Kas ir P-vērtība

Hipotēzes testi vai nozīmīguma pārbaude ietver skaitļa, kas pazīstams kā p-vērtība, aprēķināšanu. Šis skaitlis ir ļoti svarīgs mūsu testa noslēgumam. P vērtības ir saistītas ar testa statistiku un dod mums iespēju novērtēt pierādījumus attiecībā pret nulles hipotēzi.

Visi statistiski nozīmīgie testi sākas ar a nulle un alternatīva hipotēze. Nederīga hipotēze ir paziņojums par ietekmes neesamību vai paziņojums par vispārpieņemtu lietu stāvokli. Alternatīva hipotēze ir tā, ko mēs cenšamies pierādīt. Darbības pieņēmums hipotēzes pārbaudē ir tāds, ka nulles hipotēze ir patiesa.

Mēs pieņemsim, ka nosacījumi ir izpildīti konkrētajam testam, ar kuru mēs strādājam. A vienkāršs izlases paraugs sniedz mums datu paraugus. No šiem datiem mēs varam aprēķināt testa statistiku. Testa statistika ievērojami atšķiras atkarībā no tā, kādus parametrus skar mūsu hipotēzes pārbaude. Daži izplatīti testu statistikas dati:

• z - statistika hipotēžu testiem attiecībā uz vidējo populāciju, kad mēs zinām populācijas standartnovirzi.
instagram viewer
• t - hipotēžu testu statistika attiecībā uz vidējo populāciju, kad mēs nezinām populācijas standartnovirzi.
• t - statistikas dati hipotēžu testiem attiecībā uz divu neatkarīgu populāciju vidējās atšķirības, ja mēs nezinām nevienas no abām populācijām standarta novirzes.
• z - statistikas dati hipotēžu pārbaudēm attiecībā uz iedzīvotāju daļu.
• Chi-square - statistika hipotēžu testiem par atšķirību starp paredzamo un faktisko kategorisko datu skaitu.

Pārbaudes statistika ir noderīga, taču tā var būt noderīgāka, ja šai statistikai piešķir p-vērtību. P vērtība ir varbūtība, ka, ja nulles hipotēze būtu patiesa, mēs novērotu statistiku, kas ir vismaz tikpat ekstrēma kā novērotā. Lai aprēķinātu p-vērtību, mēs izmantojam atbilstošu programmatūru vai statistikas tabulu, kas atbilst mūsu testa statistikai.

Piemēram, mēs izmantotu a standarta normālais sadalījums aprēķinot a z testa statistika. Vērtības z ar lielām absolūtām vērtībām (piemēram, vērtībām, kas lielākas par 2,5) nav īpaši izplatītas, un tām būtu maza p-vērtība. Vērtības z kas ir tuvāk nullei, ir biežāk sastopami, un tie dotu daudz lielākas p vērtības.

Kā mēs esam atzīmējuši, p-vērtība ir varbūtība. Tas nozīmē, ka tas ir reāls skaitlis no 0 un 1. Lai gan testa statistika ir viens no veidiem, kā izmērīt, cik liela ir statistika par konkrētu paraugu, p-vērtības ir vēl viens veids, kā to izmērīt.

Kad iegūstam statistisko doto paraugu, vienmēr jājautā: “Vai šī izlase ir tāda, kāda tā ir nejauši vienatnē ar patiesu nulles hipotēzi, vai arī nulles hipotēze ir nepatiesa? ” Ja mūsu p vērtība ir maza, tas varētu nozīmēt vienu no divām lietas:

1. Nulles hipotēze ir patiesa, taču mums vienkārši paveicās iegūt mūsu novēroto paraugu.
2. Mūsu izlase ir tā, kā tas ir saistīts ar faktu, ka nulles hipotēze ir nepatiesa.

Kopumā, jo mazāka ir p-vērtība, jo vairāk pierādījumu ir pret mūsu nulles hipotēzi.

Cik maza ir p vērtība, kas mums nepieciešama, lai noraidīt nulles hipotēzi? Atbilde uz to ir: “Tas ir atkarīgs”. Izplatīts īkšķa noteikums ir tāds, ka p vērtībai jābūt mazākai vai vienādai ar 0,05, taču šajā vērtībā nav nekā universāla.

Parasti pirms hipotēzes pārbaudes mēs izvēlamies sliekšņa vērtību. Ja mums ir kāda p vērtība, kas ir mazāka vai vienāda ar šo slieksni, tad mēs noraidām nulles hipotēzi. Pretējā gadījumā mēs nevaram noraidīt nulles hipotēzi. Šo slieksni sauc par mūsu hipotēzes testa nozīmīguma līmeni, un to apzīmē ar grieķu alfa burtu. Tur nav alfa vērtība kas vienmēr nosaka statistisko nozīmīgumu.