የበታች ያልሆነ መላምት መቼ ነው መፈተሽ ያለብን?

ከStitch Fix ቡድን የመጣ ጽሑፍ የበታች ያልሆኑ ሙከራዎችን በገበያ እና የምርት A/B ሙከራዎች ውስጥ መጠቀምን ይጠቁማል። ይህ አካሄድ በፈተናዎች ያልተመዘኑ ጥቅሞች ያለው አዲስ መፍትሄ በምንሞክርበት ጊዜ ተግባራዊ ይሆናል።

በጣም ቀላሉ ምሳሌ የዋጋ ቅነሳ ነው። ለምሳሌ, የመጀመሪያውን ትምህርት የመመደብ ሂደቱን በራስ-ሰር እናሰራለን, ነገር ግን ከጫፍ እስከ ጫፍ መቀየርን በእጅጉ መቀነስ አንፈልግም. ወይም ወደ አንድ የተጠቃሚ ክፍል ያነጣጠሩ ለውጦችን እንፈትሻለን ፣ለሌሎች ክፍሎች ልወጣዎች ብዙም እንደማይወድቁ እያረጋገጥን (ብዙ መላምቶችን ሲሞክሩ ማሻሻያዎቹን አይርሱ)።

ትክክለኛውን የበታች ያልሆነ ህዳግ መምረጥ በሙከራ ዲዛይን ወቅት ተጨማሪ ፈተናዎችን ይጨምራል። Δን እንዴት እንደሚመርጡ ጥያቄው በአንቀጹ ውስጥ በደንብ አልተሸፈነም. ይህ ምርጫ በክሊኒካዊ ሙከራዎች ውስጥም ሙሉ በሙሉ ግልጽ ያልሆነ ይመስላል። አጠቃላይ እይታ የበታች ያልሆኑ የሕክምና ህትመቶች ከህትመቶች ውስጥ ግማሽ ያህሉ ብቻ የድንበር ምርጫን እንደሚያረጋግጡ እና ብዙውን ጊዜ እነዚህ ማረጋገጫዎች አሻሚ ናቸው ወይም ዝርዝር አይደሉም።

ያም ሆነ ይህ ይህ አካሄድ አስደሳች ይመስላል ምክንያቱም ... የሚፈለገውን የናሙና መጠን በመቀነስ, የፈተናውን ፍጥነት ሊጨምር ይችላል, እናም, የውሳኔ አሰጣጥ ፍጥነት. - ዳሪያ ሙኪና፣ የስካይንግ ሞባይል መተግበሪያ የምርት ተንታኝ

የ Stitch Fix ቡድን የተለያዩ ነገሮችን መሞከር ይወዳል. መላው የቴክኖሎጂ ማህበረሰብ በመርህ ደረጃ ሙከራዎችን ማካሄድ ይወዳል። የትኛው የጣቢያው ስሪት ብዙ ተጠቃሚዎችን ይስባል - A ወይም B? የጥቆማ ሞዴል ስሪት ሀ ከስሪት B የበለጠ ገንዘብ ያስገኛል? መላምቶችን ለመፈተሽ ከመሠረታዊ የስታቲስቲክስ ኮርስ ሁል ጊዜ ቀላሉን አቀራረብ እንጠቀማለን፡

ቃሉን ብዙም ባንጠቀምም ይህ የፈተና አይነት "የላቀ መላምት ሙከራ" ይባላል። በዚህ አቀራረብ, በሁለቱ አማራጮች መካከል ምንም ልዩነት እንደሌለ እንገምታለን. ከዚህ ሃሳብ ጋር ተጣብቀን እንተወዋለን እና መረጃው ይህን ለማድረግ የሚያስገድድ ከሆነ ብቻ ነው - ማለትም አንዱ አማራጮች (A ወይም B) ከሌላው የተሻለ መሆኑን ያሳያል.

የበላይነቱን መላምት መሞከር ለተለያዩ ችግሮች ተስማሚ ነው። የምንለቀው የጥቆማ ሞዴል ስሪት B ከአሁን በፊት ጥቅም ላይ ከዋለ ስሪት A በግልጽ የተሻለ ከሆነ ብቻ ነው ነገር ግን በአንዳንድ ሁኔታዎች ይህ አካሄድ ጥሩ አይሰራም። ጥቂት ምሳሌዎችን እንመልከት።

1) የሶስተኛ ወገን አገልግሎት እንጠቀማለን, ይህም የሐሰት የባንክ ካርዶችን ለመለየት ይረዳል. በጣም ያነሰ ዋጋ ያለው ሌላ አገልግሎት አግኝተናል። ርካሽ አገልግሎት አሁን የምንጠቀመውን ያህል የሚሰራ ከሆነ እንመርጣዋለን። እየተጠቀሙበት ካለው አገልግሎት የተሻለ መሆን የለበትም።

2) የመረጃ ምንጭን መተው እንፈልጋለን ሀ እና በውሂብ ምንጭ ለ መተካት. B በጣም መጥፎ ውጤት ካመጣ መተውን ልንዘገይ እንችላለን፣ ነገር ግን Aን መጠቀም መቀጠል አይቻልም።

3) ከሞዴሊንግ አካሄድ መሄድ እንፈልጋለንከሀ እስከ ለ ያለው አካሄድ ከ B የተሻለ ውጤት ስለምንጠብቅ ሳይሆን የበለጠ የተግባር ቅልጥፍናን ስለሚሰጠን ነው። ቢ የከፋ ይሆናል ብለን የምናምንበት ምንም ምክንያት የለንም ነገር ግን ይህ ከሆነ ሽግግሩን አናደርግም።

4) በርካታ የጥራት ለውጦችን አድርገናል። ወደ ድረ-ገጽ ዲዛይን (ስሪት B) እና ይህ ስሪት ከስሪት ሀ የላቀ እንደሆነ ያምናሉ። በመለወጥ ላይ ለውጦችን አንጠብቅም ወይም ድህረ ገጽን በተለምዶ የምንገመግምባቸው ቁልፍ የአፈጻጸም አመልካቾች አንጠብቅም። ነገር ግን በመለኪያዎች ውስጥ የማይለኩ ወይም የእኛ ቴክኖሎጂ ለመለካት በቂ ያልሆነ ጥቅሞች እንዳሉ እናምናለን.

በእነዚህ ሁሉ ጉዳዮች ላይ የላቀ ምርምር በጣም ትክክለኛው መፍትሄ አይደለም. ነገር ግን እንደዚህ ባሉ ሁኔታዎች ውስጥ ያሉ አብዛኛዎቹ ስፔሻሊስቶች በነባሪነት ይጠቀማሉ. የውጤቱን መጠን በትክክል ለመወሰን ሙከራውን በጥንቃቄ እንመራለን. ስሪቶች A እና B በጣም ተመሳሳይ በሆነ መንገድ የሚሰሩ መሆናቸው እውነት ከሆነ፣ ባዶውን መላምት ውድቅ ለማድረግ የምንችልበት ዕድል አለ። A እና B በመሠረቱ ተመሳሳይ ናቸው ብለን መደምደም እንችላለን? አይ! ባዶ መላምትን አለመቀበል እና ባዶ መላምት መቀበል አንድ አይነት አይደለም።

የናሙና መጠን ስሌቶች (በእርግጥ፣ እርስዎ ሠርተዋል) በአጠቃላይ ከአይነት II ስህተት (የመሳካት ዕድሉ) ይልቅ ለአይነት I ስህተት ጥብቅ ገደቦች ይከናወናሉ (ብዙውን ጊዜ አልፋ ተብሎ የሚጠራውን ባዶ መላምት ውድቅ የማድረግ እድሉ)። ባዶ መላምትን ውድቅ ማድረግ፣ ባዶ መላምት ሐሰት ነው፣ ብዙ ጊዜ ቤታ ይባላል)። የተለመደው የአልፋ እሴት 0,05 ነው፣ የተለመደው የቤታ ዋጋ 0,20 ነው፣ ከስታቲስቲክስ ሃይል 0,80 ጋር ይዛመዳል። ይህ ማለት በሀይል ስሌታችን ላይ የገለፅነውን መጠን ትክክለኛ ውጤት የምናመልጥበት እድል 20% ነው እና ይህ በጣም አሳሳቢ የሆነ የመረጃ ክፍተት ነው። እንደ ምሳሌ የሚከተሉትን መላምቶች እንመልከት።

H0: ቦርሳዬ በክፍሌ ውስጥ የለም (3)
H1: ቦርሳዬ ክፍሌ ውስጥ ነው (4)

ክፍሌን ፈልጌ ካገኘሁ እና ቦርሳዬን ካገኘሁ፣ በጣም ጥሩ፣ ባዶ መላምትን ውድቅ ማድረግ እችላለሁ። ግን በክፍሉ ውስጥ ከተመለከትኩ እና ቦርሳዬን ማግኘት ካልቻልኩ (ስእል 1) ምን መደምደሚያ ላይ መድረስ አለብኝ? እዚያ እንደሌለ እርግጠኛ ነኝ? ጠንክሬ ታየኝ? የክፍሉን 80% ብቻ ብፈልግስ? የጀርባ ቦርሳው በእርግጠኝነት በክፍሉ ውስጥ አለመኖሩን መደምደም የችኮላ ውሳኔ ይሆናል. ምንም አያስደንቅም "የማይለውን መላምት መቀበል" ባንችል።

የፈለግንበት አካባቢ
ቦርሳውን አላገኘንም - ባዶ መላምት እንቀበል?

ምስል 1፡ 80% ክፍል መፈለግ በ80% ሃይል ከመፈለግ ጋር ተመሳሳይ ነው። የክፍሉን 80% ከተመለከቱ በኋላ ቦርሳውን ካላገኙ ፣ እዚያ የለም ብለው መደምደም ይችላሉ?

ስለዚህ የውሂብ ሳይንቲስት በዚህ ሁኔታ ውስጥ ምን ማድረግ አለበት? የጥናቱን ኃይል በከፍተኛ ሁኔታ መጨመር ይችላሉ, ነገር ግን በጣም ትልቅ የናሙና መጠን ያስፈልግዎታል እና ውጤቱ አሁንም አጥጋቢ አይሆንም.

እንደ እድል ሆኖ, እንደዚህ ያሉ ችግሮች በክሊኒካዊ ምርምር ዓለም ውስጥ ለረጅም ጊዜ ሲጠኑ ቆይተዋል. መድሐኒት B ከመድሃኒት A ይልቅ ርካሽ ነው; መድሀኒት B ከመድሀኒት A ያነሰ የጎንዮሽ ጉዳት እንደሚያመጣ ይጠበቃል። መድሀኒት B ለማጓጓዝ ቀላል ነው, ምክንያቱም ማቀዝቀዣ አያስፈልግም, ነገር ግን መድሃኒት A. የበታችነት ያለመሆኑን መላምት እንፈትሽ። ይህ ስሪት B ልክ እንደ A ስሪት ጥሩ መሆኑን ለማሳየት ነው—ቢያንስ አስቀድሞ በተወሰነ የበታች ያልሆነ ህዳግ፣ Δ ውስጥ። ይህን ገደብ እንዴት ማዘጋጀት እንዳለብን ትንሽ ቆይቶ እንነጋገራለን. አሁን ግን ይህ በተግባር ትርጉም ያለው ትንሹ ልዩነት እንደሆነ እናስብ (በክሊኒካዊ ሙከራዎች አውድ ውስጥ ይህ ብዙውን ጊዜ ክሊኒካዊ ጠቀሜታ ተብሎ ይጠራል)።

የበታች ያልሆኑ መላምቶች ሁሉንም ነገር በራሱ ላይ ያዞራሉ፡-

አሁን፣ ምንም ልዩነት እንደሌለ ከማሰብ ይልቅ፣ ስሪት B ከስሪት A የከፋ ነው ብለን እንገምታለን፣ እናም ይህ እንዳልሆነ እስክናሳይ ድረስ በዚህ ግምት እንቀጥላለን። የአንድ ወገን መላምት ሙከራን መጠቀም ተገቢ የሚሆንበት ጊዜ ይህ ነው! በተግባር ይህ የመተማመን ክፍተትን በመገንባት እና ክፍተቱ በእውነቱ ከ Δ የበለጠ መሆኑን በመወሰን ሊከናወን ይችላል (ምስል 2)።

Δን ይምረጡ

ትክክለኛውን Δ እንዴት መምረጥ ይቻላል? የ Δ ምርጫ ሂደት እስታቲስቲካዊ ማረጋገጫ እና ተጨባጭ ግምገማን ያካትታል። በክሊኒካዊ ምርምር ዓለም ውስጥ፣ ዴልታ ትንሹን ክሊኒካዊ ጉልህ ልዩነት የሚወክል መሆኑን የሚጠቁሙ የቁጥጥር መመሪያዎች አሉ - በተግባር ላይ ለውጥ የሚያመጣ። እራስዎን ለመፈተሽ ከአውሮፓውያን መመሪያዎች የተወሰደ ጥቅስ ይኸውና፡- “ልዩነቱ በትክክል ከተመረጠ፣ ሙሉ በሙሉ በ–∆ እና 0 መካከል ያለው የመተማመን ክፍተት አሁንም የበታች አለመሆንን ለማሳየት በቂ ነው። ይህ ውጤት ተቀባይነት ያለው ካልመሰለው ∆ በአግባቡ አልተመረጠም ማለት ነው።

ዴልታ በእርግጠኝነት ከስሪት የውጤት መጠን መብለጥ የለበትም ሀ ከትክክለኛው ቁጥጥር (ፕላሴቦ/ ምንም ህክምና የለም) ይህ ስለሆነ ስሪት ቢ ከእውነተኛው ቁጥጥር የከፋ ነው እንድንል ያደርገናል ፣ በተመሳሳይ ጊዜ ደግሞ “ዝቅተኛ ያልሆነ” ያሳያል ። ” በማለት ተናግሯል። እናስብ ሀ ስሪት ሲገባ በስሪት 0 ተተክቷል ወይም ባህሪው በጭራሽ የለም (ስእል 3 ይመልከቱ)።

የላቁ መላምትን በመፈተሽ ውጤቶች ላይ በመመስረት፣ የውጤቱ መጠን E ተገለጸ (ማለትም፣ μ^A-μ^0=E ተብሎ የሚገመተው)። አሁን A አዲሱ ደረጃችን ነው፣ እና B እንደ ሀ ጥሩ መሆኑን ማረጋገጥ እንፈልጋለን። μB-μA≤−Δ (ኑል መላምት) የምንጽፍበት ሌላው መንገድ μB≤μA-Δ ነው። ያንን ማድረግ ከ E ጋር እኩል ነው ወይም ይበልጣል ብለን ከወሰድን μB ≤ μA-E ≤ placebo። አሁን ለ μB ያለን ግምት ከ μA-E ሙሉ በሙሉ እንደሚበልጥ አይተናል፣ በዚህ ምክንያት ባዶ መላምትን ሙሉ በሙሉ ውድቅ እና B እንደ A ጥሩ ነው ብለን እንድንደመድም ያስችለናል ፣ ግን በተመሳሳይ ጊዜ μB ምናልባት ≤ μ ፕላሴቦ ሊሆን ይችላል ፣ ይህ አይደለም ምን ያስፈልገናል. (ምስል 3)

ምስል 3. የበታች ያልሆነ ህዳግ የመምረጥ ስጋቶችን ማሳየት. መቆራረጡ በጣም ከፍተኛ ከሆነ, B ከ A ያነሰ አይደለም, ግን በተመሳሳይ ጊዜ ከፕላሴቦ የማይለይ ነው ብሎ መደምደም ይቻላል. ከፕላሴቦ (A) የበለጠ ውጤታማ የሆነ መድሃኒት እንደ ፕላሴቦ ውጤታማ በሆነ መድሃኒት አንለውጠውም።

የ α ምርጫ

ወደ α ምርጫ እንሂድ። መደበኛውን እሴት α = 0,05 መጠቀም ይችላሉ, ግን ይህ ሙሉ በሙሉ ፍትሃዊ አይደለም. ለምሳሌ ፣ አንድ ነገር በመስመር ላይ ሲገዙ እና ብዙ የቅናሽ ኮዶችን በአንድ ጊዜ ሲጠቀሙ ፣ ምንም እንኳን መቀላቀል ባይኖርባቸውም - ገንቢው ልክ ተሳስቷል ፣ እና እርስዎም ጠፉ። እንደ ደንቦቹ, የ α እሴት የላቁ መላምት ሲፈተሽ ጥቅም ላይ ከሚውለው የ α ግማሽ ዋጋ ጋር እኩል መሆን አለበት, ማለትም 0,05 / 2 = 0,025.

የናሙና መጠን

የናሙናውን መጠን እንዴት መገመት ይቻላል? በ A እና B መካከል ያለው የእውነተኛ አማካይ ልዩነት 0 ነው ብለው ካመኑ፣ የናሙና መጠኑ ስሌት የበላይነት መላምትን ሲፈተሽ ተመሳሳይ ነው፣ ከተጠቀምክ በስተቀር የውጤት መጠኑን ዝቅተኛ ባልሆነው ህዳግ ከመተካት በስተቀር። ዝቅተኛ ያልሆነ ቅልጥፍና = 1/2α የላቀ (α የበታች ያልሆነ=1/2α የበላይ)። አማራጭ ቢ ከአማራጭ ሀ በመጠኑ የከፋ ሊሆን እንደሚችል ለማመን ምክንያት ካሎት ነገር ግን ከ Δ ባልበለጠ ሁኔታ የከፋ መሆኑን ማረጋገጥ ከፈለጉ እድለኛ ነዎት! ይህ በትክክል የናሙናዎን መጠን ይቀንሳል ምክንያቱም B ከ A የከፋ መሆኑን ማሳየት ቀላል ነው ምክንያቱም እሱ እኩል ሳይሆን ትንሽ የከፋ ነው ብለው ካሰቡ።

ምሳሌ ከመፍትሔ ጋር

በባለ 0,1-ነጥብ የደንበኛ እርካታ ሚዛን ከስሪት ሀ ከ 5 ነጥብ የማይበልጥ ከሆነ ወደ ስሪት ቢ ማሻሻል ትፈልጋለህ እንበል...የላቀ መላምትን ተጠቅመን ይህን ችግር እንቅረብ።

የላቀውን መላምት ለመፈተሽ የናሙና መጠኑን በሚከተለው መንገድ እናሰላለን።

ማለትም፣ በቡድንህ ውስጥ 2103 ምልከታዎች ካሉህ፣ 90 ወይም ከዚያ በላይ የሆነ የውጤት መጠን እንደምታገኝ 0,10% እርግጠኛ መሆን ትችላለህ። ነገር ግን 0,10 ለእርስዎ በጣም ከፍተኛ ከሆነ፣ የበላይነቱን መላምት መሞከር ዋጋ ላይኖረው ይችላል። ከአስተማማኝ ጎን ለመሆን፣ ጥናቱን ለትንሽ የውጤት መጠን ለምሳሌ 0,05 ለማካሄድ ሊወስኑ ይችላሉ። በዚህ ሁኔታ, 8407 ምልከታዎች ያስፈልግዎታል, ማለትም, ናሙናው ወደ 4 ጊዜ ያህል ይጨምራል. ነገር ግን ከመጀመሪያው የናሙና መጠናችን ጋር ተጣብቀን፣ ነገር ግን ኃይሉን ወደ 0,99 ጨምረን አወንታዊ ውጤት ካገኘን ደህንነታችንን ብንጨምርስ? በዚህ ሁኔታ, n ለአንድ ቡድን 3676 ይሆናል, ይህም ቀድሞውኑ የተሻለ ነው, ነገር ግን የናሙናውን መጠን ከ 50% በላይ ይጨምራል. በውጤቱም፣ አሁንም ዝም ብለን ባዶ መላምትን ማቃለል አንችልም፣ እናም ለጥያቄያችን መልስ አናገኝም።

በምትኩ የበታችነት የሌለበትን መላምት ብንፈትሽስ?

የናሙና መጠኑ ከተቀባይ በስተቀር ተመሳሳይ ቀመር በመጠቀም ይሰላል።
የላቁን መላምት ለመፈተሽ ጥቅም ላይ የዋለው የቀመር ልዩነቶች የሚከተሉት ናቸው።

- Z1−α / 2 በ Z1-α ተተክቷል, ነገር ግን ሁሉንም ነገር እንደ ደንቦቹ ካደረጉ, α = 0,05 በ α = 0,025 ይተካሉ, ማለትም, ተመሳሳይ ቁጥር ነው (1,96)

- (μB-μA) በአካፋው ውስጥ ይታያል

- θ (የውጤት መጠን) በ Δ (የዝቅተኛ ያልሆነ ህዳግ) ተተክቷል

µB = µA፣ እንግዲያውስ (µB-µA) = 0 እና የበታች ያልሆነ ህዳግ የናሙና መጠን ስሌት በትክክል 0,1 የውጤት መጠን ብናሰላው የምናገኘው ነው። ተመሳሳይ መጠን ያለው ጥናት በተለያዩ መላምቶች እና ወደ መደምደሚያው የተለየ አቀራረብ ልናደርግ እንችላለን, እና በትክክል ለመመለስ ለፈለግነው ጥያቄ መልስ እናገኛለን.

አሁን µB = µA እና ብለን አናስብም እንበል
እኛ የምናስበው µB ትንሽ የከፋ ነው፣ ምናልባትም በ0,01 አሃዶች። ይህ የኛን መጠን ይጨምራል፣የቡድን ናሙና መጠን ወደ 1737 ይቀንሳል።

ስሪት ለ ከኤ ስሪት የተሻለ ከሆነ ምን ይከሰታል? ቢ ከኤ የባሰ ከ Δ በላይ ነው የሚለውን ባዶ መላምት ውድቅ እናደርጋለን እና ቢ የከፋ ከሆነ ከ A በ Δ የከፋ አይደለም እና የተሻለ ሊሆን ይችላል የሚለውን አማራጭ መላምት እንቀበላለን። ይህንን መደምደሚያ ወደ ተሻጋሪ አቀራረብ ለማስቀመጥ ይሞክሩ እና ምን እንደሚከሰት ይመልከቱ (በቁም ነገር ይሞክሩት)። ወደፊት በሚታይ ሁኔታ ውስጥ ማንም ሰው "ከ Δ የከፋ እና ምናልባትም የተሻለ" ለመኖር አይፈልግም.

በዚህ ሁኔታ ጥናት ልንመራው እንችላለን፣ እሱም በጣም በአጭሩ “ከአማራጮቹ አንዱ ከሌላው ይበልጣል ወይም ያነሰ ነው የሚለውን መላምት መሞከር” ተብሎ ይጠራል። ሁለት መላምቶችን ይጠቀማል፡-

የመጀመሪያው ስብስብ (የበታች ያልሆነ መላምትን ከመሞከር ጋር ተመሳሳይ ነው)

ሁለተኛ ስብስብ (የላቀ መላምትን ሲፈተሽ ተመሳሳይ)

ሁለተኛውን መላምት የምንፈትነው የመጀመሪያው ውድቅ ከሆነ ብቻ ነው። በቅደም ተከተል ስንፈተሽ፣ አጠቃላይ የአይነት I ስህተት መጠን (α) እናቆማለን። በተግባር ይህ በ95% የመተማመኛ ክፍተት በመፍጠር በመገልገያዎች እና በሙከራ መካከል ያለውን ልዩነት በመፍጠር አጠቃላይ ክፍተቱ ከ -Δ የበለጠ መሆኑን ለማወቅ ያስችላል። ክፍተቱ ከ -Δ ካላለፈ፣ ባዶውን ዋጋ ውድቅ ማድረግ እና ማቆም አንችልም። ክፍተቱ በሙሉ ከ -Δ የሚበልጥ ከሆነ እንቀጥላለን እና ክፍተቱ 0 እንዳለው እናያለን።

ያልተነጋገርንበት ሌላ ዓይነት ጥናት አለ - የእኩልነት ጥናቶች።

እንደነዚህ ዓይነቶቹ ጥናቶች ዝቅተኛ ባልሆኑ ጥናቶች ሊተኩ ይችላሉ, እና በተቃራኒው, ግን በእውነቱ አስፈላጊ ልዩነት አላቸው. የበታች ያልሆነ ሙከራ አላማው አማራጩ B ቢያንስ ሀ ጥሩ መሆኑን ለማሳየት ነው። ተመጣጣኝ ሙከራ አላማው አማራጩ B ቢያንስ ሀ ጥሩ እንደሆነ እና አማራጭ ሀ ጥሩ እንደሆነ ፣ ይህም የበለጠ ከባድ ነው። በመሰረቱ፣ ለልዩነቱ የመተማመን ክፍተቱ በሙሉ በ-Δ እና Δ መካከል እንዳለ ለማወቅ እየሞከርን ነው። እንደነዚህ ዓይነቶቹ ጥናቶች ትልቅ የናሙና መጠን ይጠይቃሉ እና ብዙ ጊዜ አይካሄዱም. ስለዚህ በሚቀጥለው ጊዜ ጥናት በምታደርግበት ጊዜ ዋናው ግብህ አዲሱ እትም ከዚህ የከፋ እንዳይሆን ለማረጋገጥ ነው፣ “የኑል መላምትን አለመቀበል” ብለህ አትግባ። በጣም አስፈላጊ የሆነ መላምት መሞከር ከፈለጉ, የተለያዩ አማራጮችን ያስቡ.

ምንጭ: hab.com