BiostatR Blog

 nano ~/.R/Makevars Ajouter : CPPFLAGS=-I/opt/homebrew/include LDFLAGS=-L/opt/homebrew/lib Sauvegarder puis relancer R et installer : install.packages("ggiraph", type="source")

 First, I have been forced to delete all old installations of open-jdk: sudo apt-get purge openjdk-\* sudo apt autoremove It can be necessary to do: sudo rm -rf /usr/lib/jvm Install most recent version for Ubuntu 22.04 sudo apt install openjdk-25-jdk Then update the variables using: sudo R CMD javareconf And the update of rJava was installing

 Parce qu’une  p-value  est calculée  conditionnellement à l’hypothèse nulle étant vraie , elle ne représente pas la probabilité de commettre une erreur de type I dans la situation réelle dans laquelle on se trouve. Lorsqu’elle est interprétée de cette façon, elle  surestime systématiquement  le « risque de premier ordre ». Voici le raisonnement précis. 1. Ce qu’est réellement le « risque de premier ordre » Le taux d’erreur de type I (risque de premier ordre) est : α = P ( rejeter  H 0 ∣ H 0  est vraie ) Il s’agit d’une propriété  à long terme , fixée  a priori , d’une règle de décision (par exemple : « rejeter si  p < 0,05 »). Ce n’est  pas  une probabilité concernant l’expérience en cours. 2. Ce qu’est réellement une  p-value Une  p-value  est : p = P ( T ≥ t obs ∣ H 0 ) Points clés : Elle est conditionnelle au fait que  H 0  soit vraie Ce n’est pas  P ( H 0 ∣ donné e s ) Ce n’est pa...

 The short answer is: 👉  Because a p-value is computed  conditional on the null hypothesis being true , it does  not  represent the probability of making a Type I error in the situation you are actually in. When it is interpreted as such, it systematically overstates (over-estimates) the “first-order risk”. Below is the precise reasoning. 1. What “first-order risk” really is The  Type I error rate  (first-order risk) is: α = P ( reject  H 0 ∣ H 0  is true ) This is a  long-run, pre-specified  property of a decision rule (e.g. “reject if  p < 0.05 ”). It is  not a probability about the current experiment . 2. What a p-value actually is A p-value is: p = P ( T ≥ t obs ∣ H 0 ) Key points: It is  conditional on  H 0 ​  being true It is  not   P ( H 0 ∣ data ) It is  not   P ( Type I error ) 3. Where the over-estimation comes from The common (incorrect) interpretation “If...

👉  For ANOVA,  both  the homogeneity of variances and the normality assumptions concern the  errors of the model , so they should be assessed on the  residuals . Below is the precise reasoning, with practical nuances. 1. What ANOVA actually assumes The classical ANOVA model is: Y i j = μ + α i + ε i j Y ij ​ = μ + α i ​ + ε ij ​ with the assumptions: Normality : ε i j ∼ N ( 0 , σ 2 ) ε ij ​ ∼ N ( 0 , σ 2 ) Homoscedasticity : V a r ( ε i j ) = σ 2 Var ( ε ij ​ ) = σ 2  for all groups Independence  of  ε i j ε ij ​ So  both assumptions apply to the  errors , not to the raw response  Y Y . 2. Consequences for diagnostics ✅ Normality Should be assessed on  residuals , not on original data. Raw data can be non-normal simply because group means differ. Correct tools: Q–Q plot of residuals Histogram of residuals Shapiro–Wilk test  on residuals  (with caution) ✅ Homogeneity of variances Also concerns  residual variance ...

 You must first install  sudo apt install libgsl-dev and then you can install gsl package in R: install.packages("gsl")