При статистической проверке гипотез p-значение (значение вероятности) является мерой вероятности нахождения наблюдаемых или более экстремальных результатов, когда нулевая гипотеза данного статистического теста верна. Значение p - это первичное значение, используемое для количественной оценки статистической значимости результатов проверки гипотез Проверка гипотез Проверка гипотез - это метод статистического вывода. Он используется для проверки правильности утверждения относительно параметра совокупности. Проверка гипотезы .
Основная интерпретация p-значения заключается в том, достаточно ли доказательств для отклонения нулевой гипотезы. Если p-значение достаточно низкое (ниже уровня значимости), мы можем заявить, что есть достаточно доказательств, чтобы отклонить нулевую гипотезу. В противном случае мы не должны отвергать нулевую гипотезу.
Выводы о проверке гипотезы делаются, когда p-значение теста сравнивается с уровнем значимости, который играет роль эталона. Наиболее типичные уровни значимости - 0,10, 0,05 и 0,01. Уровень значимости 0,05 считается общепринятым и наиболее часто используемым.
Как использовать P-значение при проверке гипотез?
Чтобы использовать p-значение при проверке гипотез, выполните следующие действия:
- Определите свой уровень значимости (α). Уровень значимости обычно следует выбирать на первых этапах разработки проверки гипотез. Наиболее распространенные уровни значимости включают 0,10, 0,05 и 0,01.
- Рассчитайте p-значение. Существует множество программных приложений, которые предлагают расчет. Например, Microsoft Excel позволяет вычислять p-значение с помощью Data Analysis ToolPak.
- Сравните полученное значение p с уровнем значимости (α) и сделайте соответствующие выводы. Общее правило здесь заключается в том, что если число меньше уровня значимости, то имеется достаточно доказательств, чтобы отклонить нулевую гипотезу эксперимента.
Степень статистической значимости обычно варьируется в зависимости от уровня значимости. Например, значение p, превышающее 0,05, считается статистически значимым, а значение менее 0,01 рассматривается как статистически значимое.
Неправильная интерпретация P-значения
В статистике Основные статистические концепции для финансов. Глубокое понимание статистики имеет решающее значение для того, чтобы помочь нам лучше понять финансы. Более того, статистические концепции могут помочь инвесторам в мониторинге, p-значение действительно можно рассматривать как одну из наиболее часто неверно интерпретируемых концепций. Самое большое заблуждение относительно этой концепции состоит в том, что это вероятность того, что нулевая гипотеза верна (или это вероятность того, что альтернативная гипотеза неверна).
На самом деле p-значение не определяет вероятность того, что нулевая гипотеза верна, а просто указывает вероятность встретить результаты исследования, по крайней мере, такие же крайние, как и фактически наблюдаемые результаты, если нулевая гипотеза верна. Другими словами, он указывает вероятность наличия достаточного количества свидетельств, чтобы отвергнуть или не отвергнуть нулевую гипотезу.
Дополнительные ресурсы
Финансы предлагают сертификацию финансового моделирования и оценки (FMVA) ™. Сертификация FMVA®. Присоединяйтесь к более 350 600 студентам, которые работают в таких компаниях, как Amazon, JP Morgan и программы сертификации Ferrari, для тех, кто хочет вывести свою карьеру на новый уровень. Чтобы продолжать учиться и продвигаться по карьерной лестнице, вам будут полезны следующие финансовые ресурсы:
- Ожидаемое значение Ожидаемое значение Ожидаемое значение (также известное как EV, ожидание, среднее или среднее значение) - это долгосрочное среднее значение случайных величин. Ожидаемое значение также указывает
- Непараметрические тесты Непараметрические тесты В статистике непараметрические тесты - это методы статистического анализа, которые не требуют распределения для соответствия необходимым допущениям для анализа.
- Смещение выборки Смещение выборки Смещение выборки - это смещение, возникающее в результате неспособности обеспечить надлежащую рандомизацию выборки населения. Недостатки выборки
- Правило полной вероятности Правило общей вероятности (также известное как закон полной вероятности) является фундаментальным правилом в статистике, относящейся к условным и предельным вероятностям.