Co to jest wartość P.

Testy hipotez lub test istotności obejmują obliczenie liczby znanej jako wartość p. Liczba ta jest bardzo ważna dla zakończenia naszego testu. Wartości p są powiązane ze statystyką testową i dają nam miarę dowodów w stosunku do hipotezy zerowej.

Testy o znaczeniu statystycznym rozpoczynają się od zero i hipoteza alternatywna. Hipoteza zerowa jest stwierdzeniem braku efektu lub stwierdzeniem powszechnie przyjętego stanu rzeczy. Alternatywna hipoteza jest tym, co próbujemy udowodnić. Założeniem roboczym w teście hipotez jest to, że hipoteza zerowa jest prawdziwa.

Zakładamy, że warunki są spełnione dla konkretnego testu, z którym pracujemy. ZA prosta losowa próbka daje nam przykładowe dane. Na podstawie tych danych możemy obliczyć statystykę testową. Statystyka testowa różni się znacznie w zależności od parametrów, których dotyczy nasz test hipotez. Niektóre typowe statystyki testów obejmują:

• z - statystyka dla testów hipotez dotyczących średniej populacji, gdy znamy odchylenie standardowe populacji.
instagram viewer
• t - statystyka dla testów hipotez dotyczących średniej populacji, gdy nie znamy odchylenia standardowego populacji.
• t - statystyka dla testów hipotez dotyczących różnicy dwóch niezależnych populacji średnich, gdy nie znamy odchylenia standardowego żadnej z dwóch populacji.
• z - statystyka dla testów hipotez dotyczących odsetka populacji.
• Chi-kwadrat - statystyka do testów hipotez dotyczących różnicy między oczekiwaną a rzeczywistą liczbą danych kategorycznych.

Statystyki testowe są pomocne, ale może być bardziej pomocne przypisanie wartości p do tych statystyk. Wartość p jest prawdopodobieństwem, że gdyby hipoteza zerowa była prawdziwa, obserwowalibyśmy statystyki przynajmniej tak ekstremalne, jak obserwowana. Aby obliczyć wartość p, używamy odpowiedniego oprogramowania lub tabeli statystycznej, która odpowiada naszej statystyce testowej.

Na przykład użylibyśmy standardowy rozkład normalny przy obliczaniu a z Statystyka testowa. Wartości z przy dużych wartościach bezwzględnych (takich jak powyżej 2,5) nie są bardzo powszechne i dawałyby małą wartość p. Wartości z które są bliższe zeru, są bardziej powszechne i dawałyby znacznie większe wartości p.

Jak zauważyliśmy, wartość p jest prawdopodobieństwem. Oznacza to, że jest to liczba rzeczywista od 0 do 1. Podczas gdy statystyka testowa jest jednym ze sposobów pomiaru ekstremalności statystyki dla konkretnej próbki, wartości p są innym sposobem mierzenia tego.

Kiedy otrzymujemy podaną próbkę statystyczną, pytanie, na które powinniśmy zawsze odpowiedzieć, brzmi: „Czy ta próbka jest taka, jak jest przez przypadek? sam z prawdziwą hipotezą zerową, czy też hipoteza zerowa jest fałszywa? Jeśli nasza wartość p jest niewielka, może to oznaczać jedną z dwóch rzeczy:

1. Hipoteza zerowa jest prawdą, ale mieliśmy szczęście, że otrzymaliśmy zaobserwowaną próbkę.
2. Nasza próbka jest taka, jaka wynika z faktu, że hipoteza zerowa jest fałszywa.

Ogólnie rzecz biorąc, im mniejsza wartość p, tym więcej dowodów mamy przeciwko naszej hipotezie zerowej.

Jak małą wartość p potrzebujemy, aby to zrobić odrzucić hipotezę zerową? Odpowiedź brzmi: „To zależy”. Powszechną ogólną zasadą jest to, że wartość p musi być mniejsza lub równa 0,05, ale w tej wartości nie ma nic uniwersalnego.

Zazwyczaj przed przeprowadzeniem testu hipotez wybieramy wartość progową. Jeśli mamy jakąkolwiek wartość p, która jest mniejsza lub równa temu progowi, wówczas odrzucamy hipotezę zerową. W przeciwnym razie nie odrzucimy hipotezy zerowej. Ten próg nazywa się poziomem istotności naszego testu hipotez i jest oznaczony grecką literą alfa. Nie ma wartość alfa który zawsze określa znaczenie statystyczne.