d*x
2 楼
随着最近楼市出现跌坑之后，房子的真正价值问题重新被人们讨论，高房价时代房子一
度成为了检验成功与否的关键因素。
买房收租成为了很多人的梦想，在房子面前工作奋斗却成为了被嘲笑的对象，关于房子
的狗血剧情在这个时代每天都在现实中发生，但是你有没有想过，有一天房子回归了居
住属性或者你失去了房产所有权，你还能做点什么来体现自己的人生价值呢？
房地产行业流行一句很经典的话，有些人一辈子什么正事都没干偏偏买了房，有些人一
辈子什么正事都做了偏偏没买房。
大部分因为买房富起来的人都不是很懂金融投资，只是赶上了房地产发展的风口飞起来
的一批幸运猪，这应该没有人会反驳吧，但是我们也要记住风总有停止的时候飞的越高
摔的越狠，这其中有些人飞起来之后学会了武装自己，给自己按上了"翅膀"居安思危，
而有些人就是被风吹昏了头脑只顾着安逸享受，忘记了自己距离安全带越来越远。
比起房子，我更愿意谈论的是40岁之后的你还能干什么？如果你能从容面对未来人生，
这才证明你的人生价值和存在意义；但是如果没有房子你就啥都不会做了，这跟寄生虫
没有什么区别。
当你真正走出房子的束缚，不是靠着收房租才能生活下去，你才会发现除了房子你还有
很多可以做的事情，有了人生价值，才不会觉得黄金昂贵。
房子能养你一阵子，但是你不可以让它养你一辈子，目前楼市调控，房子的金融属性正
在减弱会让很多以房为生的人产生危机感，房产红利消退，你应该干点其他事情，房子
增值应该是自信的源泉，而不是颓废的开始。
度成为了检验成功与否的关键因素。
买房收租成为了很多人的梦想，在房子面前工作奋斗却成为了被嘲笑的对象，关于房子
的狗血剧情在这个时代每天都在现实中发生，但是你有没有想过，有一天房子回归了居
住属性或者你失去了房产所有权，你还能做点什么来体现自己的人生价值呢？
房地产行业流行一句很经典的话，有些人一辈子什么正事都没干偏偏买了房，有些人一
辈子什么正事都做了偏偏没买房。
大部分因为买房富起来的人都不是很懂金融投资，只是赶上了房地产发展的风口飞起来
的一批幸运猪，这应该没有人会反驳吧，但是我们也要记住风总有停止的时候飞的越高
摔的越狠，这其中有些人飞起来之后学会了武装自己，给自己按上了"翅膀"居安思危，
而有些人就是被风吹昏了头脑只顾着安逸享受，忘记了自己距离安全带越来越远。
比起房子，我更愿意谈论的是40岁之后的你还能干什么？如果你能从容面对未来人生，
这才证明你的人生价值和存在意义；但是如果没有房子你就啥都不会做了，这跟寄生虫
没有什么区别。
当你真正走出房子的束缚，不是靠着收房租才能生活下去，你才会发现除了房子你还有
很多可以做的事情，有了人生价值，才不会觉得黄金昂贵。
房子能养你一阵子，但是你不可以让它养你一辈子，目前楼市调控，房子的金融属性正
在减弱会让很多以房为生的人产生危机感，房产红利消退，你应该干点其他事情，房子
增值应该是自信的源泉，而不是颓废的开始。
f*n
3 楼
用EXCEL算TTEST.
问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
成对,等方差双样本,异方差双样本有什么区别啊?
同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
有显著的差别.TYPE选什么?
问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
TTEST?
TTEST(array1,array2,tails,type)
Array1 为第一个数据集。
Array2 为第二个数据集。
Tails 指示分布曲线的尾数。如果 tails = 1，函数 TTEST 使用单尾分布。如果
tails = 2，函数 TTEST 使用双尾分布。
Type 为 t 检验的类型。
如果 type 等于 检验方法
1 成对
2 等方差双样本检验
3 异方差双样本检验
问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
成对,等方差双样本,异方差双样本有什么区别啊?
同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
有显著的差别.TYPE选什么?
问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
TTEST?
TTEST(array1,array2,tails,type)
Array1 为第一个数据集。
Array2 为第二个数据集。
Tails 指示分布曲线的尾数。如果 tails = 1，函数 TTEST 使用单尾分布。如果
tails = 2，函数 TTEST 使用双尾分布。
Type 为 t 检验的类型。
如果 type 等于 检验方法
1 成对
2 等方差双样本检验
3 异方差双样本检验
s*i
4 楼
lz现在clear了吗？什么专业？
f*n
5 楼
一直和学生争论,把我也弄糊涂了.
使用ttest之前必须要用ftest先算一算，用ttest计算的时候ＴＹＰＥ是选２还是３？
使用ttest之前必须要用ftest先算一算，用ttest计算的时候ＴＹＰＥ是选２还是３？
c*y
6 楼
mei
化学
求人品
【在 s******i 的大作中提到】
: lz现在clear了吗？什么专业？
化学
求人品
【在 s******i 的大作中提到】
: lz现在clear了吗？什么专业？
K*n
7 楼
这个问题是本版常见问题,牛人已经解答过了：我记得正确答案是哪个算出的p value最
小就用哪个。人家都说我学东西学得快
小就用哪个。人家都说我学东西学得快
l*e
8 楼
lz现在怎么样了？我也返签被check, 3周多了，没有进展。马上holiday break了，不
知道会不会更慢，愁死了。
知道会不会更慢，愁死了。
K*n
9 楼
完了完了，这下儿被你学生说中了。但是你还可以在tail这个参数上显露一把智慧
【在 f********n 的大作中提到】
: 一直和学生争论,把我也弄糊涂了.
: 使用ttest之前必须要用ftest先算一算，用ttest计算的时候ＴＹＰＥ是选２还是３？
【在 f********n 的大作中提到】
: 一直和学生争论,把我也弄糊涂了.
: 使用ttest之前必须要用ftest先算一算，用ttest计算的时候ＴＹＰＥ是选２还是３？
c*y
10 楼
还是AP
已经改签机票了
损失了1000刀
太惨了
哎。。。
苦逼专业，还这么惨
【在 l******e 的大作中提到】
: lz现在怎么样了？我也返签被check, 3周多了，没有进展。马上holiday break了，不
: 知道会不会更慢，愁死了。
已经改签机票了
损失了1000刀
太惨了
哎。。。
苦逼专业，还这么惨
【在 l******e 的大作中提到】
: lz现在怎么样了？我也返签被check, 3周多了，没有进展。马上holiday break了，不
: 知道会不会更慢，愁死了。
f*n
11 楼
ftest的值小于0.05能说明什么呢?是在接下来的ttest中选type３？
【在 f********n 的大作中提到】
: 一直和学生争论,把我也弄糊涂了.
: 使用ttest之前必须要用ftest先算一算，用ttest计算的时候ＴＹＰＥ是选２还是３？
【在 f********n 的大作中提到】
: 一直和学生争论,把我也弄糊涂了.
: 使用ttest之前必须要用ftest先算一算，用ttest计算的时候ＴＹＰＥ是选２还是３？
f*n
12 楼
你给讲一讲吧什么时候选单尾什么时候选双尾,我也好去显摆啊.
【在 K****n 的大作中提到】
: 完了完了，这下儿被你学生说中了。但是你还可以在tail这个参数上显露一把智慧
【在 K****n 的大作中提到】
: 完了完了，这下儿被你学生说中了。但是你还可以在tail这个参数上显露一把智慧
D*a
13 楼
我也不知道，一直是2，2
单尾双尾好像是看预测的值是往一边儿偏还是往两边儿偏都有可能？
单尾双尾好像是看预测的值是往一边儿偏还是往两边儿偏都有可能？
y*i
14 楼
I think so.
３？
【在 f********n 的大作中提到】
: ftest的值小于0.05能说明什么呢?是在接下来的ttest中选type３？
３？
【在 f********n 的大作中提到】
: ftest的值小于0.05能说明什么呢?是在接下来的ttest中选type３？
f*r
15 楼
先说尾巴。如果你拿一个根本不知道刺激物还是抑制物的药品去处理细胞，也就是说，
有没有效果，有什么效果，完全没有预期，那么用双尾。现在你已经说了是个agonist
，也就是说你想看它有多大促进作用（而不考虑它是否有抑制作用），就应该用单尾。
（单尾更容易出显著差异）
paired (或者叫dependent) t-test，只能用于成对的样本。比如同一组患者，每人给
药前后的一对结果来对比。你的试验，是不同个体的细胞分在不同的浓度组，不能用
paired t-test。至于用等方差还是不等方差，可以通过f-test检验过方差齐性后决定。
【在 f********n 的大作中提到】
: 用EXCEL算TTEST.
: 问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
: 问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
: 成对,等方差双样本,异方差双样本有什么区别啊?
: 同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
: 浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
: 有显著的差别.TYPE选什么?
: 问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
: TTEST?
: TTEST(array1,array2,tails,type)
有没有效果，有什么效果，完全没有预期，那么用双尾。现在你已经说了是个agonist
，也就是说你想看它有多大促进作用（而不考虑它是否有抑制作用），就应该用单尾。
（单尾更容易出显著差异）
paired (或者叫dependent) t-test，只能用于成对的样本。比如同一组患者，每人给
药前后的一对结果来对比。你的试验，是不同个体的细胞分在不同的浓度组，不能用
paired t-test。至于用等方差还是不等方差，可以通过f-test检验过方差齐性后决定。
【在 f********n 的大作中提到】
: 用EXCEL算TTEST.
: 问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
: 问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
: 成对,等方差双样本,异方差双样本有什么区别啊?
: 同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
: 浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
: 有显著的差别.TYPE选什么?
: 问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
: TTEST?
: TTEST(array1,array2,tails,type)
h*e
16 楼
单尾，双尾取决于你的零假设。如果零假设是a = b，则双尾；如果是a > b或a < b则
单尾。
等方差，异方差取决与你的样本的性质，不知道的话在等方差下做一次，再在异方差下
做一次，如果都significant，就不用过多考虑了。
所谓在ttest前用ftest是指test等方差或异方差吧？
【在 f********n 的大作中提到】
: 用EXCEL算TTEST.
: 问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
: 问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
: 成对,等方差双样本,异方差双样本有什么区别啊?
: 同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
: 浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
: 有显著的差别.TYPE选什么?
: 问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
: TTEST?
: TTEST(array1,array2,tails,type)
单尾。
等方差，异方差取决与你的样本的性质，不知道的话在等方差下做一次，再在异方差下
做一次，如果都significant，就不用过多考虑了。
所谓在ttest前用ftest是指test等方差或异方差吧？
【在 f********n 的大作中提到】
: 用EXCEL算TTEST.
: 问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
: 问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
: 成对,等方差双样本,异方差双样本有什么区别啊?
: 同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
: 浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
: 有显著的差别.TYPE选什么?
: 问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
: TTEST?
: TTEST(array1,array2,tails,type)
s*s
17 楼
Rule of Thumb
不知道tail选1还是2的时候，选2;
不知道Type选2/3的时候，选异方差。
最多power低点，至少不会犯错。
【在 f********n 的大作中提到】
: 用EXCEL算TTEST.
: 问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
: 问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
: 成对,等方差双样本,异方差双样本有什么区别啊?
: 同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
: 浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
: 有显著的差别.TYPE选什么?
: 问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
: TTEST?
: TTEST(array1,array2,tails,type)
不知道tail选1还是2的时候，选2;
不知道Type选2/3的时候，选异方差。
最多power低点，至少不会犯错。
【在 f********n 的大作中提到】
: 用EXCEL算TTEST.
: 问题一,TAILS的=1,=2单尾和双尾有什么区别呢?要怎么选择?
: 问题二,TYPE的1,2,3又有什么区别要怎么选择呢?
: 成对,等方差双样本,异方差双样本有什么区别啊?
: 同一个细胞系,用不同的浓度1uM,1mM的AGONIST处理相同细胞系的相同数量的细胞,每种
: 浓度都做3次实验(处理后可以产生cGMP)_,看这两种浓度处理的细胞得到的cGMP量是否
: 有显著的差别.TYPE选什么?
: 问题三,在用TTEST之前,是否要用FTEST先算一算看能否用TTEST,还是说可以直接用
: TTEST?
: TTEST(array1,array2,tails,type)
k*o
18 楼
个人感觉，选单尾还是双尾，是个哲学层面的问题。个人偏好后者，对称就是美。
s*s
19 楼
从哲学上来说，经典统计学实在ugly, bayesian才是美
【在 k****o 的大作中提到】
: 个人感觉，选单尾还是双尾，是个哲学层面的问题。个人偏好后者，对称就是美。
【在 k****o 的大作中提到】
: 个人感觉，选单尾还是双尾，是个哲学层面的问题。个人偏好后者，对称就是美。
K*n
20 楼
Bayesian的问题本版牛人们好像也早就批判过了，凡是支持Bayesian school的，都是"
error bar
people"
【在 s******s 的大作中提到】
: 从哲学上来说，经典统计学实在ugly, bayesian才是美
error bar
people"
【在 s******s 的大作中提到】
: 从哲学上来说，经典统计学实在ugly, bayesian才是美
b*l
21 楼
展开说说
是"
【在 K****n 的大作中提到】
: Bayesian的问题本版牛人们好像也早就批判过了，凡是支持Bayesian school的，都是"
: error bar
: people"
是"
【在 K****n 的大作中提到】
: Bayesian的问题本版牛人们好像也早就批判过了，凡是支持Bayesian school的，都是"
: error bar
: people"
D*a
22 楼
异方差是2还是3哪？
【在 s******s 的大作中提到】
: Rule of Thumb
: 不知道tail选1还是2的时候，选2;
: 不知道Type选2/3的时候，选异方差。
: 最多power低点，至少不会犯错。
【在 s******s 的大作中提到】
: Rule of Thumb
: 不知道tail选1还是2的时候，选2;
: 不知道Type选2/3的时候，选异方差。
: 最多power低点，至少不会犯错。
D*a
23 楼
那如果我一开始用一个model，完全不知道它怎么变，就是双尾，
等有了preliminary results，知道趋势了之后再去预测其他实验的结果，就应该用单
尾了？
【在 h******e 的大作中提到】
: 单尾，双尾取决于你的零假设。如果零假设是a = b，则双尾；如果是a > b或a < b则
: 单尾。
: 等方差，异方差取决与你的样本的性质，不知道的话在等方差下做一次，再在异方差下
: 做一次，如果都significant，就不用过多考虑了。
: 所谓在ttest前用ftest是指test等方差或异方差吧？
等有了preliminary results，知道趋势了之后再去预测其他实验的结果，就应该用单
尾了？
【在 h******e 的大作中提到】
: 单尾，双尾取决于你的零假设。如果零假设是a = b，则双尾；如果是a > b或a < b则
: 单尾。
: 等方差，异方差取决与你的样本的性质，不知道的话在等方差下做一次，再在异方差下
: 做一次，如果都significant，就不用过多考虑了。
: 所谓在ttest前用ftest是指test等方差或异方差吧？
s*s
24 楼
不知道，自己去看excel，我从来没用excel做过
【在 D*a 的大作中提到】
: 异方差是2还是3哪？
【在 D*a 的大作中提到】
: 异方差是2还是3哪？
s*s
25 楼
差不多。理论上，应该做任何实验之前就有理论支持趋势的，用单尾，否则用双尾。
实际，很多都是看过preliminary结果再做的，大家都这样干。其实这个有严重的统计
哲学问题。
【在 D*a 的大作中提到】
: 那如果我一开始用一个model，完全不知道它怎么变，就是双尾，
: 等有了preliminary results，知道趋势了之后再去预测其他实验的结果，就应该用单
: 尾了？
实际，很多都是看过preliminary结果再做的，大家都这样干。其实这个有严重的统计
哲学问题。
【在 D*a 的大作中提到】
: 那如果我一开始用一个model，完全不知道它怎么变，就是双尾，
: 等有了preliminary results，知道趋势了之后再去预测其他实验的结果，就应该用单
: 尾了？
s*g
26 楼
接着讨论啊!
b*l
27 楼
不是。
假设你比较的是 A - B，则 nulll hypothesis H0 都是 A = B。关键是 alternative
hypothesis H1 的不同。
双尾：H1: A <> B
右单尾：H1: A > B
左单尾: H1: A < B
当你的 bio-hypothesis 必然导致 A > B 时，用右单尾。跟你的 preliminary result
s 在逻辑上没有直接关系。
而如果你的 prelinimary results 显示 A < B，你依然必须用 A > B 那个尾（右尾）
的 t-test 来检验，所以肯定 p-value 很大，由此就 reject 了你的统计上的 H0 以及
H1，因此进而 reject 了你原来的 bio-hypothesis。
b则
差下
【在 D*a 的大作中提到】
: 那如果我一开始用一个model，完全不知道它怎么变，就是双尾，
: 等有了preliminary results，知道趋势了之后再去预测其他实验的结果，就应该用单
: 尾了？
假设你比较的是 A - B，则 nulll hypothesis H0 都是 A = B。关键是 alternative
hypothesis H1 的不同。
双尾：H1: A <> B
右单尾：H1: A > B
左单尾: H1: A < B
当你的 bio-hypothesis 必然导致 A > B 时，用右单尾。跟你的 preliminary result
s 在逻辑上没有直接关系。
而如果你的 prelinimary results 显示 A < B，你依然必须用 A > B 那个尾（右尾）
的 t-test 来检验，所以肯定 p-value 很大，由此就 reject 了你的统计上的 H0 以及
H1，因此进而 reject 了你原来的 bio-hypothesis。
b则
差下
【在 D*a 的大作中提到】
: 那如果我一开始用一个model，完全不知道它怎么变，就是双尾，
: 等有了preliminary results，知道趋势了之后再去预测其他实验的结果，就应该用单
: 尾了？
K*n
28 楼
um...是版上经常被称为老大的人说的，哈哈。不是所有人都相信啥事情都有个分布，
且作结论的时候
一定要拿个概率算个expectation的
【在 b*****l 的大作中提到】
: 展开说说
:
: 是"
且作结论的时候
一定要拿个概率算个expectation的
【在 b*****l 的大作中提到】
: 展开说说
:
: 是"
D*a
29 楼
没看懂最后两段。举个例子说吧。假设我做了一些实验，不是直接检测A和B的，但是这
些实验预测，在什么信号什么转录的情况下，如果抑制一个什么东西，应该造成A我这种情况下是用单尾？
那么那些"surprisingly，we found that A is significantly higher than B"的这种
结果，又是怎么evaluate statistically的呢？先把H0 reject了，然后再发现H1也不
对，然后再回来用双尾检验？
alternative
result
以及
【在 b*****l 的大作中提到】
: 不是。
: 假设你比较的是 A - B，则 nulll hypothesis H0 都是 A = B。关键是 alternative
: hypothesis H1 的不同。
: 双尾：H1: A <> B
: 右单尾：H1: A > B
: 左单尾: H1: A < B
: 当你的 bio-hypothesis 必然导致 A > B 时，用右单尾。跟你的 preliminary result
: s 在逻辑上没有直接关系。
: 而如果你的 prelinimary results 显示 A < B，你依然必须用 A > B 那个尾（右尾）
: 的 t-test 来检验，所以肯定 p-value 很大，由此就 reject 了你的统计上的 H0 以及
些实验预测，在什么信号什么转录的情况下，如果抑制一个什么东西，应该造成A我这种情况下是用单尾？
那么那些"surprisingly，we found that A is significantly higher than B"的这种
结果，又是怎么evaluate statistically的呢？先把H0 reject了，然后再发现H1也不
对，然后再回来用双尾检验？
alternative
result
以及
【在 b*****l 的大作中提到】
: 不是。
: 假设你比较的是 A - B，则 nulll hypothesis H0 都是 A = B。关键是 alternative
: hypothesis H1 的不同。
: 双尾：H1: A <> B
: 右单尾：H1: A > B
: 左单尾: H1: A < B
: 当你的 bio-hypothesis 必然导致 A > B 时，用右单尾。跟你的 preliminary result
: s 在逻辑上没有直接关系。
: 而如果你的 prelinimary results 显示 A < B，你依然必须用 A > B 那个尾（右尾）
: 的 t-test 来检验，所以肯定 p-value 很大，由此就 reject 了你的统计上的 H0 以及
b*l
30 楼
双尾检验只能得到 H0 是否成立的结论，无法检验 A 和 B 谁高谁低。
另外，实验无法“预测”啥，只有 model 有预测的能力。所以，当你说“实验预测 A
< B”时，严格说，应当表述为：实验结果 implies 或者 supports 这样一个
biological model/mechanism，因此我们把这个 bio-model 作为 bio hypothesis。这
时，其预测了 A < B，因此我们把 H1 设为： A < B，并用左尾检验之。
这就是 hypothesis-driven research 和 hypothesis-based test，把 biological mo
del 和 statistical hypothesis test 结合起来。
尾）
【在 D*a 的大作中提到】
: 没看懂最后两段。举个例子说吧。假设我做了一些实验，不是直接检测A和B的，但是这
: 些实验预测，在什么信号什么转录的情况下，如果抑制一个什么东西，应该造成A: 我这种情况下是用单尾？
: 那么那些"surprisingly，we found that A is significantly higher than B"的这种
: 结果，又是怎么evaluate statistically的呢？先把H0 reject了，然后再发现H1也不
: 对，然后再回来用双尾检验？
:
: alternative
: result
: 以及
另外，实验无法“预测”啥，只有 model 有预测的能力。所以，当你说“实验预测 A
< B”时，严格说，应当表述为：实验结果 implies 或者 supports 这样一个
biological model/mechanism，因此我们把这个 bio-model 作为 bio hypothesis。这
时，其预测了 A < B，因此我们把 H1 设为： A < B，并用左尾检验之。
这就是 hypothesis-driven research 和 hypothesis-based test，把 biological mo
del 和 statistical hypothesis test 结合起来。
尾）
【在 D*a 的大作中提到】
: 没看懂最后两段。举个例子说吧。假设我做了一些实验，不是直接检测A和B的，但是这
: 些实验预测，在什么信号什么转录的情况下，如果抑制一个什么东西，应该造成A: 我这种情况下是用单尾？
: 那么那些"surprisingly，we found that A is significantly higher than B"的这种
: 结果，又是怎么evaluate statistically的呢？先把H0 reject了，然后再发现H1也不
: 对，然后再回来用双尾检验？
:
: alternative
: result
: 以及
D*a
31 楼
那如果我先 hypothesis-driven了这么一把, 但做出来的实验结果已经不支持单尾的H1
假设了（一个mean就看出来了吧），这种情况下怎么办（statistics理论上来说）？如
果改用双尾，是什么statistic的理由支持换双尾的？
问题有点多，先谢了^_^
A
mo
【在 b*****l 的大作中提到】
: 双尾检验只能得到 H0 是否成立的结论，无法检验 A 和 B 谁高谁低。
: 另外，实验无法“预测”啥，只有 model 有预测的能力。所以，当你说“实验预测 A
: < B”时，严格说，应当表述为：实验结果 implies 或者 supports 这样一个
: biological model/mechanism，因此我们把这个 bio-model 作为 bio hypothesis。这
: 时，其预测了 A < B，因此我们把 H1 设为： A < B，并用左尾检验之。
: 这就是 hypothesis-driven research 和 hypothesis-based test，把 biological mo
: del 和 statistical hypothesis test 结合起来。
:
: 尾）
假设了（一个mean就看出来了吧），这种情况下怎么办（statistics理论上来说）？如
果改用双尾，是什么statistic的理由支持换双尾的？
问题有点多，先谢了^_^
A
mo
【在 b*****l 的大作中提到】
: 双尾检验只能得到 H0 是否成立的结论，无法检验 A 和 B 谁高谁低。
: 另外，实验无法“预测”啥，只有 model 有预测的能力。所以，当你说“实验预测 A
: < B”时，严格说，应当表述为：实验结果 implies 或者 supports 这样一个
: biological model/mechanism，因此我们把这个 bio-model 作为 bio hypothesis。这
: 时，其预测了 A < B，因此我们把 H1 设为： A < B，并用左尾检验之。
: 这就是 hypothesis-driven research 和 hypothesis-based test，把 biological mo
: del 和 statistical hypothesis test 结合起来。
:
: 尾）
s*s
32 楼
没有任何理由，结论是，没有significant的不同。
唯一符合统计原理的步骤就是：在收集data之前，你就sure (99.9999% centain)
只可能A>＝B，只有这个时候才能用one-tail，用的时候你要心里对自己说，如果我
作出来是A异”的结论，抵抗switch side或者用two-tail的诱惑。
H1
【在 D*a 的大作中提到】
: 那如果我先 hypothesis-driven了这么一把, 但做出来的实验结果已经不支持单尾的H1
: 假设了（一个mean就看出来了吧），这种情况下怎么办（statistics理论上来说）？如
: 果改用双尾，是什么statistic的理由支持换双尾的？
: 问题有点多，先谢了^_^
:
: A
: mo
唯一符合统计原理的步骤就是：在收集data之前，你就sure (99.9999% centain)
只可能A>＝B，只有这个时候才能用one-tail，用的时候你要心里对自己说，如果我
作出来是A异”的结论，抵抗switch side或者用two-tail的诱惑。
H1
【在 D*a 的大作中提到】
: 那如果我先 hypothesis-driven了这么一把, 但做出来的实验结果已经不支持单尾的H1
: 假设了（一个mean就看出来了吧），这种情况下怎么办（statistics理论上来说）？如
: 果改用双尾，是什么statistic的理由支持换双尾的？
: 问题有点多，先谢了^_^
:
: A
: mo
s*s
33 楼
补充一下为什么选了one-tail就不能换了。其实，前面bigsail已经说了，
hypothesis test model是理论作出的，不是根据实验数据作出的。如果你
根据理论选了单尾model，就算实验数据不符合，也不能justify你换model。
这也就是我前面有一片文章里面说的统计哲学问题，同样也是我前面说过
不喜欢经典统计，而喜欢bayesian的原因。bayesian的好处就是简单明了，
而且把这些先前的经验（包括根据数据得出的结果）都整合在model里面，
没有很多对新手来说事实而非容易混淆的东西。
英国著名政治家，维多利亚时期的首相本杰明·迪斯雷利说过“ “There
are three types of liars: liars, damned liars and statisticians.”
我听过的第一门统计课，开场白就是“统计学家要自律”。拿到data以后，
其实不根据这些“统计哲学”来处理，其实想拿到什么结论就能得出什么
结论。对生物学家来说，如果one-tail不对，保证99.9%的人马上变成two-
tail或者换成反方向one-tail，这个诱惑很难抵抗。
【在 s******s 的大作中提到】
: 没有任何理由，结论是，没有significant的不同。
:
: 唯一符合统计原理的步骤就是：在收集data之前，你就sure (99.9999% centain)
: 只可能A>＝B，只有这个时候才能用one-tail，用的时候你要心里对自己说，如果我
: 作出来是A: 异”的结论，抵抗switch side或者用two-tail的诱惑。
:
: H1
hypothesis test model是理论作出的，不是根据实验数据作出的。如果你
根据理论选了单尾model，就算实验数据不符合，也不能justify你换model。
这也就是我前面有一片文章里面说的统计哲学问题，同样也是我前面说过
不喜欢经典统计，而喜欢bayesian的原因。bayesian的好处就是简单明了，
而且把这些先前的经验（包括根据数据得出的结果）都整合在model里面，
没有很多对新手来说事实而非容易混淆的东西。
英国著名政治家，维多利亚时期的首相本杰明·迪斯雷利说过“ “There
are three types of liars: liars, damned liars and statisticians.”
我听过的第一门统计课，开场白就是“统计学家要自律”。拿到data以后，
其实不根据这些“统计哲学”来处理，其实想拿到什么结论就能得出什么
结论。对生物学家来说，如果one-tail不对，保证99.9%的人马上变成two-
tail或者换成反方向one-tail，这个诱惑很难抵抗。
【在 s******s 的大作中提到】
: 没有任何理由，结论是，没有significant的不同。
:
: 唯一符合统计原理的步骤就是：在收集data之前，你就sure (99.9999% centain)
: 只可能A>＝B，只有这个时候才能用one-tail，用的时候你要心里对自己说，如果我
: 作出来是A: 异”的结论，抵抗switch side或者用two-tail的诱惑。
:
: H1
n*t
34 楼
得，怎么确定先验就是arts，而不是science。一样忽悠，统计只是工具，把工具当成
科学吹就是敝帚自珍。
俺上统计课的时候老头直接就说统计的真谛就是怎样扔掉高阶的东西，把数据变换成
normal。BTW，俺那学校是Bayes school的大本营
【在 s******s 的大作中提到】
: 补充一下为什么选了one-tail就不能换了。其实，前面bigsail已经说了，
: hypothesis test model是理论作出的，不是根据实验数据作出的。如果你
: 根据理论选了单尾model，就算实验数据不符合，也不能justify你换model。
: 这也就是我前面有一片文章里面说的统计哲学问题，同样也是我前面说过
: 不喜欢经典统计，而喜欢bayesian的原因。bayesian的好处就是简单明了，
: 而且把这些先前的经验（包括根据数据得出的结果）都整合在model里面，
: 没有很多对新手来说事实而非容易混淆的东西。
: 英国著名政治家，维多利亚时期的首相本杰明·迪斯雷利说过“ “There
: are three types of liars: liars, damned liars and statisticians.”
: 我听过的第一门统计课，开场白就是“统计学家要自律”。拿到data以后，
科学吹就是敝帚自珍。
俺上统计课的时候老头直接就说统计的真谛就是怎样扔掉高阶的东西，把数据变换成
normal。BTW，俺那学校是Bayes school的大本营
【在 s******s 的大作中提到】
: 补充一下为什么选了one-tail就不能换了。其实，前面bigsail已经说了，
: hypothesis test model是理论作出的，不是根据实验数据作出的。如果你
: 根据理论选了单尾model，就算实验数据不符合，也不能justify你换model。
: 这也就是我前面有一片文章里面说的统计哲学问题，同样也是我前面说过
: 不喜欢经典统计，而喜欢bayesian的原因。bayesian的好处就是简单明了，
: 而且把这些先前的经验（包括根据数据得出的结果）都整合在model里面，
: 没有很多对新手来说事实而非容易混淆的东西。
: 英国著名政治家，维多利亚时期的首相本杰明·迪斯雷利说过“ “There
: are three types of liars: liars, damned liars and statisticians.”
: 我听过的第一门统计课，开场白就是“统计学家要自律”。拿到data以后，
l*s
35 楼
It is certainly much easier to fabricate any conclusion you want with
Bayesian approaches than frequentist approach.
【在 s******s 的大作中提到】
: 补充一下为什么选了one-tail就不能换了。其实，前面bigsail已经说了，
: hypothesis test model是理论作出的，不是根据实验数据作出的。如果你
: 根据理论选了单尾model，就算实验数据不符合，也不能justify你换model。
: 这也就是我前面有一片文章里面说的统计哲学问题，同样也是我前面说过
: 不喜欢经典统计，而喜欢bayesian的原因。bayesian的好处就是简单明了，
: 而且把这些先前的经验（包括根据数据得出的结果）都整合在model里面，
: 没有很多对新手来说事实而非容易混淆的东西。
: 英国著名政治家，维多利亚时期的首相本杰明·迪斯雷利说过“ “There
: are three types of liars: liars, damned liars and statisticians.”
: 我听过的第一门统计课，开场白就是“统计学家要自律”。拿到data以后，
Bayesian approaches than frequentist approach.
【在 s******s 的大作中提到】
: 补充一下为什么选了one-tail就不能换了。其实，前面bigsail已经说了，
: hypothesis test model是理论作出的，不是根据实验数据作出的。如果你
: 根据理论选了单尾model，就算实验数据不符合，也不能justify你换model。
: 这也就是我前面有一片文章里面说的统计哲学问题，同样也是我前面说过
: 不喜欢经典统计，而喜欢bayesian的原因。bayesian的好处就是简单明了，
: 而且把这些先前的经验（包括根据数据得出的结果）都整合在model里面，
: 没有很多对新手来说事实而非容易混淆的东西。
: 英国著名政治家，维多利亚时期的首相本杰明·迪斯雷利说过“ “There
: are three types of liars: liars, damned liars and statisticians.”
: 我听过的第一门统计课，开场白就是“统计学家要自律”。拿到data以后，
s*s
36 楼
统计本来就不能严格算是science。不管你所先验后验的，看了data以后再做
hypothesis test就是错误的，或者从另一个角度说，你这个就不是random的
sample了，做出来的p value就没有意义
【在 n********t 的大作中提到】
: 得，怎么确定先验就是arts，而不是science。一样忽悠，统计只是工具，把工具当成
: 科学吹就是敝帚自珍。
: 俺上统计课的时候老头直接就说统计的真谛就是怎样扔掉高阶的东西，把数据变换成
: normal。BTW，俺那学校是Bayes school的大本营
hypothesis test就是错误的，或者从另一个角度说，你这个就不是random的
sample了，做出来的p value就没有意义
【在 n********t 的大作中提到】
: 得，怎么确定先验就是arts，而不是science。一样忽悠，统计只是工具，把工具当成
: 科学吹就是敝帚自珍。
: 俺上统计课的时候老头直接就说统计的真谛就是怎样扔掉高阶的东西，把数据变换成
: normal。BTW，俺那学校是Bayes school的大本营
s*s
37 楼
那是。不过Bayesian没有这么多loop-hole, 花样多那是统计学教自己控制的，
不像frequentist的东西对新手来说就算想自律也可能不小心掉下陷阱。
【在 l*********s 的大作中提到】
: It is certainly much easier to fabricate any conclusion you want with
: Bayesian approaches than frequentist approach.
不像frequentist的东西对新手来说就算想自律也可能不小心掉下陷阱。
【在 l*********s 的大作中提到】
: It is certainly much easier to fabricate any conclusion you want with
: Bayesian approaches than frequentist approach.
n*t
38 楼
这个我同意，统计本来就是一个万金油。
【在 s******s 的大作中提到】
: 统计本来就不能严格算是science。不管你所先验后验的，看了data以后再做
: hypothesis test就是错误的，或者从另一个角度说，你这个就不是random的
: sample了，做出来的p value就没有意义
【在 s******s 的大作中提到】
: 统计本来就不能严格算是science。不管你所先验后验的，看了data以后再做
: hypothesis test就是错误的，或者从另一个角度说，你这个就不是random的
: sample了，做出来的p value就没有意义
D*a
39 楼
多谢解答！
我用自己的话说说吧，看看我理解对了没有
1。这就是说，只要H1是A>B，那么即使做出来的结果是A是符合H0的？是因为所应用的公式的原因？我对公式不熟，麻烦解答一下拉
2。既然我现在的实验不是建立在理论model的基础上，那么我是不应用单尾的，而应该
把H1设为A和B是不同的，然后用双尾检验。这样理解是正确的么？那么把结果表述为we
found that A is significantly higher than B是不是（statistically）正确的呢
？（虽然现在大家都这么写）
【在 s******s 的大作中提到】
: 那是。不过Bayesian没有这么多loop-hole, 花样多那是统计学教自己控制的，
: 不像frequentist的东西对新手来说就算想自律也可能不小心掉下陷阱。
我用自己的话说说吧，看看我理解对了没有
1。这就是说，只要H1是A>B，那么即使做出来的结果是A是符合H0的？是因为所应用的公式的原因？我对公式不熟，麻烦解答一下拉
2。既然我现在的实验不是建立在理论model的基础上，那么我是不应用单尾的，而应该
把H1设为A和B是不同的，然后用双尾检验。这样理解是正确的么？那么把结果表述为we
found that A is significantly higher than B是不是（statistically）正确的呢
？（虽然现在大家都这么写）
【在 s******s 的大作中提到】
: 那是。不过Bayesian没有这么多loop-hole, 花样多那是统计学教自己控制的，
: 不像frequentist的东西对新手来说就算想自律也可能不小心掉下陷阱。
D*a
40 楼
另外请问哪里找这些统计哲学的入门书呀？
【在 s******s 的大作中提到】
: 那是。不过Bayesian没有这么多loop-hole, 花样多那是统计学教自己控制的，
: 不像frequentist的东西对新手来说就算想自律也可能不小心掉下陷阱。
【在 s******s 的大作中提到】
: 那是。不过Bayesian没有这么多loop-hole, 花样多那是统计学教自己控制的，
: 不像frequentist的东西对新手来说就算想自律也可能不小心掉下陷阱。
s*s
41 楼
差不多。不过咱一般不说符合，只说不矛盾，不支持反对 等等
we
对
这个是大错特错的，错的没边了，根本没有“大家都这么写“一说
你还不如先看了结果，然后做单尾，虽然也不对，不过确实很多人这么做
【在 D*a 的大作中提到】
: 多谢解答！
: 我用自己的话说说吧，看看我理解对了没有
: 1。这就是说，只要H1是A>B，那么即使做出来的结果是A: 是符合H0的？是因为所应用的公式的原因？我对公式不熟，麻烦解答一下拉
: 2。既然我现在的实验不是建立在理论model的基础上，那么我是不应用单尾的，而应该
: 把H1设为A和B是不同的，然后用双尾检验。这样理解是正确的么？那么把结果表述为we
: found that A is significantly higher than B是不是（statistically）正确的呢
: ？（虽然现在大家都这么写）
s*s
42 楼
没有统计哲学这么一词，我随口编的
【在 D*a 的大作中提到】
: 另外请问哪里找这些统计哲学的入门书呀？
【在 D*a 的大作中提到】
: 另外请问哪里找这些统计哲学的入门书呀？
o*r
43 楼
简单点说，p value小你可以reject H0（就是说认为H0是错的），但是H0不能被
reject的时候不等同于H0成立。
we
【在 D*a 的大作中提到】
: 多谢解答！
: 我用自己的话说说吧，看看我理解对了没有
: 1。这就是说，只要H1是A>B，那么即使做出来的结果是A: 是符合H0的？是因为所应用的公式的原因？我对公式不熟，麻烦解答一下拉
: 2。既然我现在的实验不是建立在理论model的基础上，那么我是不应用单尾的，而应该
: 把H1设为A和B是不同的，然后用双尾检验。这样理解是正确的么？那么把结果表述为we
: found that A is significantly higher than B是不是（statistically）正确的呢
: ？（虽然现在大家都这么写）
reject的时候不等同于H0成立。
we
【在 D*a 的大作中提到】
: 多谢解答！
: 我用自己的话说说吧，看看我理解对了没有
: 1。这就是说，只要H1是A>B，那么即使做出来的结果是A: 是符合H0的？是因为所应用的公式的原因？我对公式不熟，麻烦解答一下拉
: 2。既然我现在的实验不是建立在理论model的基础上，那么我是不应用单尾的，而应该
: 把H1设为A和B是不同的，然后用双尾检验。这样理解是正确的么？那么把结果表述为we
: found that A is significantly higher than B是不是（statistically）正确的呢
: ？（虽然现在大家都这么写）
D*a
44 楼
1 多谢！
2 我确实看到好多paper上这么写啊。。。
我现在都是用双尾的，倒是没想要改单尾试试能不能significant。。。（至少我知道
不能这么瞎改呀。。。）
3没有统计哲学这样的书，那哪里有讲的好玩又深入浅出的统计书看呢？（懒人羞愧的
问。。。）
【在 s******s 的大作中提到】
: 没有统计哲学这么一词，我随口编的
2 我确实看到好多paper上这么写啊。。。
我现在都是用双尾的，倒是没想要改单尾试试能不能significant。。。（至少我知道
不能这么瞎改呀。。。）
3没有统计哲学这样的书，那哪里有讲的好玩又深入浅出的统计书看呢？（懒人羞愧的
问。。。）
【在 s******s 的大作中提到】
: 没有统计哲学这么一词，我随口编的
D*a
45 楼
哦！明白了，多谢！
【在 o********r 的大作中提到】
: 简单点说，p value小你可以reject H0（就是说认为H0是错的），但是H0不能被
: reject的时候不等同于H0成立。
:
: we
【在 o********r 的大作中提到】
: 简单点说，p value小你可以reject H0（就是说认为H0是错的），但是H0不能被
: reject的时候不等同于H0成立。
:
: we
d*e
46 楼
you should learn some basic statistics...
i would suggest a book "statistics and data analysis from elementary to
intermediate" by Tamhane.
【在 D*a 的大作中提到】
: 1 多谢！
: 2 我确实看到好多paper上这么写啊。。。
: 我现在都是用双尾的，倒是没想要改单尾试试能不能significant。。。（至少我知道
: 不能这么瞎改呀。。。）
: 3没有统计哲学这样的书，那哪里有讲的好玩又深入浅出的统计书看呢？（懒人羞愧的
: 问。。。）
i would suggest a book "statistics and data analysis from elementary to
intermediate" by Tamhane.
【在 D*a 的大作中提到】
: 1 多谢！
: 2 我确实看到好多paper上这么写啊。。。
: 我现在都是用双尾的，倒是没想要改单尾试试能不能significant。。。（至少我知道
: 不能这么瞎改呀。。。）
: 3没有统计哲学这样的书，那哪里有讲的好玩又深入浅出的统计书看呢？（懒人羞愧的
: 问。。。）
D*a
47 楼
多谢！我也觉得应该认真学学statistics的东西
【在 d*******e 的大作中提到】
: you should learn some basic statistics...
: i would suggest a book "statistics and data analysis from elementary to
: intermediate" by Tamhane.
【在 d*******e 的大作中提到】
: you should learn some basic statistics...
: i would suggest a book "statistics and data analysis from elementary to
: intermediate" by Tamhane.
相关阅读
工业界的都要什么背景阿Paper help !!!第三代测序 是什么东西?Postdoc/Research Associate/Co-PI Position on Systems Biolo谁来说说癌症systems biology回顾和前景展望二流大学生物教授年薪有多少？H1BPaper Help: J. Electrochem. Soc., Volume 150, Issue 5, pp. A629-A637 (2003)这里做免疫的同学多吗为什么这个序列不是一个基因？学生物的也不能这样啊做targeting constructs，没有129 BAC clone急问一个on-site 时presentation的问题请教bench work 技能Ivitrogen的Dry Blotting System有人用过么?黄西：从中国留学生到美国喜剧之星 (转载)sunney xie也要归了？医改对广大postdog应该是个好消息吧？Marriage vs. the Ph.D.第一次投文章，请过来人解惑。 gene therapy