Что такое P-значение в статистической гипотезе?

Немногие статистические оценки столь же значимы, как p-значение. P-значение или значение вероятности — это число, вычисляемое с помощью статистического теста, которое описывает, насколько вероятными были бы ваши результаты, если бы нулевая гипотеза была верна. P-значение менее 0,5 является статистически значимым, тогда как значение выше 0,5 указывает на то, что нулевая гипотеза верна; следовательно, оно статистически незначимо. Итак, что же такое P-значение и почему оно так важно?

Что такое P-значение?

В статистической проверке гипотез P-значение или значение вероятности можно определить как меру вероятности того, что реальная тестовая статистика по крайней мере столь же экстремальна, как и фактически полученное значение. P-значение показывает, насколько вероятно, что ваш набор наблюдений мог произойти при нулевой гипотезе. P-значения используются в статистической проверке гипотез для определения того, следует ли отвергнуть нулевую гипотезу. Чем меньше p-значение, тем выше вероятность того, что следует отвергнуть нулевую гипотезу.

Ваша карьера в области аналитики данных уже не за горами!Программа магистратуры по аналитике данныхИзучить программу

P-значения выражаются в виде десятичных дробей и могут быть преобразованы в проценты. Например, p-значение 0,0237 составляет 2,37%, что означает, что вероятность того, что ваши результаты случайны или произошли случайно, составляет 2,37%. Чем меньше P-значение, тем значимее ваши результаты.

В проверке гипотезы вы можете сравнить значение p из вашего теста с уровнем альфа, выбранным при запуске теста. Теперь давайте попробуем понять, что такое P-значение и уровень альфа.

Значение P против уровня альфа

P-значение указывает на вероятность получения эффекта, не меньшего, чем тот, который фактически наблюдается в выборочных данных.

Уровень альфа покажет вам вероятность ошибочного отклонения истинной нулевой гипотезы. Уровень выбирается исследователем и получается путем вычитания вашего уровня уверенности из 100%. Например, если вы на 95% уверены в своем исследовании, уровень альфа составит 5% (0,05).

При запуске проверки гипотезы, если вы получаете:

• Небольшое значение p (<=0,05), следует отвергнуть нулевую гипотезу.
• Большое значение p (>0,05), не следует отвергать нулевую гипотезу

Значения P и критические значения

Помимо P-значения, вы можете использовать и другие значения, полученные в ходе вашего теста, чтобы определить, верна ли ваша нулевая гипотеза.

Например, если вы запустите F-тест для сравнения двух дисперсий в Excel, вы получите p-значение, f-критическое значение и f-значение. Сравните f-значение с f-критическим значением. Если f-критическое значение ниже, вы должны отвергнуть нулевую гипотезу.

Как рассчитывается P-значение?

P-значения обычно рассчитываются с помощью таблиц или электронных таблиц p-значений или автоматически с помощью статистического программного обеспечения, такого как R, SPSS и т. д.

В зависимости от статистики теста и степеней свободы (вычитание числа независимых переменных из числа наблюдений) вашего теста вы можете узнать из таблиц, как часто можно ожидать, что статистика теста будет соответствовать нулевой гипотезе.

Способ расчета P-значения зависит от того, какой статистический тест вы используете для проверки своей гипотезы.

• Каждый статистический тест использует разные предположения и генерирует разные статистики. Выберите метод тестирования, который лучше всего подходит для ваших данных и соответствует тестируемому эффекту или взаимосвязи.
• Количество независимых переменных, включенных в ваш тест, определяет, насколько большой или малой должна быть статистика теста, чтобы сгенерировать то же самое p-значение.

Независимо от того, какой статистический тест вы используете, p-значение всегда будет обозначать одно и то же — как часто можно ожидать, что статистика теста будет экстремальной или даже более экстремальной, чем та, которую дает ваш тест.

P-значение при проверке гипотез

В подходе P-Value к проверке гипотез вычисленная вероятность используется для принятия решения о наличии доказательств для отклонения нулевой гипотезы, также известной как гипотеза. Гипотеза — это первоначальное утверждение о популяции данных, в то время как альтернативная гипотеза устанавливает, отличается ли наблюдаемый параметр популяции от значения параметра популяции согласно гипотезе.

Фактически, уровень значимости объявляется заранее, чтобы определить, насколько малым должно быть значение P, чтобы нулевая гипотеза была отвергнута. Уровни значимости различаются от одного исследователя к другому; поэтому читателям может быть сложно сравнивать результаты двух разных тестов. Вот когда значение P упрощает ситуацию.

Читатели могли интерпретировать статистическую значимость, ссылаясь на сообщенное значение P проверки гипотезы. Это известно как подход P-значения к проверке гипотез. Используя это, читатели могли сами решить, представляет ли значение p статистически значимую разницу.

Ваша карьера в области аналитики данных уже не за горами!Программа магистратуры по аналитике данныхИзучить программу

P-значения и статистическая значимость

Уровень статистической значимости обычно представлен в виде P-значения от 0 до 1. Чем меньше p-значение, тем больше вероятность того, что вы отвергнете нулевую гипотезу.

• P-значение < или = 0,05 считается статистически значимым. Оно обозначает сильное доказательство против нулевой гипотезы, поскольку вероятность того, что нулевая гипотеза верна, составляет менее 5%. Поэтому мы отвергаем нулевую гипотезу и принимаем альтернативную гипотезу.
• Но если P-значение ниже вашего порога значимости, то, хотя нулевая гипотеза может быть отвергнута, это не означает, что существует 95% вероятность того, что альтернативная гипотеза верна.
• P-значение >0,05 статистически незначимо. Оно обозначает сильное доказательство истинности нулевой гипотезы. Таким образом, мы сохраняем нулевую гипотезу и отвергаем альтернативную гипотезу. Мы не можем принять нулевую гипотезу; мы можем только отвергнуть или не отвергать ее.

Статистически значимый результат не доказывает правильность исследовательской гипотезы. Вместо этого он подтверждает или предоставляет доказательства в пользу гипотезы.

Отчетность о P-значениях

• Вам следует указать точные P-значения с точностью до двух или трех знаков после запятой.
• Для значений P менее 0,001 сообщайте как p < 0,001.
• Не используйте 0 перед десятичной точкой, так как он не может быть равен 1. Пишите p = .001, а не p = 0.001.
• Убедитесь, что буква p всегда выделена курсивом и по обе стороны от знака = есть пробел.
• Невозможно получить P = .000, и это следует записать как p < .001.

Пример

Инвестор утверждает, что эффективность его инвестиционного портфеля эквивалентна эффективности индекса Standard & Poor's (S&P) 500. Он проводит двухсторонний тест, чтобы определить это.

Нулевая гипотеза здесь утверждает, что доходность портфеля эквивалентна доходности S&P 500, тогда как альтернативная гипотеза утверждает, что доходность портфеля и доходность S&P 500 не эквивалентны.

Тест гипотезы p-value дает меру того, сколько доказательств имеется для отклонения нулевой гипотезы. Чем меньше значение p, тем больше доказательств против нулевой гипотезы.

Поэтому, если инвестор получает значение P 0,001, это указывает на веские доказательства против нулевой гипотезы. Поэтому он уверенно делает вывод, что доходность портфеля и доходность S&P 500 не эквивалентны.

Наши учащиеся также спрашивают

1. Что означает P-значение?

P-значение или значение вероятности — это число, которое обозначает вероятность того, что ваши данные соответствуют нулевой гипотезе вашего статистического теста.

2. Что означает p 0,05?

Значение P менее 0,05 считается статистически значимым, что означает, что в таком случае нулевая гипотеза должна быть отклонена. Значение P более 0,05 не считается статистически значимым, что означает, что нулевая гипотеза не должна быть отклонена.

3. Что такое P-значение и как оно рассчитывается?

Значение p или значение вероятности — это число, вычисляемое в результате статистического теста, которое показывает, насколько вероятно, что ваши результаты были бы получены при нулевой гипотезе теста.

P-значения обычно автоматически рассчитываются с помощью статистического программного обеспечения. Их также можно рассчитать с помощью таблиц p-значений для соответствующего статистического теста. P-значения рассчитываются на основе нулевого распределения тестовой статистики. В случае, если тестовая статистика далека от среднего нулевого распределения, полученное p-значение мало. Это указывает на то, что тестовая статистика вряд ли имела место при нулевой гипотезе.

4. Что такое p-значение в исследованиях?

Значения P используются при проверке гипотез, чтобы помочь определить, следует ли отвергнуть нулевую гипотезу. Они играют важную роль при обсуждении результатов исследования. Проверка гипотез — это статистическая методология, часто используемая в медицинских и клинических исследованиях.

5. Почему p-значение значимо?

Статистическая значимость — это термин, который исследователи используют, чтобы сказать, что маловероятно, что их наблюдения могли бы иметь место, если бы нулевая гипотеза была верной. Уровень статистической значимости обычно представлен как P-значение или значение вероятности между 0 и 1. Чем меньше p-значение, тем больше вероятность того, что вы отвергнете нулевую гипотезу.

6. Что такое нулевая гипотеза и что такое p-значение?

Нулевая гипотеза — это разновидность статистической гипотезы, которая предполагает, что в наборе данных наблюдений нет статистической значимости. Она говорит, что между вашими переменными нет никакой связи.

P-значение или значение вероятности — это число, вычисляемое в результате статистического теста, которое показывает, насколько вероятно, что ваши результаты были бы получены при нулевой гипотезе теста.

Заключение

P-значение используется для определения значимости наблюдаемых данных. Всякий раз, когда исследователи замечают очевидную связь между двумя переменными, расчет P-значения помогает установить, возникла ли наблюдаемая связь в результате случайности. Узнайте больше о статистическом анализе и аналитике данных и ускорьте свою карьеру с помощью нашей Программы профессиональной сертификации в области аналитики данных.