P-value-calculator

Ang posibilidad na ang istatistika ng pagsubok ay makagawa ng mga halaga sa hindi bababa sa sukdulan ng halaga na ginawa nito sa iyong sample. Mahalagang tandaan na ang posibilidad na ito ay kinakalkula sa ilalim ng pagpapalagay ng isang tunay na null hypothesis!

Ang p-value ay mas intuitive at sumasagot sa tanong na: Kung ipagpalagay ko na ang null hypothesis ay may hawak, kung gayon gaano kalamang na ang pagsubok na ginagawa ko para sa isa pang sample ay makakapagdulot ng isang halaga na hindi bababa sa kasing sukdulan ng nakita ko. para sa sample na meron ako?

Dapat mong maunawaan ang pamamahagi ng istatistika ng pagsubok, kung ipagpalagay na ang null hypothesis ay humahawak. Ang pinagsama-samang function ng pamamahagi (cdf) ay maaaring gamitin upang ipahayag ang posibilidad na ang mga istatistika ng pagsubok ay hindi bababa sa sukdulan at kasing sukdulan ng x value para sa sample.

Ang pagsusuri sa hypothesis ay nailalarawan sa pamamagitan ng pinakakaraniwang mga pamamahagi ng posibilidad. Maaari nitong gawing mahirap na kalkulahin nang manu-mano ang p-value. Malamang na kakailanganin mong gumamit ng computer o isang istatistikal na talahanayan upang kalkulahin ang tinatayang mga halaga ng cdf.

Ngayon alam mo na kung paano kalkulahin ang p-value. Ngunit, bakit mo gustong gawin ito? Ang p-value approach sa hypothesis testing ay isang alternatibo sa critical value approach. Ang antas ng kahalagahan (a) ay ang dapat itakda ng mga mananaliksik bago tanggihan ang null hypothesis kung ito ay totoo (kaya mali). Upang mabilis na matukoy kung tatanggihan ang mga null hypotheses sa antas ng kahalagahang iyon, kakailanganin mong ihambing lamang ang iyong p-value sa anumang ibinigay na halaga a. Ipapaliwanag namin nang detalyado kung paano i-interpret ang mga p-values.

Nabanggit na namin na ang p-value ay sumasagot sa sumusunod na tanong.

Kung ipagpalagay ko na ang null hypothesis ay totoo, kung gayon gaano kalamang na ang pagsubok na ginagawa ko para sa isa pang sample ay makakapagdulot ng halaga na hindi bababa sa sukdulan ng nakita ko para sa isa na mayroon na ako?

Ano ang ibig sabihin nito para sa iyo? Mayroon kang dalawang pagpipilian:

Maaaring ang null hypothesis ay may hawak, ngunit ang iyong sample ay napaka hindi pangkaraniwan. Isipin na pinag-aaralan natin ang mga epekto ng isang bagong gamot at nakakuha ng 0.03 p-value. Sa 3% ng mga pag-aaral na katulad ng sa amin, nangangahulugan ito na kahit na ang gamot ay walang epekto, ang random na pagkakataon ay maaari pa ring makagawa ng parehong halaga o mas mataas pa.

Maaari mong sagutin ang tanong na, "Ano ang p-value?" na may mga sumusunod: Ang p-value ay ang pinakamababang antas ng kahalagahan na hahantong sa pagtanggi sa null hypothesis. Ngayon, kakailanganin mong magpasya tungkol sa null hypothesis sa ilang antas ng kahalagahan. Ihambing lamang ang iyong p-value sa.

Ang kapalaran ng null hypothesis ay tinutukoy ng a. Kung ang p-value ay 0.03 tatanggihan namin ang mga null hypotheses sa antas ng kahalagahan na 0.05 ngunit hindi sa 0.01. Ito ang dahilan kung bakit mahalagang tukuyin ang antas ng kahalagahan nang maaga at hindi ayusin pagkatapos matukoy ang p-value. Ang antas ng kabuluhan na 0.05 ay kumakatawan sa pinakakaraniwang halaga. Gayunpaman, hindi ito nakapagtataka.

Pinapadali ng aming calculator ng p-value na kalkulahin ang p-value para sa mga kumplikadong istatistika ng pagsubok. Ito ang mga hakbang na dapat sundin:

Kung kailangan mong dagdagan ang katumpakan kung saan isinasagawa ang mga kalkulasyon o baguhin ang kahalagahan, pagkatapos ay pumunta sa advanced mode.

Ang mga sumusunod na formula ay ginagamit upang kalkulahin ang p-value para sa pinagsama-samang distribution function (CDF), ng karaniwang normal na distribution. Ito ay tradisyonal na tinutukoy ng Ph.

p-value = Ph (Z==iskor==)

p-value = 1 - (Z==iskor==)

p-value = 2 * Ph (- | Z==iskor==|)

o

p-value = 2 - 2 * Ph (- | Z==iskor==|)

Kung tinatantya ng istatistika ng pagsubok ang normal na distribusyon N(0.1), ginagamit namin ang. Pinapayagan ka ng central limit theorem na umasa sa approximation kapag mayroon kang malalaking sample (sabihin 50 data point), at ituring ang distribution bilang normal.

Ang halaga mula sa t-score ay maaaring kalkulahin gamit ang sumusunod na formula. Ang cdf==t, d== ay kumakatawan sa pinagsama-samang function ng pamamahagi para sa t-Student distribution na may mga degree na kalayaan.

p-value = cdf==t, d==(t==score==)

p-value = 1 - cdf==t, d==(t==score==|)

p-value = 2 * cdf==t, d==(-|t==score==|)

o

p-value = 2 - 2 * cdf==t, d==(|t==score==|)

Kung ang iyong istatistika ng pagsusulit ay nasa pamamahagi ng mag-aaral, maaari mong gamitin ang opsyong t-score. Ang distribusyon na ito ay katulad ng hugis sa N(0.1) (kampanilya, simetriko), ngunit mayroon itong mas maraming buntot. Tinutukoy ng mga antas ng kalayaan na parameter ang eksaktong hugis. Ang distribusyon ng t-Student ay maaaring makilala mula sa normal na distribusyon ng N(0.1) kung ang bilang ng mga degree ay higit sa 30.

Ang p-value ay hindi maaaring negatibo. Dahil ang mga probabilidad ay hindi maaaring maging negatibo, ang p-value ay ang posibilidad na ang pagsubok na istatistika ay matugunan ang ilang mga kundisyon.

Ang isang mataas na p-value ay nangangahulugan na may mataas na pagkakataon na ang istatistika ng pagsubok para sa isa pang sample ay makagawa ng isang halaga na hindi bababa sa kasing sukdulan ng isa sa iyong sample. Hindi mo maaaring tanggihan ang null hypothesis kung mataas ang iyong p-value.

Ang mababang p-values ay nagpapahiwatig na may maliit na pagkakataon na ang istatistika ng pagsubok para sa isa pang sample ay makagawa ng isang halaga na hindi bababa sa sukdulan o katulad ng isa na naobserbahan para sa kasalukuyang sample. Ang mababang p-values ay ebidensya para sa alternatibong hypothesis. Hinahayaan ka nilang tanggihan ito.