دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Deborah G. Mayo
سری:
ISBN (شابک) : 9781107286184
ناشر: Cambridge University Press
سال نشر: 2018
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Statistical Inference as Severe Testing: How to Get Beyond the Statistics Wars به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استنباط آماری به عنوان آزمایش شدید: چگونه می توان از جنگ آماری فراتر رفت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
شکستهای فزاینده همانندسازی در علوم اجتماعی و زیستی فوریت جدیدی را برای ارزیابی انتقادی اصلاحات پیشنهادی ایجاد میکند. این کتاب جلد اختلافات بین کارشناسانی را که مسئول بازگرداندن یکپارچگی به علم هستند، بازمیگرداند. این دو دیدگاه فراگیر در مورد نقش احتمال در استنتاج را رد میکند: تخصیص درجات باور، و کنترل نرخ خطا در بلندمدت. اگر مصرف کنندگان آماری از مفروضات پشت اصلاحات شواهد رقیب آگاه نباشند، نمی توانند پیامدهایی را که بر آنها تأثیر می گذارد (در پزشکی شخصی، روانشناسی و غیره) بررسی کنند. کتاب با یک ابزار ساده به راه می افتد: اگر برای رد کردن نقص در استنباط یک ادعا کار کمی انجام شده باشد، پس آزمون سختی را پشت سر نگذاشته است. بسیاری از روشهایی که توسط متخصصان دادهها حمایت میشوند، در برابر بررسی دقیق نمیمانند و با استراتژیهای موفقیتآمیز برای مسدود کردن یا محاسبه چیدن گیلاس و گزارشدهی انتخابی در تنش هستند. از طریق مجموعه ای از گشت و گذارها و نمایشگاه ها، فلسفه و تاریخ استنتاج استقرایی زنده می شود. ابزارهای فلسفی برای حل مسائل مربوط به علم و شبه علم، استقرا و جعل به کار گرفته می شود.
Mounting failures of replication in social and biological sciences give a new urgency to critically appraising proposed reforms. This book pulls back the cover on disagreements between experts charged with restoring integrity to science. It denies two pervasive views of the role of probability in inference: to assign degrees of belief, and to control error rates in a long run. If statistical consumers are unaware of assumptions behind rival evidence reforms, they can't scrutinize the consequences that affect them (in personalized medicine, psychology, etc.). The book sets sail with a simple tool: if little has been done to rule out flaws in inferring a claim, then it has not passed a severe test. Many methods advocated by data experts do not stand up to severe scrutiny and are in tension with successful strategies for blocking or accounting for cherry picking and selective reporting. Through a series of excursions and exhibits, the philosophy and history of inductive inference come alive. Philosophical tools are put to work to solve problems about science and pseudoscience, induction and falsification.