سلام به همراهان تیم Data Elites ❤️
🚨 یکی از رایج‌ترین اشتباهات در پژوهش و تحلیل داده این است:
"نتیجه معنادار نشد، پس هیچ اثری وجود ندارد."
اما آیا واقعاً این‌طور است؟
فرض کنید در یک مطالعه به نتیجه زیر رسیده‌اید:
p-value = 0.08
بسیاری فوراً نتیجه می‌گیرند:
❌ دارو هیچ تأثیری ندارد.
در حالی که آمار چنین چیزی نگفته است.
آنچه آمار می‌گوید این است:
✅ شواهد کافی برای اثبات اثر وجود ندارد.
و این دو جمله یکسان نیستند.
━━━━━━━━━━━━━━
تصور کنید کلید خود را در یک پارک گم کرده‌اید و پس از جستجو آن را پیدا نمی‌کنید.
آیا این به معنی نبودن کلید است؟
یا فقط نتوانسته‌اید آن را پیدا کنید؟
دقیقاً همین تفاوت در بسیاری از آزمون‌های آماری وجود دارد.
━━━━━━━━━━━━━━
💡 یکی از مهم‌ترین درس‌های آمار:
"عدم وجود شواهد" با "شواهدِ عدم وجود" تفاوت دارد.
بنابراین وقتی با یک p-value بزرگ‌تر از 0.05 مواجه می‌شوید، به جای اینکه بگویید:
❌ هیچ اثری وجود ندارد
از خودتان بپرسید:
🤔 آیا واقعاً اثری وجود ندارد، یا فقط نتوانسته‌ایم آن را با داده‌های موجود نشان دهیم؟

همراه ما در فضای مجازی باشید 🫶

Telegram
Instagram