| Título : |
Laboratory Experiments in Information Retrieval : Sample Sizes, Effect Sizes, and Statistical Power |
| Tipo de documento: |
documento electrónico |
| Autores: |
Sakai, Tetsuya, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2018 |
| Número de páginas: |
IX, 150 p. 53 ilustraciones, 43 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-981-1311994-- |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Sistemas de almacenamiento y recuperación de información Estadísticas Almacenamiento y recuperación de información Estadística en Ingeniería Física Informática Química y Ciencias de la Tierra |
| Índice Dewey: |
025.04 Sistemas de almacenamiento y recuperación de información |
| Resumen: |
Este libro, que cubre aspectos que van desde los principios y limitaciones de las pruebas de significación estadística hasta el diseño del tamaño del conjunto de temas y el análisis de potencia, guía a los lectores hacia experimentos estadísticamente bien diseñados. Aunque las pruebas de significación estadística clásicas son hasta cierto punto útiles en la evaluación de recuperación de información (RI), pueden perjudicar la investigación a menos que se utilicen apropiadamente con los tamaños de muestra y el poder estadístico correctos y a menos que los resultados de las pruebas se informen adecuadamente. La primera mitad del libro está dirigida principalmente a estudiantes universitarios, y la segunda mitad es adecuada para estudiantes graduados e investigadores que realizan regularmente experimentos de laboratorio en IR, procesamiento del lenguaje natural, recomendaciones y campos relacionados. Los capítulos 1 a 5 revisan las pruebas de significancia paramétrica para comparar medias de sistemas, es decir, pruebas t y ANOVA, y muestran con qué facilidad se pueden realizar usando Microsoft Excel o R. Estos capítulos también analizan algunos procedimientos de comparación múltiple para investigadores interesados en comparar. cada par de sistemas, incluida una versión aleatoria de la prueba de diferencia honestamente significativa de Tukey. Luego, los capítulos abordan las limitaciones conocidas de las pruebas de significancia clásicas y brindan pautas prácticas para informar los resultados de la investigación con respecto a la comparación de medias. Los capítulos 6 y 7 analizan el poder estadístico. El Capítulo 6 presenta el diseño del tamaño del conjunto de temas para permitir a los creadores de colecciones de pruebas determinar una cantidad adecuada de temas para crear. Los lectores pueden utilizar fácilmente las herramientas de Excel del autor para diseñar el tamaño del conjunto de temas basándose en las pruebas t pareadas y de dos muestras, ANOVA unidireccional e intervalos de confianza. El Capítulo 7 describe métodos basados en análisis de poder para determinar un tamaño de muestra apropiado para un nuevo experimento basado en un experimento similar realizado en el pasado, detallando cómo utilizar las herramientas R del autor para el análisis de poder y cómo interpretar los resultados. También se proporcionan estudios de casos de IR tanto para el diseño del tamaño del conjunto de temas basado en Excel como para el análisis de potencia basado en R. |
| Nota de contenido: |
1 Preliminaries -- 2 t-tests -- 3 Analysis of Variance -- 4 Multiple Comparison Procedures -- 5 The Correct Ways to Use Significance Tests -- 6 Topic Set Size Design Using Excel -- 7 Power Analysis Using R -- 8 Conclusions. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Laboratory Experiments in Information Retrieval : Sample Sizes, Effect Sizes, and Statistical Power [documento electrónico] / Sakai, Tetsuya, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2018 . - IX, 150 p. 53 ilustraciones, 43 ilustraciones en color. ISBN : 978-981-1311994-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Sistemas de almacenamiento y recuperación de información Estadísticas Almacenamiento y recuperación de información Estadística en Ingeniería Física Informática Química y Ciencias de la Tierra |
| Índice Dewey: |
025.04 Sistemas de almacenamiento y recuperación de información |
| Resumen: |
Este libro, que cubre aspectos que van desde los principios y limitaciones de las pruebas de significación estadística hasta el diseño del tamaño del conjunto de temas y el análisis de potencia, guía a los lectores hacia experimentos estadísticamente bien diseñados. Aunque las pruebas de significación estadística clásicas son hasta cierto punto útiles en la evaluación de recuperación de información (RI), pueden perjudicar la investigación a menos que se utilicen apropiadamente con los tamaños de muestra y el poder estadístico correctos y a menos que los resultados de las pruebas se informen adecuadamente. La primera mitad del libro está dirigida principalmente a estudiantes universitarios, y la segunda mitad es adecuada para estudiantes graduados e investigadores que realizan regularmente experimentos de laboratorio en IR, procesamiento del lenguaje natural, recomendaciones y campos relacionados. Los capítulos 1 a 5 revisan las pruebas de significancia paramétrica para comparar medias de sistemas, es decir, pruebas t y ANOVA, y muestran con qué facilidad se pueden realizar usando Microsoft Excel o R. Estos capítulos también analizan algunos procedimientos de comparación múltiple para investigadores interesados en comparar. cada par de sistemas, incluida una versión aleatoria de la prueba de diferencia honestamente significativa de Tukey. Luego, los capítulos abordan las limitaciones conocidas de las pruebas de significancia clásicas y brindan pautas prácticas para informar los resultados de la investigación con respecto a la comparación de medias. Los capítulos 6 y 7 analizan el poder estadístico. El Capítulo 6 presenta el diseño del tamaño del conjunto de temas para permitir a los creadores de colecciones de pruebas determinar una cantidad adecuada de temas para crear. Los lectores pueden utilizar fácilmente las herramientas de Excel del autor para diseñar el tamaño del conjunto de temas basándose en las pruebas t pareadas y de dos muestras, ANOVA unidireccional e intervalos de confianza. El Capítulo 7 describe métodos basados en análisis de poder para determinar un tamaño de muestra apropiado para un nuevo experimento basado en un experimento similar realizado en el pasado, detallando cómo utilizar las herramientas R del autor para el análisis de poder y cómo interpretar los resultados. También se proporcionan estudios de casos de IR tanto para el diseño del tamaño del conjunto de temas basado en Excel como para el análisis de potencia basado en R. |
| Nota de contenido: |
1 Preliminaries -- 2 t-tests -- 3 Analysis of Variance -- 4 Multiple Comparison Procedures -- 5 The Correct Ways to Use Significance Tests -- 6 Topic Set Size Design Using Excel -- 7 Power Analysis Using R -- 8 Conclusions. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Laboratory Experiments in Information Retrieval
