По этой причине команда статистиков включая Роберта Э. Касса Университета Карнеги-Меллон написала «Десять Простых Правил для Эффективной Статистической Практики». Изданный в Вычислительной Биологии PLOS для журнала, популярного «Десять Простых Правил» ряд, рекомендации разработаны, чтобы помочь научному сообществу – особенно ученые, которые не являются статистическими экспертами или без преданного статистика, поскольку часть их команды – понимает, как избежать ловушек хорошо предназначенного, но неточного статистического рассуждения.«Центральная и общая задача для нас как следователи исследования состоит в том, чтобы расшифровать то, что данные в состоянии сказать о проблемах, которые мы пытаемся решить», написал Касс, преподаватель статистики и машинного обучения и временного соруководителя Центра Нервного Основания Познания и его соавторов. «Статистика – язык, построенный, чтобы помочь этому процессу с вероятностью как ее грамматика».Они продолжали, «В то время как элементарные разговоры возможны без хорошего владения языком (и обычно проводятся), принципиальный статистический анализ очень важен в том, чтобы бороться со многими тонкими явлениями, чтобы гарантировать, что ничто серьезное не будет потеряно в переводе и увеличить вероятность, что Ваши результаты исследования выдержат испытание временем».
Правила, которые были сделаны доступными онлайн 9 июня, получили экстраординарную сумму внимания до сих пор больше чем с 37 000 просмотров, уже делая его одной из лучших 20 наиболее рассматриваемых бумаг в ряду, который включает приблизительно 60 полных бумаг.. Их популярность не удивляет Майкла Дж. Тарра, главу Отдела CMU Психологии.«Науки, и, конкретные области психологии и нейробиологии, прибыли под увеличивающимся наблюдением в последние годы для иногда бедных статистических методов», сказал Тарр. «Прямые и понятные рекомендации, как ясно сформулировано Кассом и коллегами помогут чрезвычайно в напоминании обоим студентам и преподавателям относительно важности статистически обоснованного исследования.
Их статья – момент, ‘обязательный для чтения’ для любого, кто заботится о хорошей и восстанавливаемой науке».Резюме 10 правил:1. – Статистические Методы Должны Позволить Данным Ответить, что Научные Вопросы, Сотрудничающие со статистиками, являются часто самыми полезными рано в расследовании, потому что неопытные пользователи статистики часто сосредотачиваются, на которой технике использовать, чтобы проанализировать данные, вместо того, чтобы рассмотреть все пути данные могут ответить на основной научный вопрос.
2. – Сигналы всегда идут с шумомИзменчивость прибывает во многие формы, но крайне важно понять, когда хорошо и когда это – шум, чтобы выразить неуверенность. Это также помогает определить вероятные источники систематической ошибки.
3. – Планируют заранее, действительно впередЗадавание вопросов в стадии проектирования может спасти головные боли в аналитическом этапе. Тщательный сбор данных также может значительно упростить анализ и сделать его более строгим.
4. – Волнуются о качестве данныхКогда дело доходит до анализа данных, «мусор в мусоре продуктов». Сложность современного сбора данных требует многих предположений о функции технологии, часто включая технологию предварительной обработки данных, которая может иметь сильные воздействия, которые могут легко остаться незамеченными.5. – Статистический анализ – больше, чем ряд вычислений
Статистическое программное обеспечение обеспечивает инструменты, чтобы помочь анализу, не определить их. Научный контекст очень важен, и ключ к принципиальному статистическому анализу должен принести аналитические методы в близкую корреспонденцию научным вопросам.
6. – Сохраняют его ПростымПростота превосходит сложность.
Большие количества измерений, взаимодействий среди объяснительных переменных, нелинейных механизмов действия, недостающих данных, смешивания, пробуя уклоны и другие факторы могут потребовать увеличения сложности модели.Но, имейте в виду, что хороший дизайн, осуществленный хорошо, может часто позволять простым методам анализа приводить к хорошим результатам.7. – Обеспечивают оценки изменчивостиОсновная цель статистического анализа состоит в том, чтобы помочь оценить неуверенность, часто в форме стандартной ошибки или доверительного интервала, и один из больших успехов статистического моделирования и вывода – то, что это может обеспечить оценки стандартных ошибок от тех же самых данных, которые производят оценки количества интереса.
Сообщая о результатах, важно поставлять некоторое понятие статистической неуверенности.8. – Проверяют Ваши предположенияШироко доступное статистическое программное обеспечение облегчает выполнять исследования без внимательного отношения к врожденным предположениям, и это рискует неточный, или даже вводящий в заблуждение, результаты.
Поэтому важно понять предположения, воплощенные в методах и сделать безотносительно возможный понять и оценить те предположения.9. – Когда возможно, копируйте!Идеально, повторение выполнено независимым следователем.
Научные результаты, которые выдерживают испытание временем, являются теми, которые подтверждены через множество различных, но тесно связанных, ситуаций. Во многих контекстах полное повторение очень трудное или невозможное, как в крупномасштабных экспериментах, таких как многоцентровые клинические испытания. В тех случаях минимальный стандарт должен был бы следовать Правилу 10.10. – Делают Ваш анализ восстанавливаемым
Учитывая тот же самый набор данных, вместе с полным описанием анализа, должно быть возможно воспроизвести таблицы, числа и статистические выводы. Существенно улучшите способность воспроизвести результаты, будучи очень систематичными о шагах в анализе, разделив данные, и кодекс раньше приводил к результатам и следующими принятыми методами наиболее успешной практики статистики.
В дополнение к Кассу соавторы – Брайан С. Кэффо Университета Джонса Хопкинса, Север государственный университет Кэролайн Мари Дэвидиан, Xiao-литий Гарвардского университета Мэн и Нэнси Рид из Калифорнийского университета Беркли и Университета Торонто.«Я – крупный сторонник ценности идентификации главных идей в статистике и заявления их ясно и кратко», сказал Касс. «10 простых рядов правил потрясающие, доказав его ценность как формат для научных понятий высокого уровня.
Эта статья была довольно тяжелой работой, но у нас была отличная команда, и я был чрезвычайно доволен результатом».