P-değeri-hesaplayıcı

Test istatistiğinin, numunenizde ürettiği değerin en uç noktasında değerler üretme olasılığı. Bu olasılığın gerçek bir sıfır hipotezi varsayımı altında hesaplandığını akılda tutmak önemlidir!

p değeri daha sezgiseldir ve şu soruyu yanıtlar: Sıfır hipotezinin geçerli olduğunu varsayarsam, o zaman başka bir örnek için yaptığım testin en azından gördüğüm kadar uç bir değer üretme olasılığı ne kadardır? zaten sahip olduğum örnek için?

Boş hipotezin geçerli olduğunu varsayarak, test istatistiğinin dağılımını anlamalısınız. Kümülatif dağılım fonksiyonu (cdf), test istatistiklerinin en az örnek için x değeri kadar uç ve uç olma olasılığını ifade etmek için kullanılabilir.

Hipotez testi, en yaygın olasılık dağılımları ile karakterize edilir. Bu, p-değerinin manuel olarak hesaplanmasını zorlaştırabilir. Yaklaşık cdf değerlerini hesaplamak için bir bilgisayar veya istatistiksel tablo kullanmanız gerekebilir.

Artık p-değerini nasıl hesaplayacağınızı biliyorsunuz. Ama bunu neden yapmak isteyesiniz ki? Hipotez testine p-değeri yaklaşımı, kritik değer yaklaşımına bir alternatiftir. Anlamlılık düzeyi (a), doğruysa (yani hata) boş hipotezi reddetmeden önce araştırmacıların belirlemesi gereken değerdir. Bu anlamlılık düzeyinde boş hipotezlerin reddedilip reddedilmeyeceğini hızlı bir şekilde belirlemek için, p-değerinizi verilen herhangi bir a değeriyle karşılaştırmanız yeterlidir. P değerlerinin nasıl yorumlanacağını ayrıntılı olarak açıklayacağız.

p-değerinin aşağıdaki soruyu yanıtladığından daha önce bahsetmiştik.

Sıfır hipotezinin doğru olduğunu varsayarsam, o zaman başka bir örnek için yaptığım testin, en azından, zaten sahip olduğum için gördüğüm değer kadar uç bir değer üretmesi ne kadar olasıdır?

Bu sizin için ne anlama geliyor? İki seçeneğiniz var:

Boş hipotez geçerli olabilir, ancak örneğiniz çok sıra dışı. Yeni bir ilacın etkilerini incelediğimizi ve 0.03 p değeri elde ettiğimizi hayal edin. Bizimkine benzer çalışmaların %3'ünde bu, ilacın herhangi bir etkisi olmasa bile, rastgele şansın yine de aynı değeri veya daha fazlasını üretebileceği anlamına gelir.

"P değeri nedir?" sorusuna cevap verebilirsiniz. aşağıdakilerle: Bir p-değeri, sıfır hipotezinin reddedilmesine yol açacak en düşük anlamlılık düzeyidir. Şimdi, bazı anlamlılık düzeyinde sıfır hipotezi hakkında karar vermeniz gerekecek. Basitçe p-değerinizi ile karşılaştırın.

Boş hipotezin kaderi a ile belirlenir. Eğer p değeri 0,03 olsaydı, sıfır hipotezlerini 0,05 anlamlılık düzeyinde reddederdik, ancak 0,01'de değil. Bu nedenle, anlamlılık düzeyini önceden belirlemek ve p değeri belirlendikten sonra düzeltme yapmak önemlidir. 0,05 anlamlılık düzeyi en yaygın değeri temsil eder. Ancak, büyülü değildir.

p değeri hesaplayıcımız, karmaşık test istatistikleri için p değerini hesaplamayı kolaylaştırır. İzlenecek adımlar şunlardır:

Hesaplamaların gerçekleştirildiği kesinliği artırmanız veya önemini değiştirmeniz gerekirse, gelişmiş moda gidin.

Standart normal dağılımın kümülatif dağılım fonksiyonu (CDF) için p-değerini hesaplamak için aşağıdaki formüller kullanılır. Geleneksel olarak Ph ile gösterilir.

p-değeri = Ph (Z==skor==)

p-değeri = 1 - (Z==skor==)

p-değeri = 2 * Ph (- | Z==skor==|)

veya

p-değeri = 2 - 2 * Ph (- | Z==skor==|)

Test istatistiği N(0.1) normal dağılımına yaklaşıyorsa, kullanırız. Merkezi limit teoremi, büyük örnekleriniz olduğunda (örneğin 50 veri noktası) yaklaşıklığa güvenmenize ve dağılımı normal olarak değerlendirmenize izin verir.

T-puandan elde edilen değer, aşağıdaki formüller kullanılarak hesaplanabilir. cdf==t, d== t-Student dağılımı için serbestlik dereceli kümülatif dağılım fonksiyonunu temsil eder.

p-değeri = cdf==t, d==(t==skor==)

p-değeri = 1 - cdf==t, d==(t==skor==|)

p-değeri = 2 * cdf==t, d==(-|t==skor==|)

veya

p-değeri = 2 - 2 * cdf==t, d==(|t==skor==|)

Test istatistiğiniz öğrenci dağılımında ise t-puan seçeneğini kullanabilirsiniz. Bu dağılım şekil olarak N(0.1)'e benzer (çan şeklinde, simetrik), ancak daha fazla kuyruğu vardır. Serbestlik derecesi parametresi tam şekli belirler. Derece sayısı 30'dan büyükse, t-Öğrenci dağılımı normal N(0.1) dağılımından ayırt edilebilir.

p değeri negatif olamaz. Olasılıklar negatif olamayacağından, p değeri, test istatistiğinin belirli koşulları karşılama olasılığıdır.

Yüksek bir p değeri, başka bir numune için test istatistiğinin en az sizin numunenizdeki değer kadar uç bir değer üretme olasılığının yüksek olduğu anlamına gelir. Eğer p değeriniz yüksekse boş hipotezi reddedemezsiniz.

Düşük p değerleri, başka bir numune için test istatistiğinin en az mevcut numune için gözlemlenene benzer veya uç bir değer üretme şansının çok az olduğunu gösterir. Düşük p değerleri, alternatif hipotezin kanıtıdır. Onu reddetmenize izin veriyorlar.