Das sind Model Parameter, es handelt sich hierbei um die mathemathsiche Modellierung von dem was rauskommt wenn Wissenschaftler publizieren (es wird simuliert). Man muss das Modell also mit Werten! (nicht Parametern) aus der Realität füttern, sonst nutzt das beste Modell nichts.
*somit muss die Messung auch sehr gut sein (wie bei Klimamodellen Stichwort Klimawandel, kleine Abweichungen bei Approximationen können komplett unbrauchbare Ergebnisse liefern, selbst wenn das Modell korrekt ist)
In der ersten Tabelle wird gezeigt wie verzerrt die Ergebnisse sind. Das ist der modellierte Bias welcher Faktoren enthält wie die relative Anzahl an Ergebnissen, die keine echten Ergebnisse sind. Wenn z.B. du mit dem Netz aus deinem Gartenteich Fische rausholst um sie umzusetzen aber dabei auch Steine als Fische registrierst.... der relative Anteil Steine ist dann Parameter u und fliest z.B. in B mit ein. Dabei wird aber auch die Annahme mit modelliert, dass es Wahrheitsfindung auf absoluter Ebene nicht gibt (wenn alles eins ist gibts weder Stein noch Fisch).
und dann steht am ende ja die Interpretation. Findet man Prostatakrebs vermehrt in Domänen wie Bergbau, Waldarbeit, der Armee, anstatt bei Lehrern hat es nicht mit dem Beruf zu tun sondern vermutlich eher mit dem Geschlecht weil diese Berufe Geschlechts selektiv sind und somit muss man schätzen wie wahrscheinlich es ist, dass das SCHEINBAR Gefundene tatsächlich einen Bezug zur Realität hat (das ist oft nicht so trivial. Korrelation vs. Kausalität)
The probability of a study finding a true relationship reflects the power 1 - β (one minus the Type II error rate). The probability of claiming a relationship when none truly exists reflects the Type I error rate, α.
Der alpha wert ist der oben beschriebene Typ I Error, etwas zu schließen was nicht existiert und Type II etwas was existiert, auf Basis der Ergebnisse zu widersprechen.