Пока я пытаюсь разгрести в своих завалах хоть какой-то кусочек времени на очередную заметку (идей-то вагон - времени нет), коллеги готовят очередной сезон Разрушителей статистических мифов 😍
Жду с нетерпением!
Все ситуации очень жизненные (по содержанию - это больше мои ожидания, исходя из того, с чем регулярно приходится сталкиваться, а не конкретный план лекций):

- Про отбор ковариат для многофакторных регрессий - о том, почему, в частности, пошаговые методы и отбор по стат.значимости в однофакторных моделях - это плохая практика (особенно для причинно-следственного вывода) и как на самом деле этот отбор должен быть, в идеале, устроен

- Представление описательных статистик в Таблице 1 - миф, связанный с необходимостью p-значений в этой таблице, развенчивали во втором сезоне (лекция Артемия Охотина), про выбор метода анализа, исходя из распределения данных в выборке (тест Стьюдента только для нормальных данных, иначе - Манн-Уитни), - в первом (лекция Матвея Савенко), но есть ещё третий миф на стыке этих двух историй - о том, что выбор описательных статистик для количественных признаков тоже должен зависеть от формы их распределения

- Про оценку мощности при проверке статистических гипотез - о том, на каком этапе исследования уже поздно пить Боржоми она (не)уместна, а главное - почему и зачем

Приходите, особенно будем рады вашему активному участию в дискуссии!

P.S. Как сказал Евгений Бакин на открытии первого сезона, все мы не без греха и в Интернете наверняка можно найти ряд тому свидетельств, - да, статистические мифы - такая штука, что из-за их широкой распространенности и статуса "ну все так делают / в Q1 же публикуют" все мы (статистики) так или иначе когда-то им тоже, по незнанию/ неопытности, следовали. Поэтому, если вдруг вы пропустили предыдущие два сезона лектория, не бойтесь приобщиться: задача лектория - не выгулять наше белое пальто, а подсветить наиболее часто встречающиеся заблуждения, которые мешают исследователям получить ответ на тот вопрос, который их на самом деле интересует ✨