To pytanie jest podobne do pytania tutaj , ale myślę, że na tyle różne, że warto je zadać.
Pomyślałem, że postawię na początek, co moim zdaniem jest najtrudniejsze do zrozumienia.
Mój jest różnicą między prawdopodobieństwem a częstotliwością . Jeden jest na poziomie „wiedzy o rzeczywistości” (prawdopodobieństwo), a drugi na poziomie „samej rzeczywistości” (częstotliwość). To prawie zawsze wprawia mnie w zakłopotanie, jeśli za dużo o tym myślę.
Edwin Jaynes Ukuł termin zwany „błędem projekcji umysłu”, aby opisać pomieszanie tych rzeczy.
Masz jakieś przemyślenia na temat innych trudnych pojęć?
Odpowiedzi:
z jakiegoś powodu ludzie mają trudności z uchwyceniem, czym tak naprawdę jest wartość p.
źródło
Podobnie jak odpowiedź Shabbychefa, trudno jest zrozumieć znaczenie przedziału ufności w statystyce częstokrzyskiej. Myślę, że największą przeszkodą jest to, że przedział ufności nie odpowiada na pytanie, na które chcielibyśmy odpowiedzieć. Chcielibyśmy wiedzieć: „jaka jest szansa, że prawdziwa wartość znajduje się w tym konkretnym przedziale?” Zamiast tego możemy jedynie odpowiedzieć: „jaka jest szansa, że losowo wybrany interwał utworzony w ten sposób zawiera prawdziwy parametr?” To ostatnie jest oczywiście mniej satysfakcjonujące.
źródło
Jakie jest znaczenie „stopni swobody”? Co powiesz na df, które nie są liczbami całkowitymi?
źródło
Prawdopodobieństwo warunkowe prawdopodobnie prowadzi do większości błędów w codziennym doświadczeniu. Oczywiście istnieje wiele trudniejszych pomysłów, ale ludzie zwykle nie muszą się o nie martwić - ten, z którego nie mogą się uwolnić i jest źródłem nieoczekiwanych nieszczęść.
źródło
Myślę, że bardzo niewielu naukowców rozumie ten podstawowy punkt: możliwe jest interpretowanie wyników analiz statystycznych według wartości nominalnej, jeśli każdy krok został wcześniej zaplanowany. Konkretnie:
Metody eksploracyjne mogą być przydatne do eksploracji. Ale wtedy nie możesz zawrócić i przeprowadzać regularnych testów statystycznych oraz interpretować wyników w zwykły sposób.
źródło
Język mocno w policzek: dla częstych osób bayesowska koncepcja prawdopodobieństwa; dla Bayesian częste pojęcie prawdopodobieństwa. ; o)
Oba mają oczywiście zalety, ale może być bardzo trudno zrozumieć, dlaczego jedna struktura jest interesująca / przydatna / ważna, jeśli rozumiesz drugą. Walidacja krzyżowa jest dobrym lekarstwem, ponieważ zadawanie pytań i słuchanie odpowiedzi to dobry sposób na naukę.
źródło
Z mojego osobistego doświadczenia pojęcie prawdopodobieństwa może również wywołać spore poruszenie, szczególnie w przypadku osób niebędących statystykami. Jak mówi wikipedia, bardzo często miesza się z pojęciem prawdopodobieństwa, co nie jest do końca poprawne.
źródło
Wnioskowanie podstawowe . Nawet Fisher przyznał, że nie rozumie, co to robi, i wymyślił to.
źródło
Co tak naprawdę reprezentują różne dystrybucje oprócz tego, jak są używane.
źródło
Myślę, że pytanie można interpretować na dwa sposoby, co da bardzo różne odpowiedzi:
1) Jaka jest najtrudniejsza koncepcja dla osób studiujących statystyki, szczególnie na stosunkowo zaawansowanym poziomie?
2) Która koncepcja statystyczna jest źle rozumiana przez większość ludzi?
Po 1) W ogóle nie znam odpowiedzi. Może coś z teorii miary? Jakiś rodzaj integracji? Nie wiem
Dla 2) wartości p, ręce w dół.
źródło
Przedział ufności w tradycji nie bayesowskiej jest trudny.
źródło
Myślę, że ludzie za pierwszym razem tęsknią za łodzią praktycznie za wszystkim. Myślę, że większość uczniów nie rozumie tego, że zwykle szacują parametry na podstawie próbek. Nie znają różnicy między statystyką próbki a parametrem populacji. Jeśli uda ci się wbić te pomysły do głowy, inne rzeczy powinny pójść trochę łatwiej. Jestem pewien, że większość studentów również nie rozumie sedna CLT.
źródło