Efekt Marsa i test chi-kwadrat

W artykule Is There Really a Mars Effect? Michel Gauquelin w Tabeli 1. pokazuje dane statystyczne, na których przeprowadza test chi-kwadrat. W załączeniu obrazek przedstawiający jak to wyliczyć w programie RStudio. We wnioskowaniu końcowym najważniejsze jest p-value. Jest to miara, która pokazuje, jakie jest prawdopodobieństwo uzyskania takiego rozkładu przy założeniu, że prawdziwe są wartości oczekiwane. Tutaj mamy 0,005229, czyli jakieś 0,5% szansy, że te rozbieżności od oczekiwań są dziełem przypadku.

Prawdopodobieństwo występowania cech astrologicznych

Szacowanie wartości oczekiwanej jest wymogiem każdego testu statystycznego. Chcąc więc orzec, że dany znak Zodiaku występuje częściej w danej grupie badanej powinniśmy wykazać, że np. u aktorów proporcja jego występowania była inna niż oczekiwaliśmy. Tego typu wnioskowań brakuje w książkach astrologicznych. Okazuje się również, że bardzo mało astrologów wie, jak należy podejść do statystycznego uzasadniania swoich tez astrologicznych.

Zbieram tu niezbędne informacje, które służą do szacowania prawdopodobieństwa wystąpienia jakiegoś czynnika astrologicznego w populacji, co jest ważne dla przeprowadzenia testu statystycznego, którego kolejne kroki powinny wyglądać w następujący sposób:

  1. Postawienie hipotezy — np. Lew u aktorów będzie silniej zaznaczony niż w innych znakach.
  2. Oszacowanie wartości oczekiwanej – stwierdzenie ile procent populacji ma daną konfigurację.
  3. Przebadanie niezależnej od siebie grupy badanej — np. jakiejś kategorii z bazy Astrodatabank.
  4. Wykonanie testu statystycznego — np. testu na jedną proporcję.

Niniejszy artykuł opisuje dokładnie pkt. 2 tego procesu. Proponowane tutaj rozwiązanie jest bardzo proste i oparte na rachunku prawdopodobieństwa, przez co można je porównywać do metody Monte Carlo.

Czytaj dalej Prawdopodobieństwo występowania cech astrologicznych