Alfa ir P reikšmių skirtumas

Atliekant reikšmingumo testą arba hipotezės testas, yra du skaičiai, kuriuos lengva supainioti. Šie skaičiai lengvai painiojami, nes abu skaičiai yra tarp nulio ir vienas, ir abu yra tikimybės. Vienas skaičius vadinamas bandymo statistikos p verte. Kitas dominantis skaičius yra reikšmingumo arba alfa lygis. Mes išnagrinėsime šias dvi tikimybes ir nustatysime skirtumą tarp jų.

Alfa skaičius yra slenkstinė vertė, kurią mes išmatuojame p vertės prieš. Tai mums sako, kokie turi būti kraštutiniai stebimi rezultatai, norint paneigti reikšmingumo testo hipotezę.

Alfa reikšmė yra susijusi su mūsų patikimumo lygiu. Toliau pateikiami tam tikri pasitikėjimo lygiai ir su jais susijusios alfa vertės:

• Rezultatams, kurių patikimumo lygis 90 proc., Alfa reikšmė yra 1 - 0,90 = 0,10.
• Už rezultatus 95 proc pasitikėjimo lygis, alfa reikšmė yra 1 - 0,95 = 0,05.
• Rezultatams, kurių patikimumas yra 99 procentai, alfa vertė yra 1 - 0,99 = 0,01.
• Apskritai, rezultatų, kurių patikimumo lygis C procentas, alfa vertė yra 1 - C / 100.

Nors teorijoje ir praktikoje alfa gali būti naudojama daugybė skaičių, dažniausiai naudojama 0,05. Taip yra dėl to, kad sutarimas rodo, kad šis lygis daugeliu atvejų yra tinkamas, ir istoriškai jis buvo priimtas kaip standartas. Tačiau yra daugybė situacijų, kai turėtų būti naudojama mažesnė alfa vertė. Nėra vienos vertės alfa kad visada lemia statistinę reikšmingumą.

Alfa reikšmė suteikia mums a tikimybę I tipo klaida. I tipo klaidos atsiranda, kai atmetame niekinę hipotezę, kuri iš tikrųjų yra tiesa. Taigi ilgainiui bandymui su a reikšmingumo lygis 0,05 = 1/20, tikra niekinė hipotezė bus atmesta kas 20 kartų.

Kitas skaičius, kuris yra reikšmingumo testo dalis, yra p-reikšmė. P reikšmė taip pat yra tikimybė, tačiau ji gaunama iš kitokio šaltinio nei alfa. Kiekviena testo statistika turi atitinkamą tikimybę arba p vertę. Ši vertė yra tikimybė, kad stebėta statistika atsirado atsitiktinai, darant prielaidą, kad niekinė hipotezė yra teisinga.

Kadangi yra daugybė skirtingų bandymų statistikos, yra daugybė skirtingų būdų, kaip surasti p vertę. Kai kuriais atvejais turime žinoti tikimybės pasiskirstymas gyventojų.

Testo statistikos p vertė yra būdas pasakyti, kokia kraštutinė ta statistika yra mūsų imties duomenims. Kuo mažesnė p vertė, tuo mažiau tikėtina stebimo pavyzdžio.

Norėdami nustatyti, ar stebimas rezultatas yra statistiškai reikšmingas, palyginame alfa ir p reikšmes. Atsiranda dvi galimybės:

• P vertė yra mažesnė arba lygi alfa. Šiuo atveju mes atmetame niekinę hipotezę. Kai tai atsitiks, sakome, kad rezultatas yra statistiškai reikšmingas. Kitaip tariant, mes esame įsitikinę, kad be atsitiktinumo yra kažkas, kas davė stebėtą imtį.
• P reikšmė yra didesnė už alfa. Šiuo atveju mes negalime atmesti niekinė hipotezė. Kai tai atsitinka, sakome, kad rezultatas nėra statistiškai reikšmingas. Kitaip tariant, mes esame įsitikinę, kad mūsų stebimi duomenys gali būti paaiškinti vien tik atsitiktinumu.

Tai reiškia, kad kuo mažesnė alfa vertė, tuo sunkiau tvirtinti, kad rezultatas yra statistiškai reikšmingas. Kita vertus, kuo didesnė alfa reikšmė, tuo lengviau teigti, kad rezultatas yra statistiškai reikšmingas. Tačiau kartu su tuo yra didesnė tikimybė, kad tai, ką mes pastebėjome, gali būti priskirta atsitiktinumui.