Atliekant statistinius hipotezių testus, p reikšmė (tikimybės reikšmė) yra tikimybės matas, norint surasti pastebėtus arba kraštutinius rezultatus, kai teisinga tam tikro statistinio testo hipotezė. P reikšmė yra pirminė reikšmė, naudojama hipotezės testo rezultatų statistiniam reikšmingumui įvertinti. Hipotezių tikrinimas Hipotezių tikrinimas yra statistinės išvados metodas. Jis naudojamas norint patikrinti, ar teiginys apie populiacijos parametrą yra teisingas. Hipotezės bandymas .
Pagrindinis p vertės aiškinimas yra tai, ar yra pakankamai įrodymų, kad būtų atmesta nulinė hipotezė. Jei p reikšmė yra pakankamai maža (mažesnė už reikšmingumo lygį), galime teigti, kad pakanka įrodymų, kad atmestų nulinę hipotezę. Priešingu atveju neturėtume atmesti nulinės hipotezės.
Išvados apie hipotezės testą daromos palyginus testo p reikšmę su reikšmingumo lygiu, kuris atlieka etalono vaidmenį. Tipiškiausi reikšmingumo lygiai yra 0,10, 0,05 ir 0,01. 0,05 reikšmingumo lygis laikomas įprastu ir dažniausiai naudojamu.
Kaip naudoti P reikšmę tikrinant hipotezes?
Norėdami naudoti p reikšmę hipotezės bandymuose, atlikite šiuos veiksmus:
- Nustatykite savo reikšmingumo lygį (α). Reikšmingumo lygis paprastai turėtų būti pasirinktas atliekant pirmuosius hipotezės testo sudarymo etapus. Dažniausiai reikšmingumo lygiai yra 0,10, 0,05 ir 0,01.
- Apskaičiuokite p reikšmę. Yra daugybė programinės įrangos programų, kurios siūlo skaičiavimus. Pvz., „Microsoft Excel“ leidžia apskaičiuoti p reikšmę naudojant duomenų analizės įrankių paketą.
- Palyginkite gautą p reikšmę su reikšmingumo lygiu (α) ir padarykite atitinkamas išvadas. Bendroji taisyklė yra tokia, jei skaičius yra mažesnis už reikšmingumo lygį, tada yra pakankamai įrodymų, kad būtų atmesta nulinė eksperimento hipotezė.
Statistinio reikšmingumo laipsnis paprastai skiriasi priklausomai nuo reikšmingumo lygio. Pavyzdžiui, p reikšmė, kuri yra didesnė nei 0,05, laikoma statistiškai reikšminga, o mažesnė nei 0,01 - statistiškai reikšminga.
Klaidingos P vertės interpretacijos
Statistikoje Pagrindinės finansų statistikos sąvokos Tvirtas statistikos supratimas yra nepaprastai svarbus padedant mums geriau suprasti finansus. Be to, statistikos sąvokos gali padėti investuotojams stebėti, p reikšmė gali būti laikoma viena iš dažniausiai neteisingai interpretuojamų sąvokų. Didžiausias klaidingas supratimas apie sąvoką yra tai, kad tikimybė, kad nulinė hipotezė yra teisinga (arba tikimybė, kad alternatyvi hipotezė yra klaidinga).
Iš tikrųjų p reikšmė nenulemia tikrosios nulinės hipotezės tikimybės, o tik nurodo tikimybę susitikti su tyrimo rezultatais bent jau taip pat ekstremaliai, kaip iš tikrųjų stebimi rezultatai, jei teisinga yra nulinė hipotezė. Kitaip tariant, tai rodo tikimybę, kad turėsite pakankamai įrodymų, norėdami atmesti ar nepaneigti nulinės hipotezės.
Papildomi resursai
Finansai siūlo finansinio modeliavimo ir vertinimo analitikui (FMVA) ™ FMVA® atestaciją. Prisijunkite prie 350 600 ir daugiau studentų, dirbančių tokiose įmonėse kaip „Amazon“, J. P. Morganas ir „Ferrari“ sertifikavimo programa tiems, kurie nori pakelti savo karjerą į kitą lygį. Norint toliau mokytis ir tobulėti karjeroje, bus naudingi šie finansų ištekliai:
- Laukiama vertė Laukiama vertė Laukiama vertė (taip pat žinoma kaip EV, laukiama, vidutinė ar vidutinė vertė) yra ilgalaikė atsitiktinių kintamųjų vidutinė vertė. Laukiama vertė taip pat rodo
- Neparametriniai testai. Neparametriniai bandymai. Statistikoje ne parametrai yra statistinės analizės metodai, kuriems nereikia paskirstymo, kad būtų įvykdytos būtinos analizuojamos prielaidos.
- Mėginio atrankos šališkumas Mėginio atrankos šališkumas Mėginio atrankos šališkumas yra šališkumas, atsirandantis dėl to, kad nepavyksta užtikrinti tinkamo populiacijos imties atsitiktinių imčių. Imties atrankos trūkumai
- Bendros tikimybės taisyklė Bendros tikimybės taisyklė Bendros tikimybės taisyklė (taip pat žinoma kaip bendros tikimybės dėsnis) yra pagrindinė statistikos taisyklė, susijusi su sąlygine ir ribine
