习题:一类错误的注水

一个研究者每次都先看一下计算出的统计量再决定对零假设做单尾检验还是双尾检验。如果统计量,就设对立假设为;如果统计量,就设对立假设为。假如他的请问他真实的一类错误率是多少?具体说,有许多次的实验,真实情形都是,他能检验出显著拒绝的比例会趋近于多少?

4 thoughts on “习题:一类错误的注水”

  1. 更极端的例子:零假设是[tex] \mu=0,\sigma=1[/tex]的正态分布,对立假设可以任选任何一种分布。那么,如果作弊的研究者[tex] \alpha=0.001[/tex],每次他都先偷看一下结果然后去改他的对立假设,他真实的一类错误率最高可以到多少?

  2. Wilkinson & TFSI (1999) 说 A typical five-way fully factorial design applied to a reasonably large sample of random data has about an 80% chance of producing at least one significant effect by conventional F tests at the .05 critical level (Hurlburt & Spiegel, 1976).,不知道你们有没有兴趣写段R代码测试之。

  3. 更隐蔽但更常见的一类错误注水情形--
    研究者在p小于0.01时,都把自己的[tex] \alpha[/tex]从0.05“修正”为0.01,其他时候仍然按[tex] \alpha[/tex]为0.05报告。请问他实际的一类错误率是多少?如果所有p大于0.05的结果他都不报告,在他所有报告的结果中,一类错误率是多少?

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>