązaniem rzeczywiście występujących problemów. Dodatkowo, wykorzystywanie mierników wielkości efektów wygląda na próbę zwolnienia badaczy z głębokiego myślenia o uzyskanych wynikach z analizy statystycznej, w kategoriach merytorycznych. Powstał trywialny przepis: odpowiednia wartość miernika natychmiast implikuje siłę zależności -podejście takie wydaje się niegodne badacza.Słowa kluczowe: teorie testowania hipotez statystycznych, prawdopodobieństwo, moc testu, empiryczna moc testu, wielkość efektu. WPROWADZENIEWśród badaczy stosujących metody statystyczne (a dokładniej: testujących hipotezy statystyczne i podejmujących decyzje na podstawie rezultatów testów) do opracowywania wyników swoich badań stosunkowo często można spotkać następującą opinię: im mniejsze prawdopodobieństwo w teście, tym istotniejszy 1 Artykuł ten składa się z fragmentów przygotowywanej do druku książki na temat wnioskowania statystycznego.

show abstract

“…A further discussion about the different capabilities of theses methods is out of scope of this paper, but can be found for example in [55]. Most of these statistical analysis methods rely on normal distributed data, sometimes other requirements like equal variances for all treatments are required.…”

Section: Checking the Datamentioning

confidence: 99%

Human Perception Measures for Product Design and Development—A Tutorial to Measurement Methods and Analysis

Hatzfeld

Kühner

Söllner

et al. 2017

MTI

View full text Add to dashboard Cite

This tutorial describes the necessary steps for designing and conducting a perception experiment in order to obtain design parameters for human-machine interactions. It is intended for engineers and product designers, which require design parameters not included in the current state of the art. Topics addressed are the preposition of hypotheses, the selection of parameters, psychophysical measurement procedures and the calculation of sample sizes. Relevant steps for data analysis from psychology and social sciences are applied to the engineering and design context and guidelines for reporting results are given. The required steps are illustrated with an example experiment assessing detection thresholds of damping parameters of haptic automotive rotary controls with regard to parameters like knob diameter and distraction. Results imply significant effects of knob diameter on both absolute and differential thresholds, but no effect of distraction, implying a good transferability of laboratory results to real-world applications.

show abstract

Testing Fisher, Neyman, Pearson, and Bayes

Cited by 120 publications

References 8 publications

Bayesian hypothesis testing for psychologists: A tutorial on the Savage–Dickey method

Bayesian hypothesis testing for psychologists: A tutorial on the Savage–Dickey method

Pojęcie wielkości efektu na tle teorii Neymana-Pearsona testowania hipotez statystycznych

Human Perception Measures for Product Design and Development—A Tutorial to Measurement Methods and Analysis

Contact Info

Product

Resources

About