P-value-calculator

Pravděpodobnost, že statistika testu vytvoří hodnoty na nejmenším extrému hodnoty, kterou vytvořila ve vašem vzorku. Je důležité mít na paměti, že tato pravděpodobnost byla vypočtena za předpokladu pravdivé nulové hypotézy!

Hodnota p je intuitivnější a odpovídá na otázku: Pokud předpokládám, že platí nulová hypotéza, jak je pravděpodobné, že test, který dělám pro jiný vzorek, poskytne hodnotu alespoň tak extrémní jako ten, který jsem viděl pro vzorek, který už mám?

Musíte pochopit rozložení testovací statistiky za předpokladu, že platí nulová hypotéza. Funkci kumulativního rozdělení (cdf) lze použít k vyjádření pravděpodobnosti, že statistika testu je alespoň tak extrémní a extrémní jako hodnota x pro vzorek.

Testování hypotéz je charakterizováno nejběžnějšími rozděleními pravděpodobnosti. To může ztížit ruční výpočet p-hodnoty. Je pravděpodobné, že k výpočtu přibližných hodnot cdf budete muset použít počítač nebo statistickou tabulku.

Nyní víte, jak vypočítat p-hodnotu. Ale proč byste to chtěli dělat? Přístup p-hodnoty k testování hypotéz je alternativou k přístupu kritické hodnoty. Hladina významnosti (a) je to, co musí výzkumníci nastavit před zamítnutím nulové hypotézy, pokud je pravdivá (takže chyba). Chcete-li rychle určit, zda zamítnout nulové hypotézy na této hladině významnosti, budete muset jednoduše porovnat vaši p-hodnotu s jakoukoli danou hodnotou a. Podrobně vysvětlíme, jak interpretovat p-hodnoty.

Již jsme zmínili, že p-hodnota odpovídá na následující otázku.

Pokud předpokládám, že nulová hypotéza je pravdivá, jak je pravděpodobné, že test, který dělám pro jiný vzorek, poskytne hodnotu alespoň tak extrémní, jako je ta, kterou jsem viděl pro ten, který již mám?

co to pro vás znamená? Máte dvě možnosti:

Je možné, že nulová hypotéza platí, ale váš vzorek je velmi neobvyklý. Představte si, že studujeme účinky nového léku a získáme p-hodnotu 0,03. Ve 3 % studií podobných té naší to znamená, že i kdyby lék neměl žádný účinek, náhodná náhoda by stále mohla přinést stejnou nebo dokonce vyšší hodnotu.

Můžete odpovědět na otázku: "Jaká je p-hodnota?" s následujícím: p-hodnota je nejnižší hladina významnosti, která by vedla k zamítnutí nulové hypotézy. Nyní se budete muset rozhodnout o nulové hypotéze na nějaké úrovni významnosti. Jednoduše porovnejte svou p-hodnotu s.

Osud nulové hypotézy je určen a. Pokud by p-hodnota byla 0,03, zamítli bychom nulové hypotézy na hladině významnosti 0,05, ale ne na 0,01. To je důvod, proč je důležité specifikovat hladinu významnosti předem a neupravovat ji po určení p-hodnoty. Hladina významnosti 0,05 představuje nejběžnější hodnotu. Není to však kouzelné.

Náš kalkulátor p-hodnoty usnadňuje výpočet p-hodnoty pro komplexní testovací statistiky. Následující kroky:

Pokud potřebujete zvýšit přesnost, s jakou jsou výpočty prováděny, nebo upravit významnost, přejděte do pokročilého režimu.

Následující vzorce se používají k výpočtu p-hodnoty pro kumulativní distribuční funkci (CDF) standardního normálního rozdělení. Tradičně se označuje Ph.

p-hodnota = Ph (Z==skóre==)

p-hodnota = 1 – (Z==skóre==)

p-hodnota = 2 * Ph (- | Z==skóre==|)

nebo

p-hodnota = 2 - 2 * Ph (- | Z==skóre==|)

Pokud se testová statistika blíží normálnímu rozdělení N(0.1), použijeme. Centrální limitní teorém vám umožňuje počítat s aproximací, když máte velké vzorky (řekněme 50 datových bodů), a považovat rozdělení za normální.

Hodnotu z t-skóre lze vypočítat pomocí následujících vzorců. cdf==t, d== představuje kumulativní distribuční funkci pro t-Studentovo rozdělení se stupni volnosti.

p-hodnota = cdf==t, d==(t==skóre==)

p-hodnota = 1 – cdf==t, d==(t==skóre==|)

p-hodnota = 2 * cdf==t, d==(-|t==skóre==|)

nebo

p-hodnota = 2–2 * cdf==t, d==(|t==skóre==|)

Pokud je vaše statistika testu v distribuci studentů, můžete použít možnost t-score. Tato distribuce je tvarově podobná N(0,1) (zvonkovitá, symetrická), ale má více ocasů. Parametr stupňů volnosti určuje přesný tvar. Rozdělení t-Student lze odlišit od normálního rozdělení N(0,1), pokud je počet stupňů větší než 30.

Hodnota p nemůže být záporná. Protože pravděpodobnosti nemohou být záporné, p-hodnota je pravděpodobnost, že statistika testu splní určité podmínky.

Vysoká p-hodnota znamená, že existuje vysoká pravděpodobnost, že statistika testu pro jiný vzorek poskytne hodnotu, která je alespoň tak extrémní jako ta ve vašem vzorku. Nemůžete zamítnout nulovou hypotézu, pokud je vaše p-hodnota vysoká.

Nízké p-hodnoty naznačují, že je malá šance, že testovací statistika pro jiný vzorek poskytne hodnotu, která je alespoň tak extrémní nebo podobná té, která byla pozorována u aktuálního vzorku. Nízké p-hodnoty jsou důkazem pro alternativní hypotézu. Umožňují vám to odmítnout.