Frekventistinen

Frekventistinen tilastotiede on tilastotieteen suuntaus, jossa todennäköisyyksiä tulkitaan pitkän aikavälin frekvenssien kautta. Siinä parametreja pidetään vakioina ja epävarmuus ilmenee näytteeseen liittyvän vaihtelun kautta. Päättely perustuu siihen, miten tilastolliset menetelmät käyttäytyvät toistettavissa kokeissa ja miten tuloksia voidaan tulkita pitkällä aikavälillä.

Keskeisiä käsitteitä ovat hypoteesien testaus, p-arvot ja luottamusvälit. Frekventistinen lähestymistapa korostaa päätöksiä, jotka ovat johdettavissa toistettavien kokeiden tuloksista: parametrit ovat vakioita ja epävarmuus ilmenee näytteiden jakaumista. Tulokset esitetään yleisesti p-arvona sekä luottamusvälinä, jotka kuvaavat sitä, kuinka usein vastaavanlaisia havaintoja voisi nähdä pitkällä aikavälillä.

Yleisimmät menetelmät ovat maksimin todennäköisyyden estimointi (MLE) ja Neyman–Pearsonin kehittämää hypoteesitestaukseen perustuvaa lähestymistapaa. Virhetyyppejä (taso alfa ja Beta) käytetään päätöksenteon ohjaamiseen, ja päätökset tehdään nollahypoteesin hylkäämisen tai hyväksymisen kautta. Frekventistinen lähestymistapa korostaa myös luottamusvälejä ja näytteen toistettavuutta.

Historia ja suhteet: frekventistinen tilastotiede kehittyi merkittävästi 1900-luvulla Fisherin, Neymanin ja Pearsonin työn kautta. Nykyään se on laajasti käytössä tieteellisessä tutkimuksessa ja sovelluksissa. Kritiikki kohdistuu usein p-arvojen tulkintaan sekä käytäntöihin kuten valikoivan pysäyttämisen ja p-hackingin riskeihin. Verrattuna bayesilaiseen tilastotieteeseen frekventistinen näkee todennäköisyydet pitkän aikavälin frekvensseinä ja parametrit kiinteinä, kun taas bayesilaisessa näkemyksessä epävarmuus kuvataan priorein päivitetyn jakauman kautta.