ESP kutatasok eredmenye

[Szabolcs]

@Szilágyi András (67786): Ez most nem igazan gyozott meg... Tudod mi erdekes? Tudsz egy olyan esetet, amkikor a parapszihologia kutatoi, elismertek egy altaluk nagyon kutatott jelensegrol, hogy nem letezik?

[Szilágyi András]

@Szabolcs (67924):
Igen, persze. Szellemek, asztaltáncoltatás, halottakkal való beszélgetés, stb.

[Szabolcs]

De most tenyleg nincsen meg a szamos negativ kiserlet a tavolbalatasrol? Utanna kell neznem angol szkeptikus forumokon is...

[ennyi]

@Szilágyi András (67926):

Igen, persze. Szellemek, asztaltáncoltatás, halottakkal való beszélgetés, stb.

Lehet, hogy csak azert, mert itt nem csak a veletlentol valo szignifikans elterest kerestek, hanem konkret 100%-ban igaz valaszokat.
Lehet, hogy erdemes lenne metaanalizalni, hogy az eredmenyek szignifikansan kulonboznek-e veletlentol es ujraertekelni a kerdest.

[Szabolcs]

Lehet olyan metaanalizist csinalni, amiben 2, 4, 6 valasztasi lehetosegu kiserletek vannak vegyesen? Hogyan szamitjak ki a vegeredmenyt?

[Szilágyi András]

@Szabolcs (68161):
Igen, lehet. A korábban belinkelt metaanalízisben megtalálod azt a képletet, amivel a találati arányokat transzformálták.

[Szabolcs]

Melyikben? Sok metaanalizis fordult meg itt )

[Szilágyi András]

@Szabolcs (68183):
Amit utoljára linkeltem be.

[Szabolcs]

@Szilágyi András (67921):A veletlenszamgeneratoros nem? Akkor majd egyszer megint atbogaraszom a cikket... Most hirtelen nem kapom benne.

[ennyi]

@Szabolcs (68194): Az 504. oldalon az "Analyses" cimu fejezet eleje a baratod.

Az (1) jelu kepletben k a lehetseges kinetek szama, pi az aranyossagi tenyezo.

Azt allitjak, hogy egy ket eselyes (pl penzfeldobas) esemeny veletlenszeru eredmenyere (0.5) ez a keplet epp ugy 0.5-ot ad, mint egy 6 kinetelu (kockadobas) 1/6 valoszinusegu kimenetere is 0.5-ot, stb, igy osszehasonlithatoak az eredmenyek, a 0.5 a veletlen, az ennel kisebb vagy nagyobb ertek (0 es 1 kozott) az a veletlentol valo pozitiv vagy negativ iranyu elteres.

Nem ertem a logikajat, de kiprobaltam, behelyettesitettem, kulonbozo kimenet-szamokkal es helyesen mukodik.

[szemet]

Nem olvastam végig, csak képletre voltam kíváncsi: nekem az első pillantásra bűzlik

Egyszerűen nem veszi figyelembe mennyi információt hordoz/visz át egy befolyásolási kísérlet. Szóval számomra hiányzik valahol egy logaritmus a képletből

Mórickapélda egy könnyen érthető szélső estre:

a.) eset: 1-es találtai arány pénz(bit)feldobásnál: a képlet alapján megjutalmazzuk egy 1-es értékkel

b.) eset: 1-es találati arány egy bytefeldobásnál: a képlet alapján megjutalmazzuk egy 1-es értékkel

Az a.) esetben 1 bitet befolyásoltunk a másodikban 8-at (ez 8 pénzfeldobás egymás utáni befolyásolásával ekvivalens) mégis mindkettő kap egy 1-es eredményességi hozzárendelést.

Talán egy megoldás, hogy a kísérlet számnál végeznek erre kiegyenlítést (a 2. eset 8db sikeres 1. kísérlettel ekvivalens ugyebár). Csináltak ilyet? (Bocsánat hogy nem olvastam el az egész cikket, de aki olvasta biztos gyorsan válaszol.)
Vagy másik megoldás hogy tényleg valahogy az "átvitt információt" mérik és hasonlítják össze: http://en.wikipedia.org/wiki/Mutual_information

Ezek legalább nem lennének nekem gyanúsak első blikkre (persze biztos hogy még így is lehet hibásan okoskodni, de legalább az esélyét látnám a korrektségnek.)

szerk.: Mondjuk mindkét megoldáshoz logaritmus függvényt kéne látnom valahol a cikkben de azt egy gyors kereséssel nem találok...
szerk 2.: és a képlet indoklása: "combined into composite mean ... with an intuitively comprehensible effect size measure" enegem nem az intuitivitás hanem a hatás kimutatásának korrektsége érdekelne, pl. ha egy hidat intuitívan arányosan lekicsinyítünk 1m-esre hogy azon végezzünk vizsgálatot gondolni kell arra hogy a hosszhoz képest a térfogat(tömeg) köbösen változik azaz a nagy hídnak a saját tömege (amit szintén tartania kell) arányosan jóval nagyobb: ha ilyenekre nem figyelünk összedől alattunk a híd...

[Szilágyi András]

@szemet (68205):

Talán egy megoldás, hogy a kísérlet számnál végeznek erre kiegyenlítést (a 2. eset 8db sikeres 1. kísérlettel ekvivalens ugyebár). Csináltak ilyet?

Igen, pontosan ezt csinálták.

[szemet]

@Szilágyi András (68209):
Továbgondolva, ennyi nem elég. Szerintem egyszerre kell a kísérletszámot is bitekben mérni, és a találati arányt is. Tehát ha már eljutunk addig hogy egy kockadobás ugye 2,5849... bit (azaz ennyi pénzfeldobási kísérletszámmal ekvivalens), akkor utána a találati arányt is azonos mentalitással, bitekre kéne átszámolni. Tehát pi függvényükben is látni kéne 2-es alapú logaritmusokat, ezzel szemben az egy ad-hoc valaminek tűnik nekem még mindig.

(Papíron csináltam egy példaszámítást, ez alapján nekem egy 2/6-os dobókocka találati arány 0.6254-es pénzfeldobás találati aránynak felel meg inf. elméletileg, az ő képletükben meg 0.7142-nek. De ez csak szemléltetés, a konkrét számításban lehet hogy elszámoltam valamit, de az biztos hogy röpködtek a kettes logaritmusok, az ő képletükben meg egy sincs...

[Szilágyi András]

@szemet (68215): Az, hogy "szerinted" úgy kéne csinálni, meg neked "úgy tűnik", nem valami ütős érv.

[szemet]

@Szilágyi András (68218):
Ok. Szerinted nem kéne a kísérletszámot és a találatai arányt is bitekre normálni ha összegezni akarunk különböző értékkészleten mért adatokat?

Ők csak annyit írtak: intuitív... De ha hagyjuk a véleményeket: a HELYES módszernek azt kell szem előtt tartani, hogy adott kísérletszám (bit) alatt hány bit információátvitel történik! Ez egy értelmes közös nevező, az meg hogy a "mi képletünk intuitív mert 0..1 intervallumba normálódik az összes eset és a véletlen épp 0.5-re esik mindegyiknél" az meg nem helyes módszer Elrontja az összegzést, az én példaszámításomnál pl. felülértékelte a dobókockát.

Semmiféle alátámasztás nincs ott miért jó így, ad-hoc!

Így már ok?

[szemet]

@Szilágyi András (68218): Aki 0.71-es találati arányt hoz pénzfeldobásnál, több információt passzíroz át ESP képességeivel, mint aki 2/6-os találtai arányt hoz dobókockával. Az ő képletük meg ugyanoda helyezi őket. Így érthető?

[Szilágyi András]

@szemet (68220): Neked ez hogy jött ki? A saját számításod mikéntjét nem írtad le.
Egyébként az általad javasolt számítás nem tudja megkülönböztetni az eltérés két lehetséges irányát (a véletlen aránytól lefelé vagy felfelé térünk el). Ezt viszont az ő képletük megteszi.

[szemet]

@Szilágyi András (68221):
Ok. Példa. Megpróbálom a legegyszerűbb eszközökkel, kizárólag Shannon entrópia képletét használva.

Befolyásoljunk dobókockát! 665 dobás (így kerek lesz), a várható entrópiája: -1/6*log_2(1/6)*6*665=1719.00006297956 bit -> 1719 bit - azaz a ennyi pénzfeldobással ekvivalens

A befolyásoló elér egy: 2/6, 2/15, 2/15, 2/15, 2/15, 2/15 előfordulási arányt a 665 dobás végén, ennek entrópiája: (-1/3*log_2(1/3)-2/3*log_2(2/15))*665 = 1640.05 bit
(itt feltettem hogy a befolyásolt számon kívül a többi szám egyenletes, ha pontos infónk van persze akkor az használható - de a cikk is egy sikerparamétert néz)

A befolyásoló tehát az 1719 kísérlet alatt közel 79 bitnyi információnyereséget ért el (mondjuk ebből nem tudható hogy ESP-vel vagy véletlenül: tehát a szignifikancia további számítás kérdése)

Milyen fej vagy írás arány mellett lesz a 1719 pénzfeldobás entrópiája szintén 1640.05 bit?
(-p*log_2(p)-(1-p)*log_2(1-p))*1719 = 1640.05

behelyettesítéssel ellenőrizheted, hogy p=0,62549 vagy persze p=0,37451 aránynál van a megoldás!

Tehát aki 1719 pénzfeldobásnál 0,62549-re módosítja a fejek (vagy írások) arányát, az, azonos kísérletszám alatt (bitre normálva) ugyanannyi információt pumpál (vagy ez véletlenül pumpálódik, ugye a szignifikanciával még nem foglalkozunk) a kísérletbe mint aki 665 kockadobásban éri el a fent bemutatott példaelosztást.

[ennyi]

@szemet (68220):

Aki 0.71-es találati arányt hoz pénzfeldobásnál, több információt passzíroz át ESP képességeivel, mint aki 2/6-os találtai arányt hoz dobókockával. Az ő képletük meg ugyanoda helyezi őket. Így érthető?

Biztos, hogy informacio passzirozasrol van itt szo?
Nem csak a veletlen alapjan varhato ertektol valo valamilyen oku elterestol?

Ha az elteres 12% abbol mas kovetkeztetest vonnank le, mitha 15% vagy 11% lenne?
Nem mindegy? Nem csak az szamit, hogy "szignifikans"-e az elteres?

Masreszt meg miert kene egybemosni a kulonbozo kiserletek eredmenyet? Olyan, mintha az aszpirin meg a ricnusolaj meg a csukamajolaj hatasat elemzo kiserleteket vonnak egybe egy keplettel. Csak az szamit, elter-e a veletlentol.

A dobokockat epp ugy kell befolyasolni, mint a 4 kep kozuli valasztast, vagy a veletlenszamgeneratort? Azonos a mechanizmus? Biztosan azonos? Ha nem, akkor felrevezeto eredmenyt ad az osszemosas.

Lehet, hogy az egyik mukodik, a masik nem, es az osszevont hatas igy hamis eredmenyt ad?

Amugy elvezetes jatek a szamokkal, csak ne vegyuk tul komolyan.

[szemet]

@Szilágyi András (68221): És az entrópiát is csak az egyenletes eloszlástól való eltérés mértéke és nem az iránya érdekli...

[Szilágyi András]

@szemet (68223): Értem, de ha csak azt nézzük, hányszor dobtuk a kívánt számot és hányszor mást, akkor nem kell az egész eloszlásra számolni az entrópiát. Csak két lehetőségre kell. Te meg mind a hat lehetőséghez konkrét értékeket rendeltél.

[szemet]

@Szilágyi András (68229): Hmm. Ha úgy gondolkodunk hogy azokról a számokról semmi információnk nincs, akkor a tökéletesen egyenletes eloszlás feltételezése hordozza a legnagyobb entrópiát, nem előlegezhetem meg az ESP-s alanynak hogy azt egy szemernyivel is lejjebb tudta vinni, csak ha konkrét adatok vannak a birtokomban (akkor persze szívesen). A teljesen véletlen - nem befolyásolt - forrás referencia entrópiájával is így jártam el...

[Szabolcs]

Mi az a Z score?

[szemet]

@Szabolcs (68631):
http://en.wikipedia.org/wiki/Standard_score - ez lehet az gondolom

[Szabolcs]

De kutya legyek ha ertem...

[szemet]

@Szabolcs (68646):
Egy mérőszám arra, hogy egy adott megfigyelt érték mennyire tér el a várható értéktől

A mögöttes tartalma meg a következő:

A normális eloszlást két paraméter határozza meg a várható érték (hol van a haranggörbe csúcsa) és a szórás (mennyire lapított a görbe): https://en.wikipedia.org/wiki/File:Norm ... on_PDF.svg

Az a normális eloszlás ahol várható érték 0 és a szórás 1 külön nevet kapott: standard normális eloszlás - ehhez szeretik viszonyítani a többi normális eloszlást

A cél itt, hogy minden más normális eloszlásból kapott értéket ehhez a standardhoz viszonyítsunk!

Számszerűsítve:
- Tfh. sorsolsz egy véletlen számot egy normális eloszlásból ahol a várható érték 100 a szórás meg 200
- Tfh. ez a sorsolás 500-at ad ki
- A Z érték ekkor: (500-100)/200 = 2
- Ez azt jelenti, hogy ez az 500-at sorsoltunk esemény valószínűségi szempontból PONT olyan mintha egy standard normális eloszlásnál 2 jött volna ki!

Azaz ez a képlet minden normális eloszlásból kapott értéket úgy módosít mintha standard eloszlásból kaptad volna azonos valószínűségű eseménnyel. Aki gyakran dolgozik eloszlásokkal gondolom van egy érzéke, hogy pl 10-nél többet kapni egy standard normálisból mennyire ritkaság - ezért ha többi normális eloszlást átszámolja ilyenre, akkor neki ez sokatmondó!
Pont olyan ez mint mikor átszámolod az eurót forintra vagy mérföldet km-re, mert abban a viszonyrendszerben szoktad meg a gondolkodást!

[Szabolcs]

@szemet (68648): A szoras az a +- -t jelenti? Tehat pl. a szoras 50 es a varhato ertek 200, akkor 150 es 250 kozott az ertek normalis?

[ennyi]

@Szabolcs (68660):

A szoras az a +- -t jelenti? Tehat pl. a szoras 50 es a varhato ertek 200, akkor 150 es 250 kozott az ertek normalis?

Nem egeszen.

A szoras azt mutatja meg, hogy az egyedi adatok mennyire ternek el az atlag ertektol, az elteresek atlaga a szoras (elso kozelitesben).

Peldanak vegyuk az 1,2,3,4,5,6,7,8,9 szamokat mint adatokat.
Az atlaguk 5,
az elteres az atlagtol rendre 4,3,2,1,0,1,2,3,4 ennek az atlaga a szoras 2.2222

Az osszes ertek lehet "normalis", valos, igaz, ez mar a konkret dologtol fugg.

[Szilágyi András]

@Szabolcs (68660):
Nem. A szórás (σ) a Gauss-eloszlás szélességére jellemző paraméter.

Az átlagérték μ.
Az átlagértéktől egy szóráson belül van az adatok kb. 68%-a, két szóráson belül kb. 95%-a, három szóráson belül 99,7%-a.

A Z-score azt mondja meg, hogy egy adat az átlagértéktől hány szórásnyira van.

[ennyi]

@Szilágyi András (68663):

A normal eloszlas eseten valoban, ahogy irod.

De a nem Gauss-eloszlas eseten nincs is ertelmezve a szoras?

[Szilágyi András]

@ennyi (68666):
Az igen, de a Z-score nem, és abból indultunk ki.
A szórás egyébként nem az eltérések átlaga.

[ennyi]

@Szilágyi András (68667):

A szórás egyébként nem az eltérések átlaga.

Valoban nem pontosan az. Ezert irtam oda, hogy " (elso kozelitesben)".

Precizebben a szoras az elteresek negyzetei atlaganak negyzetgyoke.
Ez ilyen szinten csak egy technikai reszletkerdes, nem elvi kulonbseg.
Mi tobb, ugy gondolom, hogy azert negyet es negyzetgyok, mert abszolut erteket szamolni nehezebb volt.
Ha ma vezetnek be a fogalmat, szerintem abszolut ertekkel szamolnanak.

[Solaris]

@ennyi (68668): Van némi fogalom zavarod. Anélkül, hogy mélyebben belemennénk: Többféle módon képezett átlagot ismerünk. A legtöbben az átlag hallatán az aritmetikai súlyozott átlagra gondolnak, ahogyan te is. Utóbbit úgy is definiálhatjuk egy diszkrét sokaságnál, hogy az átlag az a szám, amelyre a sokaság tagjait mind kicserélve a sokaság összege változatlan marad. Ebből már következik, hogy a sokaság tagjainak átlagtól való eltéréseit kiszámolva, az eltérések összege és átlaga is mindig nulla lesz. Használható adathoz úgy jutunk, hogy megállapodás szerint négyzetes átlagot számolunk, amit szórásnak nevezünk. A szórás tehát nem más, mint a sokaság tagjai átlagtól való eltéréseinek négyzetes átlaga. A statisztika ismeri és használja a sokaságokra a momentumok fogalmát. Ezzel a terminológiával a szórás a második centrális momentum négyzetgyöke.
Másfajta szóródási mutatók is értelmezettek és használatosak. Az eltérések abszolút értékeiből számítjuk pld. a Gini - együtthatót.
Mint látod, nem technikai részletkérdésekről, hanem lényeges elvi dolgokról váltottatok szót Andrással.

[Solaris]

@szemet (68648):

Az a normális eloszlás ahol várható érték 0 és a szórás 1 külön nevet kapott: standard normális eloszlás - ehhez szeretik viszonyítani a többi normális eloszlást

Ez így túl pongyola! A normális eloszlás egy olyan kétparaméteres folytonos eloszlás, amely zárt alakban nem integrálható és ez technikai problémákat okoz a számításokban. A norrmális eloszlás azonban olyan tulajdonságokkal rendelkezik, hogy a 0 várható értékű, 1 szórású standard normális eloszlásból egyszerű transzformációval az összes többi normális eloszlás kiszámítható. A standard normális eloszlás sűrűség és eloszlás függvényét a számítások megkönnyítésére táblázatokba foglalták, ahol a táblázatbeli értékek valamilyen közelítő eljárás eredményei. Léteznek azonban folytonos, jó közelítést adó, egyszerű függvények is, mint pld. ezek:

A standard normális eloszlás sűrűségfüggvényére f(x) = 0,5 + 0,5 * th(0,8*x), az eloszlásfüggvényére: F(x) = 0,4 * sech²(0,8*x)

Nem standard normális eloszlásnál az x helyébe a transzformált z = (x - m)/s értéket kell írni, ahol m a várható érték és s a szórás.

[szemet]

@Solaris (68671):

A standard normális eloszlás sűrűség és eloszlás függvényét a számítások megkönnyítésére táblázatokba foglalták, ahol a táblázatbeli értékek valamilyen közelítő eljárás eredményei.

Igen. A múltszázadi tankönyvekben még lehet is találkozni ilyen táblázatokkal!

(Valami ilyesmire gondolok egyébként: http://www.wolframalpha.com/input/?i=no ... 500+digits )

(Egyébként nem voltam szerintem pongyola, később én is írtam, hogy valószínűségi szempontból pontosan megfeleltethetőek egymásnak bármely normális és a standard normális a kérdéses képlettel)

[szemet]

@ennyi (68668):

ugy gondolom, hogy azert negyet es negyzetgyok, mert abszolut erteket szamolni nehezebb volt

Ez is benne van a pakliban, másrészről a négyzetes hiba is nagyon szemléletes az ugyanis az az átlagtól vett euklideszi távolságként is felfogható. (n db. minta esetében egy n dimenziós teret képzelj el, egy pont jelképezi a mintát, és egy másik pont a várható értéket (ennek mind az n koordinátája a várható érték)), a szórás a két pont távolsága ha egy egyenes vonallal összekötöd, a te metrikád meg a két pont manhattan távolsága: http://en.wikipedia.org/wiki/Taxicab_geometry

Az igazi döntőbíró lehet sokszor a gyakorlati alkalmazás is, azaz ha pl. ha hibát minimalizálsz többféle hibafüggvényt ki lehet próbálni, kiválasztani melyik szerepel a legjobban, aztán elmélkedni miért épp az

szerk: Gyakorlatban egyébként sokszor pont a normális eloszlás miatt nyerő a szórás: ugyanis a mérési hibák gyakran normális eloszlásúak (a centrális határeloszlás tétele jó intuitív magyarázatot ad a miértre)

Gyakorlati példa, tfh. két mérleg közül kell választanod, úgy hogy mindkettővel 5ször leméred a standard 1 kg-os súlyt:
az intuícióm azt mondja, hogy ha mindig azt a mérleget választod aminek kisebb a tapasztalati szórása, gyakrabban választod a jobb mérleget mintha a te metrikáddal dolgoznál - ezt mondjuk ki is lehetne számolni.

szerk2: Jobban belegondolva ez egy rossz példa, de nem törlöm ki okulásul mindenkinek: a mérlegnél ugyanis feltehetjük, hogy ha már a miénk annyit mérünk amennyit akarunk, ekkor a szórás nagysága nem érdekel csak a várható érték, tehát ha a mérlegek szórásáról semmi ismeretünk nincs azt mérleget célszerű választani ahol a mért 5 érték átlaga legközelebb esik az 1-hez, és ez 1 dimenziós skalár tehát a euklideszi meg az abszolút értékes távolság pont egybeesik.

szerk3: Na találtam egy példát: pl. lineáris regressziónál, feltételezve hogy a hibák normális eloszlásúak, a négyzetes hiba minimalizálása adja a regresszió paramétereinek maximum likelihood becslését! - ugye milyen intuitív

[Solaris]

@szemet (68672):

Igen. A múltszázadi tankönyvekben még lehet is találkozni ilyen táblázatokkal!

Naná, meg az e századiakban is, s nem csak ott. A gyakorlatban legtöbbször nincsen szükség arra, hogy több száz értékes jegyre ismerjük az F(x) értékeit. Többnyire megteszi a táblázat, s amikor nem, akkor jöhet pld. az on - line számítás, vagy valamilyen program.

Nem kunszt pld. az f(x) hatványsorba fejtése és utána a tagonkénti integrálása. Programozó és számítási erő kérdése csupán.

Szerintem pongyola voltál, mert nem a standard normális eloszláshoz viszonyítják a többi normális eloszlást, hanem azzá transzformálják az általam megadott transzformációs képlettel. Szerintem a kettő nem ugyanazt jelenti.

[Solaris]

@szemet (68675):

... tehát ha a mérlegek szórásáról semmi ismeretünk nincs azt mérleget célszerű választani ahol a mért 5 érték átlaga legközelebb esik az 1-hez, ...

Ezzel az okoskodással csak az a baj, hogy elképzelhető mindkét mérleg esetében olyan öt mérési eredmény, amelynek az átlaga pontosan egységnyi lesz, ugyanakkor a két szórás jelentősen eltér. Az átlag nem értékelhető helyesen a szórás ismerete nélkül!

[ennyi]

@szemet (68675):

egy n dimenziós teret képzelj el

nem megy, ha n>3

[szemet]

@ennyi (68686):

Kód: Egész kijelölése

nem megy, ha n>3

A vicc szerint a helyes módszer: először elképzelsz egy végtelen dimenziójú teret majd azt redukálod n dimenziósra!

[szemet]

@Solaris (68683):
Ok. Ez szerintem inkább ilyen generációs különbség lehet: én kb. egész nap a gép elött ülök, vagy nálam van a mobilnet - de arról, hogy van-e norm. eloszlás táblázatom és ha igen akkor hol fogalmam sincs...

[Szabolcs]

Es akkor a Z-nek milyen jelentossege van?
Van valaki jelentosege abban, h letezik vagy nem az efektus?

[Question]

@Szabolcs (68724):
Meg ne haragudj, de te felfogtál valaha bármit amit olvastál?

[mimindannyian]

@Question (68726):

[Szilágyi András]

@Szabolcs (68724): Igen, a statisztikai szignifikancia mérőszáma lehet. Minél nagyobb a Z, annál szignifikánsabb az eredmény.

Ha csak véletlen ingadozás van, akkor:

Z < 2 az esetek 95,5%-ában,
Z < 3 az esetek 99,73%-ában,
Z < 4 az esetek 99,993%-ában,
Z < 5 az esetek 99,99994%-ában,

stb.
Ha tehát nagy Z-t kapunk, akkor kicsi az esélye, hogy ez véletlen ingadozás eredménye.

[Solaris]

@szemet (68692): Nem csak te rendelekezel a technika vívmányaival, hanem pld. én is, s nem dísznek tartom egyiket sem. Remélem, érted.

[Szabolcs]

Szoval vannak szuperszignifikans metaanalizisek, amiket a parapszihologusok bizonyitonak latnak. A tudomany megsem fogadja el az ESP letezeset...
Eloszokott fordulni mas tudomanyteruleten is, hogy tobb ezer "trial"-t tartalmazo meta-analizis szignifikans eredmenyt adott, de vegul kiderult, hogy nincs benne semmi?

Pl. orvostudomany?

ESP kutatasokban negyvalasztos Ganzfeld kiserletekben 25% 30-35% koruli eredmenyeket kapnak(meta-analizisekben)

[ennyi]

@Szabolcs (71435): Gyakorlati szempontbol jelenleg pont olyan, mintha nem lenne.

Ha elfogadod, hogy valoban van ilyen jelenseg, akkor sem valtozik meg az egvilagon semmi. Lehet kutatgatni, erdekes. De az egvilagon semmire nincs semmi hatasa a dolgok jelenlegi allasa szerint.

[Szabolcs]

Vagy mondjuk ugy, milyen erteke van egy nagyon szignifikans meta-analizisnek? Ezert kellenenek ellenpeldak.

[ennyi]

@Szabolcs (71437): Mire kell ellenpelda, es miert?