W testowaniu hipotez statystycznych wartość p (wartość prawdopodobieństwa) jest miarą prawdopodobieństwa znalezienia zaobserwowanych lub bardziej skrajnych wyników, gdy hipoteza zerowa danego testu statystycznego jest prawdziwa. Wartość p jest podstawową wartością wykorzystywaną do ilościowego określenia istotności statystycznej wyników testu hipotezy. Testowanie hipotezy Testowanie hipotezy Testowanie jest metodą wnioskowania statystycznego. Służy do sprawdzenia, czy stwierdzenie dotyczące parametru populacji jest poprawne. Testowanie hipotez .
Główna interpretacja wartości p dotyczy tego, czy jest wystarczająco dużo dowodów, aby odrzucić hipotezę zerową. Jeśli wartość p jest stosunkowo niska (mniejsza niż poziom istotności), możemy stwierdzić, że istnieje wystarczająca ilość dowodów, aby odrzucić hipotezę zerową. W przeciwnym razie nie powinniśmy odrzucać hipotezy zerowej.
Wnioski dotyczące testu hipotezy są wyciągane z porównania wartości p testu z poziomem istotności, który pełni rolę punktu odniesienia. Najbardziej typowe poziomy istotności to 0,10, 0,05 i 0,01. Poziom istotności 0,05 jest uważany za konwencjonalny i najczęściej stosowany.
Jak korzystać z wartości P w testowaniu hipotez?
Aby użyć wartości p do testowania hipotez, wykonaj następujące czynności:
- Określ swój poziom istotności (α). Zasadniczo poziom istotności powinien zostać wybrany na pierwszych etapach projektowania testu hipotezy. Najczęstsze poziomy istotności to 0,10, 0,05 i 0,01.
- Oblicz wartość p. Istnieje wiele aplikacji, które oferują obliczenia. Na przykład program Microsoft Excel umożliwia obliczenie wartości p przy użyciu pakietu Data Analysis ToolPak.
- Porównaj uzyskaną wartość p z poziomem istotności (α) i wyciągnij odpowiednie wnioski. Ogólna zasada jest taka, że jeśli liczba jest mniejsza niż poziom istotności, istnieją wystarczające dowody, aby odrzucić hipotezę zerową eksperymentu.
Stopień istotności statystycznej na ogół zmienia się w zależności od poziomu istotności. Na przykład wartość p, która jest większa niż 0,05, jest uważana za statystycznie istotną, podczas gdy wartość poniżej 0,01 jest uważana za wysoce istotną statystycznie.
Błędne interpretacje wartości P.
W statystyce Podstawowe pojęcia statystyczne dotyczące finansów Dokładne zrozumienie statystyki jest niezwykle ważne, abyśmy mogli lepiej zrozumieć finanse. Ponadto koncepcje statystyczne mogą pomóc inwestorom w monitorowaniu, a wartość p można naprawdę uznać za jedną z najczęściej błędnie interpretowanych koncepcji. Największym błędnym przekonaniem na temat tej koncepcji jest to, że istnieje prawdopodobieństwo, że hipoteza zerowa jest prawdziwa (lub jest to prawdopodobieństwo, że hipoteza alternatywna jest fałszywa).
W rzeczywistości wartość p nie określa prawdopodobieństwa, że hipoteza zerowa jest prawdziwa, a jedynie wskazuje prawdopodobieństwo napotkania wyników badania co najmniej tak skrajnych, jak faktycznie zaobserwowane wyniki, jeśli hipoteza zerowa jest prawdziwa. Innymi słowy, wskazuje prawdopodobieństwo posiadania wystarczających dowodów, aby odrzucić lub nie odrzucić hipotezy zerowej.
Dodatkowe zasoby
Finance oferuje program Financial Modeling & Valuation Analyst (FMVA) ™ Certyfikat FMVA® Dołącz do ponad 350 600 studentów, którzy pracują dla firm takich jak Amazon, JP Morgan i Ferrari, z programem certyfikacji dla tych, którzy chcą przenieść swoją karierę na wyższy poziom. Aby kontynuować naukę i rozwijać swoją karierę, pomocne będą następujące zasoby finansowe:
- Wartość oczekiwana Wartość oczekiwana Wartość oczekiwana (znana również jako EV, wartość oczekiwana, średnia lub średnia) to długoterminowa średnia wartość zmiennych losowych. Oczekiwana wartość również wskazuje
- Testy nieparametryczne Testy nieparametryczne W statystyce testy nieparametryczne to metody analizy statystycznej, które nie wymagają rozkładu, aby spełnić wymagane założenia do analizy
- Błąd przy wyborze próbki Błąd przy wyborze próbki Błąd przy wyborze próbki jest błędem wynikającym z braku zapewnienia właściwej randomizacji próby populacji. Wady doboru próby
- Reguła całkowitego prawdopodobieństwa Reguła całkowitego prawdopodobieństwa Reguła całkowitego prawdopodobieństwa (znana również jako prawo całkowitego prawdopodobieństwa) jest podstawową regułą w statystyce odnoszącej się do warunkowych i krańcowych
