P-value-máy Tính

Xác suất mà thống kê thử nghiệm sẽ tạo ra các giá trị ít nhất là cực trị của giá trị mà nó tạo ra trong mẫu của bạn. Điều quan trọng cần lưu ý là xác suất này được tính toán theo giả định của một giả thuyết rỗng thực sự!

Giá trị p trực quan hơn và trả lời câu hỏi: Nếu tôi cho rằng giả thuyết vô hiệu là đúng, thì khả năng phép thử tôi đang thực hiện cho một mẫu khác sẽ tạo ra giá trị ít nhất là cực đoan như tôi đã thấy cho mẫu tôi đã có?

Bạn phải hiểu phân phối của thống kê thử nghiệm, giả sử rằng giả thuyết vô hiệu là đúng. Hàm phân phối tích lũy (cdf) có thể được sử dụng để biểu thị xác suất mà thống kê thử nghiệm ít nhất là cực trị và cực trị như giá trị x của mẫu.

Kiểm định giả thuyết được đặc trưng bởi các phân phối xác suất phổ biến nhất. Điều này có thể gây khó khăn cho việc tính toán giá trị p theo cách thủ công. Có khả năng bạn sẽ cần sử dụng máy tính hoặc bảng thống kê để tính toán các giá trị cdf gần đúng.

Bây giờ bạn đã biết cách tính giá trị p. Nhưng, tại sao bạn muốn làm điều này? Phương pháp tiếp cận giá trị p để kiểm tra giả thuyết là một phương pháp thay thế cho phương pháp tiếp cận giá trị tới hạn. Mức ý nghĩa (a) là mức mà các nhà nghiên cứu phải thiết lập trước khi bác bỏ giả thuyết vô hiệu nếu nó là đúng (do đó sai). Để nhanh chóng xác định xem có nên bác bỏ các giả thuyết rỗng ở mức ý nghĩa đó hay không, bạn chỉ cần so sánh giá trị p của mình với bất kỳ giá trị a đã cho nào. Chúng tôi sẽ giải thích chi tiết cách diễn giải giá trị p.

Chúng tôi đã đề cập rằng giá trị p trả lời câu hỏi sau.

Nếu tôi giả định rằng giả thuyết vô hiệu là đúng, thì có bao nhiêu khả năng phép thử tôi đang thực hiện cho một mẫu khác sẽ tạo ra giá trị ít nhất là cực đoan như giá trị tôi đã thấy cho mẫu tôi đã có?

Điều này có ý nghĩa gì với bạn? Bạn có hai lựa chọn:

Có thể giả thuyết vô hiệu là đúng, nhưng mẫu của bạn rất bất thường. Hãy tưởng tượng rằng chúng ta nghiên cứu tác dụng của một loại thuốc mới và nhận được giá trị 0,03 p. Trong 3% các nghiên cứu tương tự như của chúng tôi, điều này có nghĩa là ngay cả khi thuốc không có bất kỳ tác dụng nào, cơ hội ngẫu nhiên vẫn có thể tạo ra giá trị tương tự hoặc thậm chí cao hơn.

Bạn có thể trả lời câu hỏi, "Giá trị p là gì?" với những điều sau: Giá trị p là mức ý nghĩa thấp nhất có thể dẫn đến giả thuyết vô hiệu bị bác bỏ. Bây giờ, bạn sẽ cần phải quyết định về giả thuyết vô hiệu ở một mức ý nghĩa nào đó. Đơn giản chỉ cần so sánh giá trị p của bạn với.

Số phận của giả thuyết vô hiệu được xác định bởi a. Nếu giá trị p là 0,03, chúng tôi sẽ bác bỏ các giả thuyết rỗng ở mức ý nghĩa 0,05 nhưng không ở mức 0,01. Đây là lý do tại sao điều quan trọng là phải xác định trước mức ý nghĩa và không điều chỉnh sau khi giá trị p đã được xác định. Mức ý nghĩa 0,05 thể hiện giá trị phổ biến nhất. Tuy nhiên, nó không phải là thần kỳ.

Máy tính giá trị p của chúng tôi giúp bạn dễ dàng tính toán giá trị p cho các thống kê thử nghiệm phức tạp. Đây là các bước để làm theo:

Nếu bạn cần tăng độ chính xác mà các phép tính được thực hiện hoặc sửa đổi mức quan trọng, hãy chuyển đến chế độ nâng cao.

Các công thức sau đây được sử dụng để tính giá trị p cho hàm phân phối tích lũy (CDF), của phân phối chuẩn chuẩn. Nó được ký hiệu theo truyền thống là Ph.

p-value = Ph (Z == điểm ==)

p-value = 1 - (Z == điểm ==)

p-value = 2 * Ph (- | Z == điểm == |)

hoặc

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

Nếu thống kê kiểm định gần đúng với phân phối chuẩn N (0,1), chúng tôi sử dụng. Định lý giới hạn trung tâm cho phép bạn tính gần đúng khi bạn có các mẫu lớn (ví dụ 50 điểm dữ liệu) và coi phân phối là bình thường.

Giá trị từ điểm t có thể được tính bằng các công thức sau. cdf == t, d == biểu diễn hàm phân phối tích lũy cho phân phối t-Student với bậc tự do.

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

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

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

hoặc

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

Nếu thống kê kiểm tra của bạn nằm trong phân phối sinh viên, bạn có thể sử dụng tùy chọn điểm t. Phân bố này có hình dạng tương tự như N (0,1) (hình chuông, đối xứng), nhưng nó có nhiều đuôi hơn. Tham số bậc tự do xác định hình dạng chính xác. Phân phối t-Student có thể được phân biệt với phân phối chuẩn N (0,1) nếu số bậc lớn hơn 30.

Giá trị p không được âm. Bởi vì xác suất không thể âm, giá trị p là xác suất mà thống kê thử nghiệm sẽ thỏa mãn các điều kiện nhất định.

Giá trị p cao có nghĩa là có nhiều khả năng thống kê thử nghiệm cho một mẫu khác sẽ tạo ra một giá trị ít nhất là cực đoan như giá trị trong mẫu của bạn. Bạn không thể bác bỏ giả thuyết rỗng nếu giá trị p của bạn cao.

Giá trị p thấp chỉ ra rằng có rất ít cơ hội rằng thống kê thử nghiệm cho một mẫu khác sẽ tạo ra một giá trị ít nhất là cực trị hoặc tương tự với giá trị đã được quan sát cho mẫu hiện tại. Giá trị p thấp là bằng chứng cho giả thuyết thay thế. Họ cho phép bạn từ chối nó.