京都大学大学院医学研究科 聴講コース 臨床研究者のための生物統計学「仮説検定とP値の誤解」佐藤 俊哉 医学研究科教授 

P

急に出てくるようになった人多そう

無料で見られるなんてありがたいです！

統計的手法は間違えて理解しても間違いがはっきり成果物に現れないので気づきにくいんでしょうね

急に出てきて大学でちょうどやったところなので見たら、分かりやすく助かりました。

とても参考になりました。ありがとうございました。データを見る・解析する全ての人が知っておくべき事ですね。

抗生物質の優位性を示すときにt検定をやって、そのときにP値を用いたけど、発表のときに有意水準5%ってなんで？って教授に聞かれて撃沈した思い出が、、。

何もわからなかったけど、分かった気になりました。 ありがとうございました。

13:45 有意水準についての裏話が聞けてラッキーです！

データの信頼度、誤差解析、測定系の分析は重要だ。タンパリングで痛い目にあった例はアメリカの作業分析などでも少なくない。

めちゃめちゃためになる。

RU-vidでこれ見れるのすごすぎる

財津チャンネルぐらい勉強になる

高校の教科書からして、誤解を招かないように書かないと。 統計調査報告で、必要項目(全ての仮定など)を網羅させるための、標準フォーマットがあっていいのでは。

全くこの分野には明るくないが、頭のいい人の話す話はわかりやすいですね。

非常にわかりやすいですね。参考になりました。

聴いてるだけで頭が100倍よくなった気がする

31:17 ランダムサンプリング等、バイアスの少ないデータ取得などは【疫学】の分野の要素にも絡んできて重要ですよね！

非常に心が安らぐ。(2022/12/24)

こんな有益動画消さないでください(´；ω；`)ｳｩｩ

いい話だった。 でも、なんでこの動画がおすすめに出てきたのだろうｗ　 私がこの手の研究に関わってた（20年以上前、それも1回だけ）ことが関連付けられたのだろうか😶 確かに20年以上前のあのころに聞きたかった話なのだが.....

P値とか適当に決めてた。仮定を否定することで立証するという形態が変態的ですから。

これ全人類見るべきやろ

アーカイブにしてもらえてありがたいです。

非常に勉強になりました。

最近復習してたから助かる

多分観ても分からんだろうけどちょっと気になるから再生してみたら案の定1つも理解できないのでそっと停止した。

喋っている内容の意味が分かる程度の大学を出ていて本当に良かった。

厚生労働省の人たちに聞いて欲しい話だ

素晴らしい動画だ。

凄いわかりやすい

すごく参考になりました。パワポを公開してもらうことってやっぱり出来ないでしょうか…？

そもそも事前確率5%程度の仮説だったら、P値が0.05未満を示した研究があったとしても、真に仮説が正しい可能性は半々程度かもしれない。 逆に、多重性を補正しない副次解析を軽視する人がいるけど信頼区間や傾向は大事で、新しい解釈や発展のきっかけになり得る。有意水準が全てじゃない。 仮設検定は、何かの仮説を証明するためのもの、ではなくて、進むべき仮説の方向性を示すもの

愚問に見えて、本質的な問いかけとはこう言うことなのかな。勉強しなおさないと。

バイオメトリクス学会でダウンロードしたよ。おもしろかつた。

大抵の人が誤解してるんじゃない？これ

統計学ガチ勢は「証明」なんて言葉は使わない。数学と違って、統計学は「証拠」しか集められないのだから。医療統計みたいな似非科学はまだまだ闇が深い

ASAの声明が、もはや昔と言えるほどになりましたが、あんまり状況は改善しませんね…。

これも消えちゃうのか....勿体無いです。

急にオススメでてきた

t検定のような古典的な統計学的検定のお話は、ネイマン-ピアソンの頻度主義の流れから来ているので、そのお話抜きにすると、なぜ帰無仮説を「棄却する (reject)」ことで対立仮説を「受け入れる (accept)」のか、というややこしいロジックの説明の理由が難しいです。ここで、仮説を否定/反証（deny, disprove）しているわけでもなく、証明（prove）しているわけでもないことが重要で、ランダムサンプリングで大量のサンプルを取ってきて、統計学的検定を何万回して、p値がたとえ限りなく0に近かったとしたところで、仮説を証明することも否定することもできません。また、昨今のビッグデータ事情では、検定一回だけで終わる、ということは非常に稀で、多重検定の問題（p値修正）も取り上げてほしいところです。 また、この頻度主義の流れからベイズ主義の流れを説明しないと現代の統計学的検定のお話（講義）としては不十分な気がします。（統計学的）検定は仮説を調べるための一つの道具に過ぎず、動画でも述べられていますがたくさんの仮定が置かれるのが普通なので、（分野によりますが）統計モデリング（回帰分析）だけではなく、多変量解析、非線形解析、機械学習などの手法も併せて多角的にデータを分析する手法が現代の流れで、統計学的検定だけで結論を出す（検定結果を信じる）のは危険です。一般的に、統計モデルはシステム内の要素関係の詳細をブラックボックス化した確率モデルであるので、流体や分子のように力学的なモデルが（ある程度）自明な場合は、数学的/物理学的手法（理論化、モデル化）も多変量/非線形現象の仮説検証には有効です。

Why was I recommended this?

ベイズ統計の事後分布はどのように説明されるのでしょうか？

つまりP値と点Pは一緒ってことで合ってるよね？

28:00

どなたか教えてください(>_

心理学で習った内容だ

なぜおすすめに

なぜおすすめ

ピタットハウスに手付金を横領されて困ってます。

サムネで劇団ひとりのネタかと思って開いたけど、結局最後まで見ちゃった...

うーん、やっぱり、ある標本の95%信頼区間の中に母平均がある確率は95%だと思うのですが。。

I See

RU-vid君、俺みたいなバカにこんな難しい話をオススメに出してきても理解出来るわけなかろうが

38:23 p値が低いとは

まじでめちゃくちゃわからん

What am I watching

これ大学生の頃に観たかったよwwww

p値は抜ける👍👍👍👍

P値は抜ける

お腹痛くなってくるわ

可燃性が高そうなテーマだァ

ぴーち！🍑

😃😃😃😃

睡眠導入にもってこいな分からなさ。

かき