科學家在統計證據和解決方案方面做什麼。

統計數據是科學中的重要工具，幫助我們了解了哪些有關重要問題的信息。但是，“統計證據”的想法仍然很難確定多倫多大學的邁克爾·埃文斯教授在他的最新研究中對這一複雜問題進行了調查，該研究發表在2024年百科全書中。

在興趣不明的情況下涉及的統計數據，已經收集了數據值，並認為此信息具有與未知價值有關的證據。之後，統計理論應根據信息回答兩個重要問題：（i）為興趣量提供了合理的價值，以及估算估計準確性的測量，並且（ii）評估有證據。例如，評估COVID-19人的比例是一種嚴重的疾病，是由Web望遠鏡進行興趣或衡量的。希望知道有證據或反對黑暗物質的存在。

根據提到的論文，有兩種有關如何解決這些問題的廣泛格式：證據和決策指南。證據是集中精力建立信心，認為所使用的任何統計方法都明確取決於證據。另一方面，制定理論的目的是使用根據錯誤結論中假定的懲罰措施減少可能發生的損失的方法。但是，為了科學用途，辯論說，信息中適合科學基本目標的證據優先級是事實。埃文斯教授的文章使他在證據訓練營中穩定。

本文中的以下單詞為證據創造了基本問題：“大多數統計分析是指統計證據的概念，例如“建議中的證據”或“作為我們可以匯總的證據”中的。

該方法作為證據的基本問題是：統計證據應如何確定？因為沒有明確的統計證據表明可以說明具體方法是基於證據的？埃文斯教授的文章回顧了多年來用來回答這個問題的許多方法。

有一些知名的統計方法用作統計表達式。許多人熟悉使用P用於問題（ii）。關於P的一個眾所周知的問題是統計證據的量度，其中一些在文章中進行了檢查。例如，有必要選擇一個alpha，該alpha在P值足夠小時以說明有任何假設的證據，並且沒有自然選擇的alpha。此外，P值永遠不會顯示出有利於真實假設的證據。信心範圍的概念與P值和具有類似缺陷的折磨有著巨大的關係。

創建統計證據概念的巨大努力是1960年代發生的統計中心，艾倫·比爾納布姆（Allan Birnabum）發生的70次統計數據，文章中提到了他的工作。這導致發現許多統計數據適用於會員資格的原則之間存在許多有趣的關係，例如足夠的可能性和條件。 Birnbaum條件在統計證據的分類中沒有成功。但是他的工作指出了統計領域的著名部門：與貝葉斯主義伯恩鮑姆（Birnbaum）相比，它通常很受歡迎。在P值和對兩種性質的信心的普及中找到統計證據的定義。參與者經常想像該研究中反复獨立的統計問題。然後搜索以這種順序運行良好的統計步驟。

相反，Bay希望處理觀察到的信息，而不是考慮想像力。 BEB的成本是分析師在概率分佈分配中的需求。為了反映分析師對此數量的真實價值的興趣。看到海灣統計信息後，他們被迫更新信念，如分佈有趣數量的概率所示。這是對通過本能明確定義統計證據的明確定義的信念的比較。 證據原則：如果概率是更真實的特定值的背面，則概率以前有證據表明這是一個真實的值，並且概率小於先前的概率，則有證據表明它是正確的。信息在信息中改變了證據和證據原則，清楚地表明了這種類型的證據。

如埃文斯教授的文章所述，除了證據原則外，還必須有其他要素。在對證據的評估和衡量中，有必要訂購利益量和自然方法的可能價值，這是通過相對信念的比率：價值的概率與概率的比率。當這個比率超過1時，就會有一個喜歡的和更多的證據表明證據是有利的，另一方面，當比率小於1時。相對比率會導致自然答案，包括估計和假設。

文章中還有更多提及的內容，包括我們在統計方法中處理自然隱私的方法，以及模型的使用和對先前衝突的檢查。但是，有時候最令人驚訝的是，方法是通過關係的證據，從而導致普及和貝西安之間經常解決。故事的一部分是任何基礎設施的可靠性。應該始終對其進行評估，這通常是。這是通過對證據的真實控制的相對信念而發生的，當證據是真實的，並在虛假時獲得了有利於價值的證據。最後，Bay最終反映了信念，並提供了統計證據的明確定義，而影響的可靠性是正常的。兩者在統計和科學問題的應用中都起著重要作用。

由於世界依賴於更多信息所驅動的深度信息，因此了解它具有更明顯的證據。埃文斯教授的研究提出了一個仔細的基礎，以解決這一緊急問題。

參考期刊

Evans，M。 “統計證據，根源，歷史和當前發展的概念” 2024，4，1201–1216 doi： https://doi.org/10.3390/encecloopedia4030078

作曲家