نسبتِ درستنمایی نیروی شاهد را با این پرسش میسنجد که شاهدِ مشاهدهشده تحتِ یک فرضیه چند برابر بیش از فرضیهٔ رقیب انتظار میرود.
1مسئلهای که حل میکند
شاهد فقط چون با فرضیه سازگار است از آن پشتیبانی نمیکند. مقایسهٔ تعیینکننده تضادی است: آیا همان مشاهده اگر فرضیه کاذب یا رقیب صادق بود نیز انتظار میرفت؟ نسبتِ درستنمایی همین مقایسه را جدا میکند.
2ایدهٔ اصلی
قوّتِ یک شاهد یک نسبت است: این مشاهده تحت یک فرضیه چقدر محتملتر است تا تحت رقیبش؟ شاهدی که در هر دو حالت به یک اندازه انتظار میرود نسبتی نزدیک به ۱ دارد — یعنی اصلاً شاهد نیست.
3خاستگاه و زمینه
رویکردهای مبتنی بر درستنمایی با نامهایی مانند یان هکینگ، ای.دبلیو.اف. ادواردز و ریچارد رویال پیوند دارند. در بهروزرسانیِ بیزی نسبتِ درستنمایی شانسِ پیشین را ضرب میکند تا شانسِ پسین حاصل شود؛ بنابراین سهمِ شاهدِ جدید در بهروزرسانی است، نه سهمِ باورِ پیشین.
4مثالِ کلاسیک
«نتیجه با نظریهٔ ما سازگار است.» با نظریهٔ رقیب هم سازگار است؟ پس نسبتِ درستنمایی ۱ است و چیزی نیاموختهاید.
5اعتراضها و پاسخها
اعتراض. نسبتِ درستنمایی به انتخابِ فرضیهٔ بدیل وابسته است؛ پس نیروی واحدی برای شاهد وجود ندارد.
پاسخ. درست است: شاهد ذاتاً تقابلی است. یک داده میتواند H را شدیداً بر H1 ترجیح دهد و میان H و H2 خنثی باشد. پاسخِ درست مشخصکردنِ بدیلهای زنده است، نه وانمودکردنِ اینکه شاهد نیروی مستقل از فرضیه دارد.
اعتراض. فرضیههای مرکب و پارامترهای مزاحم نسبت را به انتخابِ مدل حساس میکنند.
پاسخ. بله. حاشیهگیری، پروفایلکردن یا توزیعهای پیشبینیِ صریح راههایی برای مدیریتِ آناند، اما درسِ فلسفی باقی است: قدرتِ شاهد را نمیتوان از مدلِ پیشبینیِ هر فرضیه جدا کرد.
6با اینها اشتباه نگیرید
درستنمایی و احتمالِ پسین
درستنمایی میپرسد شاهد با فرضِ یک فرضیه چقدر انتظار میرود. پسین این شاهد را با احتمالِ پیشینِ فرضیه ترکیب میکند.
P(data|H) و P(H|data)
اولی جزءِ درستنمایی و دومی پسین است. جابهجاکردنشان «مغالطهٔ معکوس» است و دقیقاً به همین دلیل مقدارِ p یا دقتِ آزمون میتواند اشتباه تفسیر شود.
7خطاهای رایج
- حمایتی نامیدنِ شاهد فقط چون با H سازگار است بدون بررسیِ احتمالِ آن تحتِ بدیلها.
- گزارشِ نسبتِ درستنمایی علیه بدیلی ضعیف و غیرواقعی و ارائهٔ آن بهعنوان شاهد علیه همهٔ رقبا.
8در کارِ شما
جایگزینِ درستِ «آیا معنادار است؟». بهجای آن بپرسید این مشاهده چقدر میان فرضیههای واقعاً مطرح تمایز میگذارد.
9خودآزمایی
یافتهای تحتِ مدلِ شما ۶۰٪ و تحتِ رقیبِ اصلی ۵۵٪ احتمال داشت. آیا «مدلِ ما یافته را پیشبینی کرد» شاهدِ قوی است؟
نمایش پاسخ
نه. نسبتِ درستنمایی حدود ۱٫۰۹ و تقریباً خنثی است. یافته با مدلِ شما جور است اما با رقیب هم تقریباً همانقدر؛ پس قدرتِ تمایزِ بسیار کمی دارد.